Hugging Face 教你用 Gradio MCP Servers 给 LLM 增加新能力

用 Gradio MCP 服务器提升你的 LLM 能力你是否曾希望自己最喜欢的大语言模型（LLM）不只是回答问题？如果它能为你编辑图像、浏览网页，或者整理你的收件箱呢？

现在，它可以做到了！在这篇博客文章中，我将向你展示：

什么是 MCP 协议，以及它如何像我们习以为常的智能手机应用一样运作，只不过是为 LLM 服务的。
如何通过“MCP 应用商店”找到成千上万个 MCP 服务器。
如何将其中一个服务器添加到你喜欢的 LLM 中，赋予它一项新能力。我们将通过一个使用 Flux.1 Kontext[dev] 的示例来演示，它可以根据纯文本指令编辑图像。

MCP 简介

模型上下文协议（MCP） 是一项开放标准，使开发者能够在 LLM 与一组工具之间构建安全的双向连接。例如，如果你创建一个 MCP 服务器，暴露一个能够转录视频的工具，那么你就可以将 LLM 客户端（如 Cursor、Claude Code 或 Cline）连接到该服务器。LLM 随后就会知道如何转录视频，并根据你的请求为你使用这个工具。

简而言之，MCP 服务器是一种标准方式，通过赋予 LLM 一项新能力来提升它。可以把它想象成你智能手机上的应用。智能手机本身无法编辑图像，但你可以从应用商店下载一个应用来完成这件事。那么，要是 MCP 服务器也有一个应用商店就好了？🤔

Hugging Face Spaces：MCP 应用商店

Hugging Face Spaces 是世界上最大的 AI 应用集合。其中大多数 Space 都使用 AI 模型执行一项专门任务。例如：

这些 Space 是用 Gradio 实现的，这是一个用于创建 AI 驱动 Web 服务器的开源 Python 包。从版本 5.28.0 开始，Gradio 应用支持 MCP 协议。

这意味着 Hugging Face Spaces 是唯一一个能为你的 LLM 找到成千上万种 AI 能力的地方，也就是 MCP 应用商店！

想浏览这个应用商店吗？请访问这个链接。你也可以手动在 https://hf.co/spaces 中筛选 MCP Compatible。

一个示例：能编辑图像的 LLM

Flux.1 Kontext[dev] 是一个令人印象深刻的模型，可以根据纯文本提示编辑图像。例如，如果你让它“把我的头发染成蓝色”并上传一张自己的照片，模型会返回这张照片，但你的头发变成了蓝色！

让我们把这个模型作为 MCP 服务器接入一个 LLM，让它为我们编辑图像。请按照以下步骤操作：

前往 Hugging Face 并创建一个免费账户。
在你的设置中，点击左侧的 MCP。你可能需要向下滚动页面才能看到它。
现在，滚动到页面底部。你应该会看到一个名为 Spaces Tools 的部分。在搜索栏中输入 Flux.1-Kontext-Dev，然后选择名为 black-forest-labs/Flux.1-Kontext-Dev 的 Space。点击后页面应该像这样：

在这个演示中，我们将使用 Cursor，但任何 MCP 客户端都应遵循类似步骤。向上滚动回到 MCP 设置页面顶部，然后点击 Setup with your AI assistant 部分的 Cursor 图标。现在，复制那段代码片段，并将其放入你的 Cursor 设置文件中。

现在，当你在 cursor 中开始一个新的聊天会话时，你可以让它编辑图像！请注意，目前图像必须通过公共 URL 可用。你可以创建一个 Hugging Face Dataset 来在线存储你的图像。

使用一个流行的公共空间作为工具可能意味着你需要等待更长时间才能收到结果。如果你访问该空间，你可以点击“Duplicate This Space”为自己创建一个私有版本的空间。如果该空间使用“ZeroGPU”，你可能需要升级到 PRO 账户才能复制它。

额外福利：你还可以使用 Hugging Face MCP 服务器搜索兼容 MCP 的空间！完成第 4 步后，你还可以让你的 LLM 查找能完成某项任务的空间：

结论

这篇博客文章带你了解了模型上下文协议（MCP）为大型语言模型带来的令人兴奋的新能力。我们已经看到 Gradio 应用，尤其是那些托管在 Hugging Face Spaces 上的应用，现在完全兼容 MCP，有效地将 Spaces 变成了 LLM 工具的充满活力的“应用商店”。通过连接这些专门的 MCP 服务器，你的 LLM 可以超越基本的问答，获得强大的新能力，从图像编辑到转录，再到你能想象的任何东西！