🤗 Hugging Face MCP 服务器 🤗

这是一个提供对 Hugging Face Hub API 只读访问的 Model Context Protocol (MCP) 服务器。该服务器允许像 Claude 这样的大型语言模型与 Hugging Face 的模型、数据集、空间、论文和集合进行交互。

组件

资源

服务器公开了流行的 Hugging Face 资源：

• 自定义 hf:// URI 方案用于访问资源
• 模型使用 hf://model/{model_id} URIs
• 数据集使用 hf://dataset/{dataset_id} URIs
• 空间使用 hf://space/{space_id} URIs
• 所有资源都有描述性名称和 JSON 内容类型

提示模板

服务器提供了两个提示模板：

• compare-models: 生成多个 Hugging Face 模型之间的比较

  • 需要 model_ids 参数（逗号分隔的模型 ID）
  • 获取模型详细信息并格式化以供比较

• summarize-paper: 概述来自 Hugging Face 的研究论文

  • 需要 arxiv_id 参数用于识别论文
  • 可选 detail_level 参数（简略/详细）来控制摘要深度
  • 结合论文元数据和实现细节

工具

服务器实现了几个工具类别：

• 模型工具

  • search-models: 通过查询、作者、标签和限制等过滤器搜索模型
  • get-model-info: 获取特定模型的详细信息

• 数据集工具

  • search-datasets: 通过过滤器搜索数据集
  • get-dataset-info: 获取特定数据集的详细信息

• 空间工具

  • search-spaces: 通过包括 SDK 类型在内的过滤器搜索空间
  • get-space-info: 获取特定空间的详细信息

• 论文工具

  • get-paper-info: 获取论文及其实现的信息
  • get-daily-papers: 获取精选的每日论文列表

• 集合工具

  • search-collections: 通过各种过滤器搜索集合
  • get-collection-info: 获取特定集合的详细信息

配置

服务器不需要配置，但支持可选的 Hugging Face 认证：

• 设置 HF_TOKEN 环境变量为您的 Hugging Face API 令牌：
  • 更高的 API 速率限制
  • 访问私有仓库（如果已授权）
  • 对于高请求量提高可靠性

快速开始

安装

通过 Smithery 安装

要通过 Smithery 自动安装 huggingface-mcp-server 到 Claude Desktop:

npx -y @smithery/cli install @shreyaskarnik/huggingface-mcp-server --client claude

Claude Desktop

在 MacOS 上: ~/Library/Application\ Support/Claude/claude_desktop_config.json
在 Windows 上: %APPDATA%/Claude/claude_desktop_config.json

"mcpServers": {
  "huggingface": {
    "command": "uv",
    "args": [
      "--directory",
      "/absolute/path/to/huggingface-mcp-server",
      "run",
      "huggingface_mcp_server.py"
    ],
    "env": {
      "HF_TOKEN": "your_token_here"  // Optional
    }
  }
}

开发

构建和发布

准备包以进行分发：

1. 同步依赖项并更新锁文件：

uv sync

1. 构建包发行版：

uv build

这将在 dist/ 目录中创建源码和 wheel 分发包。

1. 发布到 PyPI：

uv publish

注意：你需要通过环境变量或命令标志设置 PyPI 凭证：

• 令牌：--token 或 UV_PUBLISH_TOKEN
• 或用户名/密码：--username/UV_PUBLISH_USERNAME 和 --password/UV_PUBLISH_PASSWORD

调试

由于 MCP 服务器通过标准输入输出运行，调试可能会比较困难。为了获得最佳调试体验，我们强烈建议使用 MCP Inspector。

你可以通过 npm 使用以下命令启动 MCP Inspector：

npx @modelcontextprotocol/inspector uv --directory /path/to/huggingface-mcp-server run huggingface_mcp_server.py

启动后，Inspector 将显示一个 URL，你可以在浏览器中访问该 URL 开始调试。

Claude 的示例提示

当使用此服务器与 Claude 时，可以尝试以下示例提示：

• "在 Hugging Face 上搜索参数少于 1亿个的 BERT 模型"
• "查找 Hugging Face 上用于文本分类最受欢迎的数据集"
• "今天 Hugging Face 上有哪些特色 AI 研究论文？"
• "使用 Hugging Face MCP 服务器总结 arXiv ID 为 2307.09288 的论文"
• "比较 Hugging Face 上的 Llama-3-8B 和 Mistral-7B 模型"
• "展示最流行的 Gradio 图像生成空间"
• "查找 TheBloke 创建的包含 Mixtral 模型的集合"

故障排除

如果你遇到服务器问题：

1. 在 Claude Desktop 中检查服务器日志：

   • macOS: ~/Library/Logs/Claude/mcp-server-huggingface.log
   • Windows: %APPDATA%\Claude\logs\mcp-server-huggingface.log

2. 对于 API 速率限制错误，请考虑添加 Hugging Face API 令牌

3. 确保你的机器能够连接互联网以访问 Hugging Face API

4. 如果某个工具失败，尝试通过 Hugging Face 网站访问相同的数据以验证其存在