使用 Gradio MCP 伺服器提升您的 LLM 的能力
使用 Gradio MCP 伺服器提升您的 LLM 的能力。您是否曾經希望您最喜愛的大型語言模型 (LLM) 不僅僅是回答問題？如果它能為您編輯圖片、瀏覽網頁或整理您的電子郵件收件箱呢？
現在，它可以了！在這篇博文中，我將向您展示：
- 什麼是 MCP 協議，以及它如何像我們都習以為常的智慧手機應用程式一樣工作，但卻是為 LLM 設計的。
- 如何透過“MCP 應用商店”找到數千個 MCP 伺服器。
- 如何將這些伺服器之一新增到您選擇的 LLM 中，為其賦予新能力。我們將透過一個使用 Flux.1 Kontext[dev] 的示例來演示，它能根據純文字指令編輯影像。
MCP 簡介
模型上下文協議 (MCP) 是一個開放標準，使開發人員能夠在 LLM 和一組工具之間建立安全的雙向連線。例如，如果您建立了一個 MCP 伺服器，它提供一個能夠轉錄影片的工具，那麼您可以將 LLM 客戶端 (如 Cursor、Claude Code 或 Cline) 連線到該伺服器。然後，LLM 將知道如何轉錄影片，並根據您的請求為您使用此工具。
簡而言之，MCP 伺服器是為您的 LLM 賦予新能力以提升其技能的標準方式。可以把它想象成智慧手機上的應用。您的智慧手機本身無法編輯影像，但您可以從應用商店下載一個應用來完成這項工作。現在，如果有一個 MCP 伺服器的應用商店就好了？🤔
Hugging Face Spaces：MCP 應用商店
Hugging Face Spaces 是全球最大的 AI 應用程式集合。這些 Spaces 中的大多數都使用 AI 模型執行特定任務。例如：
這些 Spaces 是用 Gradio 實現的，Gradio 是一個用於建立 AI 驅動的 Web 伺服器的開源 Python 包。從版本 5.28.0 開始，Gradio 應用程式支援 MCP 協議。
這意味著 Hugging Face Spaces 是您可以為您的 LLM 找到數千種 AI 驅動能力的地方，也就是 MCP 應用商店！
想瀏覽應用商店嗎？請訪問此連結。您也可以在 https://huggingface.co/spaces 中手動篩選 MCP Compatible。
一個例子：一個可以編輯影像的 LLM
Flux.1 Kontext[dev] 是一個令人印象深刻的模型，可以根據純文字提示編輯影像。例如，如果您要求它“把我的頭髮染成藍色”並上傳一張自己的照片，該模型將返回一張您留著藍色頭髮的照片！
讓我們將這個模型作為 MCP 伺服器插入到 LLM 中，讓它為我們編輯影像。請按照以下步驟操作：
- 前往 Hugging Face 並建立一個免費賬戶。
- 在您的設定中，點選左側的
MCP。您可能需要向下滾動頁面才能看到它。 - 現在，滾動到頁面底部。您應該會看到一個名為
Spaces Tools的部分。在搜尋欄中，輸入Flux.1-Kontext-Dev並選擇名為black-forest-labs/Flux.1-Kontext-Dev的 Space。點選後，頁面應如下所示：
- 對於此演示，我們將使用 Cursor，但任何MCP 客戶端都應遵循類似的程式。滾動回MCP 設定頁面頂部，在
Setup with your AI assistant部分點選Cursor圖示。現在，複製該程式碼片段並將其貼上到您的 Cursor 設定檔案中。
- 現在，當您在 Cursor 中開始新的聊天會話時，您可以要求它編輯影像！請注意，目前影像必須透過公共 URL 提供。您可以建立一個 Hugging Face 資料集來線上儲存您的影像。
使用熱門的公共 Space 作為工具可能意味著您需要等待更長的時間才能收到結果。如果您訪問該 Space，可以點選“Duplicate This Space”為自己建立一個該 Space 的私有版本。如果該 Space 使用“ZeroGPU”，您可能需要升級到 PRO 帳戶才能複製它。
- 額外福利：您還可以使用 Hugging Face MCP 伺服器搜尋與 MCP 相容的 Spaces！完成第 4 步後，您還可以要求您的 LLM 查詢能完成特定任務的 Spaces：
結論
這篇博文向您介紹了模型上下文協議 (MCP) 為大型語言模型帶來的激動人心的新功能。我們已經看到 Gradio 應用程式，特別是那些託管在 Hugging Face Spaces 上的應用程式，現在完全符合 MCP 標準，有效地將 Spaces 變成了一個充滿活力的 LLM 工具“應用商店”。透過連線這些專門的 MCP 伺服器，您的 LLM 可以超越基本的問答功能，獲得強大的新能力，從影像編輯到轉錄，再到任何您能想象到的事情！
