# Hugging Face MCP服务器
## 基本信息
- Slug: `shreyaskarnik-huggingface-mcp-server`
- Source: modelscope
- Publisher: @shreyaskarnik/huggingface-mcp-server
- Categories: research-and-data / developer-tools
- Hosted: No
- License: MIT License
- Source URL: https://www.modelscope.cn/mcp/servers/@shreyaskarnik/huggingface-mcp-server
## 简介
一种模型上下文协议服务器，为克劳德和其他大语言模型提供对 Hugging Face Hub API 的只读访问，通过自然语言启用与模型、数据集、空间、论文和集合的交互。
## 安装提示

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

## MCP Server 详情

# 🤗 Hugging Face MCP 服务器 🤗

[![smithery 徽章](https://smithery.ai/badge/@shreyaskarnik/huggingface-mcp-server)](https://smithery.ai/server/@shreyaskarnik/huggingface-mcp-server)

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](https://smithery.ai/server/@shreyaskarnik/huggingface-mcp-server) 自动安装 huggingface-mcp-server 到 Claude Desktop:

```bash
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`

<details>
  <summary>开发/未发布的服务器配置</summary>

  ```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
      }
    }
  }
  ```


</details>

## 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：

```bash
uv sync
```


1. 构建包发行版：

```bash
uv build
```

这将在 `dist/` 目录中创建源码和 wheel 分发包。

1. 发布到 PyPI：

```bash
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](https://github.com/modelcontextprotocol/inspector)。

你可以通过 [`npm`](https://docs.npmjs.com/downloading-and-installing-node-js-and-npm) 使用以下命令启动 MCP Inspector：

```bash
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