Conectar Hugging Face MCP con Microsoft Copilot

💡 ¿Sin instalación? Usa cloud.anythingmcp.com directamente. Inicia sesión, pulsa Connectors → Hugging Face, pega tus credenciales, genera una MCP API key y listo. Sin Docker, sin git clone, sin servidor local.

Hugging Face + Microsoft Copilot

Deja que tu IA explore el Hugging Face Hub con tu propio token de acceso: encuentra y compara modelos, datasets, Spaces, papers y colecciones, mira dentro de los datasets fila a fila, lee archivos de cualquier repositorio y chatea con modelos abiertos a través de Inference Providers.

Requisitos previos

Las instrucciones de configuración completas están incluidas en el conector (visibles en el store al seleccionarlo). Las variables de entorno requeridas:

HF_TOKEN

Paso 1 — Obtener credenciales

1. Inicia sesión en https://huggingface.co y abre Settings → Access Tokens (https://huggingface.co/settings/tokens).
2. Crea un token. Un token Read cubre todo menos el chat y la inferencia: búsqueda en el Hub, dataset viewer, archivos, papers y colecciones. Para chatear con modelos, crea un token Fine-grained y marca Make calls to Inference Providers; marca también el acceso de lectura a repos gated públicos si usas modelos gated. Un token Write también funciona, pero nunca hace falta, porque el conector no cambia nada en el Hub.
3. Pega el token en HF_TOKEN (empieza por hf_) e instala el conector. Solo se envía a huggingface.co, datasets-server.huggingface.co y router.huggingface.co.
4. Comprueba la configuración con huggingface_whoami: es gratis y muestra a quién pertenece el token, su rol y tus organizaciones.

Gratis en el Hugging Face (HF) Hub: buscar y leer modelos, datasets, Spaces, papers, colecciones y archivos no cuesta nada.

• Modelos: huggingface_search_models filtra por nombre, tarea, autor, librería o etiqueta (por ejemplo gguf o license:mit) y por Inference Provider, ordenando por descargas, likes o tendencia; huggingface_get_model muestra licencia, tamaño y archivos.
• Datasets: huggingface_search_datasets y huggingface_get_dataset. Para mirar dentro de un dataset sin descargarlo, la IA usa el dataset viewer: huggingface_dataset_splits, huggingface_dataset_first_rows, huggingface_dataset_rows (hasta 100 filas por página), huggingface_dataset_search (texto completo), huggingface_dataset_filter (condiciones tipo SQL), huggingface_dataset_size y huggingface_dataset_statistics (mínimo, máximo, media e histogramas por columna). Búsqueda, filtro y estadísticas necesitan un dataset que el viewer haya indexado; uno nuevo o muy grande puede responder que su índice aún se está cargando.
• Spaces: huggingface_search_spaces por nombre, huggingface_semantic_search_spaces según lo que hace la app y huggingface_get_space para el estado de ejecución y el hardware.
• Papers: huggingface_daily_papers, huggingface_search_papers, huggingface_get_paper y huggingface_read_paper (la página completa del paper como texto).
• Archivos y colecciones: huggingface_list_repo_files y huggingface_read_file leen archivos de texto pequeños como un README o config.json; los pesos de los modelos y otros binarios grandes no se pueden leer. huggingface_list_collections y huggingface_get_collection muestran colecciones curadas.

El chat y la inferencia cuestan dinero, así que la IA pregunta antes: huggingface_chat_completion y huggingface_run_inference_task se cobran de tus créditos de Hugging Face. Las cuentas PRO reciben 2 dólares de créditos al mes; las cuentas gratuitas tienen que comprar créditos primero en https://huggingface.co/settings/billing. Antes de cada llamada de pago la IA te dice qué modelo se ejecutará y espera tu sí, y nunca repite llamadas de pago sin preguntar. huggingface_list_chat_models muestra el precio por millón de tokens y huggingface_get_model_providers qué proveedores sirven un modelo.

Elegir el proveedor: por defecto responde el proveedor activo más rápido. Añade :cheapest, :fastest, :preferred (tu orden en los ajustes de Hugging Face) o el nombre de un proveedor como :groq al id del modelo para elegir tú. Una organización de la que formas parte puede pagar en tu lugar. huggingface_run_inference_task ejecuta clasificación, reconocimiento de entidades, fill-mask, resumen, traducción, clasificación zero-shot, respuesta a preguntas, similitud de frases y embeddings en el proveedor hf-inference.

Contenido no fiable: las model cards, las filas de los datasets, los archivos, los papers y las respuestas de los modelos vienen de terceros. La IA trata las instrucciones que contienen como datos, no como órdenes.

Errores frecuentes: 401 en huggingface_whoami o en el chat: el token es incorrecto, se revocó o falta. 401 o 403 en un repositorio: es privado, gated (acepta antes las condiciones en la página del modelo) o tu token fine-grained no lo cubre; el Hub también responde 401 para un repositorio que no existe. 402 o un mensaje sobre créditos: no quedan créditos. 403 en el chat: al token fine-grained le falta Make calls to Inference Providers. 400 model not supported: ningún proveedor activo sirve ese modelo para chat. 429: límite de frecuencia; espera un minuto y vuelve a intentarlo.

El conector no crea ni modifica repositorios, no sube archivos, no gestiona Spaces, Inference Endpoints ni Jobs y no genera imágenes.

Paso 2 — Instalar el adapter

curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d

Paso 3 — Añadir el conector en Microsoft Copilot

La URL de tu servidor: en AnythingMCP abre MCP Servers → el servidor donde está este conector y copia su URL (https://cloud.anythingmcp.com/mcp/…). Úsala donde esta guía muestra YOUR_SERVER_ID.

Microsoft Copilot usa servidores MCP a través de agentes creados en Copilot Studio: añades AnythingMCP a un agente como herramienta y luego publicas el agente en Microsoft 365 Copilot y Teams. Copilot Studio se conecta desde la nube de Microsoft por Streamable HTTP, que AnythingMCP admite.

1. En Copilot Studio, abre tu agente (o crea uno), ve a Tools y elige Add a tool → New tool → Model Context Protocol.
2. Escribe un Server name (por ejemplo AnythingMCP), una Server description que diga qué hace el conector y la Server URL https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID. Copilot Studio usa la descripción para decidir cuándo llamar al servidor.
3. En la autenticación, elige API key, pon Type en Header y X-API-Key como nombre de la cabecera, y selecciona Create.
4. En Add tool, elige Create a new connection, pega una clave de API MCP de AnythingMCP (MCP Servers → tu servidor → API keys) y selecciona Add to agent.
5. Pruébalo en el panel Test del agente: pide algo que necesite las herramientas de Hugging Face.
6. Selecciona Publish y luego Channels → Microsoft 365 and Microsoft Teams, deja marcada Make agent available in Microsoft Copilot y elige Add channel. See agent in Teams lo instala para ti; en Microsoft 365 Copilot, escribe @ y elige el agente.

¿Prefieres que cada persona inicie sesión? En lugar de la clave de API elige OAuth 2.0 → Dynamic discovery: cada usuario inicia sesión en AnythingMCP la primera vez que el agente lo llama.

¿Lo alojas tú mismo? Usa la dirección HTTPS pública de tu instancia en lugar de https://cloud.anythingmcp.com. Copilot Studio se conecta desde la nube de Microsoft, así que localhost no funciona.

Herramientas disponibles

Ejemplos de prompts

• "Encuentra los cinco modelos de clasificación de texto en español más descargados de Hugging Face y compara sus licencias y tamaños."
• "Muéstrame las primeras filas del split test de stanfordnlp/imdb y cuenta cuántas reseñas tienen label 1."
• "¿Qué papers tuvieron más upvotes esta semana en Hugging Face Daily Papers? Resume los tres primeros."
• "¿Qué proveedores sirven ahora openai/gpt-oss-120b para chat y cuánto cuesta por millón de tokens?"
• "Encuentra un Space activo que quite el fondo de las imágenes y dime qué modelo usa."
• "Resume este párrafo con meta-llama/Llama-3.1-8B-Instruct en el proveedor más barato. Dime el modelo y el precio antes de ejecutarlo."

FAQ

¿Para qué Copilot es? Para Microsoft 365 Copilot en el trabajo, mediante agentes de Copilot Studio. La app de Microsoft Copilot para cuentas personales no permite añadir tu propio servidor MCP.

¿Qué necesito? Una cuenta de trabajo con acceso a Copilot Studio (licencia o prueba) para crear el agente. Quien lo use en Microsoft 365 Copilot o Teams necesita acceso al agente: compártelo o pide a un administrador que lo publique para la organización. Si tu organización aplica directivas de datos a los conectores de Power Platform, también cubren los servidores MCP.

El agente no llama a las herramientas. Comprueba que el nombre de la cabecera sea exactamente X-API-Key y que la clave pertenezca al mismo servidor MCP que la URL, y escribe una Server description concreta: Copilot Studio la usa para decidir cuándo llamar al servidor. Vuelve a publicar el agente después de cada cambio; en un chat abierto, escribe "start over" para usar la nueva versión.

Siguientes pasos

• Página del conector
• Conectar a Claude
• Conectar a ChatGPT
• Conectar a Cursor
• Conectar a Gemini
• Conectar a Meta Muse