Come collegare Hugging Face a Gemini via MCP

💡 Niente installazione? Vai direttamente su cloud.anythingmcp.com. Accedi, clicca Connectors → Hugging Face, inserisci le credenziali, genera una MCP API key e hai finito. Niente Docker, niente git clone, niente server locale.

Hugging Face + Gemini

Fai esplorare alla tua AI l'Hugging Face Hub con il tuo access token: trova e confronta modelli, dataset, Spaces, paper e collection, guarda dentro i dataset riga per riga, leggi i file di qualsiasi repository e chatta con modelli aperti tramite Inference Providers.

Prerequisiti

Le istruzioni di setup complete sono incluse nel connettore stesso (visibili nello store quando lo selezioni). Le variabili d'ambiente richieste sono:

HF_TOKEN

Step 1 — Ottieni le credenziali

1. Accedi a https://huggingface.co e apri Settings → Access Tokens (https://huggingface.co/settings/tokens).
2. Crea un token. Un token Read copre tutto tranne chat e inferenza: ricerca sull'Hub, dataset viewer, file, paper e collection. Per chattare con i modelli crea un token Fine-grained e spunta Make calls to Inference Providers; spunta anche l'accesso in lettura ai repo gated pubblici se usi modelli gated. Anche un token Write funziona, ma non serve mai, perché il connettore non modifica nulla sull'Hub.
3. Incolla il token in HF_TOKEN (inizia con hf_) e installa il connettore. Viene inviato solo a huggingface.co, datasets-server.huggingface.co e router.huggingface.co.
4. Verifica la configurazione con huggingface_whoami: è gratuito e mostra a chi appartiene il token, il suo ruolo e le tue organizzazioni.

Gratis sull'Hugging Face (HF) Hub: cercare e leggere modelli, dataset, Spaces, paper, collection e file non costa nulla.

• Modelli: huggingface_search_models filtra per nome, task, autore, libreria o tag (per esempio gguf o license:mit) e per Inference Provider, ordinando per download, like o tendenza; huggingface_get_model mostra licenza, dimensioni e file.
• Dataset: huggingface_search_datasets e huggingface_get_dataset. Per guardare dentro un dataset senza scaricarlo, l'AI usa il dataset viewer: huggingface_dataset_splits, huggingface_dataset_first_rows, huggingface_dataset_rows (fino a 100 righe per pagina), huggingface_dataset_search (testo completo), huggingface_dataset_filter (condizioni in stile SQL), huggingface_dataset_size e huggingface_dataset_statistics (minimo, massimo, media e istogrammi per colonna). Ricerca, filtro e statistiche richiedono un dataset indicizzato dal viewer; uno nuovo o molto grande può rispondere che il suo indice è ancora in caricamento.
• Spaces: huggingface_search_spaces per nome, huggingface_semantic_search_spaces in base a cosa fa l'app e huggingface_get_space per stato di esecuzione e hardware.
• Paper: huggingface_daily_papers, huggingface_search_papers, huggingface_get_paper e huggingface_read_paper (l'intera pagina del paper come testo).
• File e collection: huggingface_list_repo_files e huggingface_read_file leggono piccoli file di testo come un README o config.json; i pesi dei modelli e altri file binari grandi non sono leggibili. huggingface_list_collections e huggingface_get_collection mostrano le collection curate.

Chat e inferenza costano, quindi l'AI chiede prima: huggingface_chat_completion e huggingface_run_inference_task sono addebitati sui tuoi crediti Hugging Face. Gli account PRO ricevono 2 dollari di crediti al mese; gli account gratuiti devono prima acquistare crediti su https://huggingface.co/settings/billing. Prima di ogni chiamata a pagamento l'AI ti dice quale modello userà e aspetta il tuo sì, e non ripete mai chiamate a pagamento senza chiedere. huggingface_list_chat_models mostra il prezzo per milione di token e huggingface_get_model_providers quali provider servono un modello.

Scegliere il provider: per impostazione predefinita risponde il provider attivo più veloce. Aggiungi :cheapest, :fastest, :preferred (il tuo ordine nelle impostazioni di Hugging Face) o il nome di un provider come :groq all'id del modello per scegliere tu. Un'organizzazione di cui fai parte può pagare al posto tuo. huggingface_run_inference_task esegue classificazione, riconoscimento di entità, fill-mask, riassunto, traduzione, classificazione zero-shot, risposta a domande, similarità tra frasi ed embedding sul provider hf-inference.

Contenuti non affidabili: model card, righe dei dataset, file, paper e risposte dei modelli provengono da terzi. L'AI tratta le istruzioni che contengono come dati, non come ordini.

Errori comuni: 401 su huggingface_whoami o in chat: il token è errato, revocato o mancante. 401 o 403 su un repository: è privato, gated (accetta prima le condizioni nella pagina del modello) o il tuo token fine-grained non lo copre; l'Hub risponde 401 anche per un repository che non esiste. 402 o un messaggio sui crediti: i crediti sono finiti. 403 in chat: al token fine-grained manca Make calls to Inference Providers. 400 model not supported: nessun provider attivo serve quel modello per la chat. 429: limite di frequenza; attendi un minuto e riprova.

Il connettore non crea né modifica repository, non carica file, non gestisce Spaces, Inference Endpoints o Jobs e non genera immagini.

Step 2 — Installa l'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

Step 3 — Aggiungi il connettore in Gemini

L'URL del tuo server: in AnythingMCP apri MCP Servers → il server su cui si trova questo connettore e copia il suo URL (https://cloud.anythingmcp.com/mcp/…). Usalo ovunque questa guida mostra YOUR_SERVER_ID.

Gemini CLI legge i server MCP da ~/.gemini/settings.json (su Windows %USERPROFILE%\.gemini\settings.json). Aggiungi:

{
  "mcpServers": {
    "anythingmcp": {
      "httpUrl": "https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID",
      "headers": { "X-API-Key": "YOUR_MCP_API_KEY" }
    }
  }
}

1. Crea una chiave API MCP in AnythingMCP da MCP Servers → il tuo server → API keys e incollala al posto di YOUR_MCP_API_KEY.
2. Salva il file e riavvia gemini.
3. Esegui /mcp in Gemini CLI (oppure gemini mcp list dal terminale): anythingmcp dovrebbe risultare connesso.
4. Inizia a scrivere prompt: Gemini CLI ora può chiamare i tool di Hugging Face.

Tool disponibili

Esempi di prompt

• "Trova i cinque modelli di classificazione del testo in italiano più scaricati su Hugging Face e confronta licenze e dimensioni."
• "Mostrami le prime righe dello split test di stanfordnlp/imdb e conta quante recensioni hanno label 1."
• "Quali paper hanno avuto più upvote questa settimana su Hugging Face Daily Papers? Riassumi i primi tre."
• "Quali provider servono adesso openai/gpt-oss-120b per la chat e quanto costa per milione di token?"
• "Trova uno Space attivo che rimuove lo sfondo dalle immagini e dimmi quale modello usa."
• "Riassumi questo paragrafo con meta-llama/Llama-3.1-8B-Instruct sul provider più economico. Dimmi modello e prezzo prima di eseguirlo."

FAQ

Dove cerca i server MCP Gemini CLI? In ~/.gemini/settings.json per il tuo utente, oppure in .gemini/settings.json dentro un progetto. gemini mcp list mostra ogni server e se si connette.

Prossimi passi

• Landing del connettore
• Collegare a Claude
• Collegare a ChatGPT