Hugging Face 接入 MCP：在任意 AI 代理中使用模型、数据集和论文

💡 无需安装? 直接使用 cloud.anythingmcp.com。 登录、点击 Connectors → Hugging Face、粘贴凭证、生成 MCP API key，即可完成。无 Docker、无 git clone、无本地服务器。

Hugging Face

让你的 AI 用你自己的访问令牌探索 Hugging Face Hub：查找和比较模型、数据集、Spaces、论文和合集，逐行查看数据集内容，读取任意仓库中的文件，并通过 Inference Providers 与开源模型对话。

设置

1. 登录 https://huggingface.co，打开 Settings → Access Tokens（https://huggingface.co/settings/tokens）。
2. 创建令牌。Read 令牌可以使用除对话和推理之外的全部功能：Hub 搜索、数据集查看器、文件、论文和合集。要与模型对话，请创建 Fine-grained 令牌并勾选 Make calls to Inference Providers；如果使用需申请访问（gated）的模型，还要勾选对公开 gated 仓库的读取权限。Write 令牌也能用，但完全不需要，因为该连接器不会修改 Hub 上的任何内容。
3. 把令牌（以 hf_ 开头）粘贴到 HF_TOKEN，然后安装连接器。令牌只会发送到 huggingface.co、datasets-server.huggingface.co 和 router.huggingface.co。
4. 用 huggingface_whoami 检查设置：它是免费的，会显示令牌属于谁、它的角色以及你可以使用的组织。

在 Hugging Face（HF）Hub 上免费：搜索和阅读模型、数据集、Spaces、论文、合集和文件都不收费。

• 模型：huggingface_search_models 可按名称、任务、作者、库或标签（例如 gguf 或 license:mit）以及 Inference Provider 筛选，并按下载量、点赞数或热度排序；huggingface_get_model 显示许可证、规模和文件。
• 数据集：huggingface_search_datasets 和 huggingface_get_dataset。要在不下载的情况下查看数据集内容，AI 会使用数据集查看器：huggingface_dataset_splits、huggingface_dataset_first_rows、huggingface_dataset_rows（每页最多 100 行）、huggingface_dataset_search（全文搜索）、huggingface_dataset_filter（类似 SQL 的条件）、huggingface_dataset_size 和 huggingface_dataset_statistics（每列的最小值、最大值、平均值和直方图）。搜索、筛选和统计只适用于查看器已建立索引的数据集；新的或特别大的数据集可能会返回索引仍在加载。
• Spaces：huggingface_search_spaces 按名称查找，huggingface_semantic_search_spaces 按应用的功能查找，huggingface_get_space 显示运行状态和硬件。
• 论文：huggingface_daily_papers、huggingface_search_papers、huggingface_get_paper 和 huggingface_read_paper（以文本形式读取整篇论文页面）。
• 文件和合集：huggingface_list_repo_files 和 huggingface_read_file 读取 README 或 config.json 这类小型文本文件；模型权重和其他大型二进制文件无法读取。huggingface_list_collections 和 huggingface_get_collection 显示精选合集。

对话和推理会产生费用，所以 AI 会先问你：huggingface_chat_completion 和 huggingface_run_inference_task 从你的 Hugging Face 额度中扣费。PRO 账户每月有 2 美元额度；免费账户需要先在 https://huggingface.co/settings/billing 购买额度。每次付费调用前，AI 会告诉你将运行哪个模型并等你同意，未经询问绝不会重复付费调用。huggingface_list_chat_models 显示每百万 token 的价格，huggingface_get_model_providers 显示哪些提供商提供某个模型。

选择提供商：默认由当前可用且最快的提供商回答。在模型 ID 后加上 :cheapest、:fastest、:preferred（你在 Hugging Face 设置中定的顺序）或提供商名称（如 :groq）即可自行选择。也可以由你所在的组织代为付费。huggingface_run_inference_task 在 hf-inference 提供商上运行文本分类、命名实体识别、fill-mask、摘要、翻译、零样本分类、问答、句子相似度和嵌入。

不可信内容：模型卡、数据集行、文件、论文和模型回答都来自第三方。AI 会把其中的指令当作数据，而不是命令。

常见错误：huggingface_whoami 或对话返回 401：令牌错误、已撤销或缺失。仓库返回 401 或 403：仓库是私有的、需申请访问（请先在模型页面接受条件），或你的 fine-grained 令牌不包含它；对于不存在的仓库，Hub 也会返回 401。402 或提示额度不足：额度已用完。对话返回 403：fine-grained 令牌缺少 Make calls to Inference Providers。400 model not supported：没有可用的提供商为该模型提供对话服务。429：速率限制；等一分钟再试。

该连接器不会创建或修改仓库，不上传文件，不管理 Spaces、Inference Endpoints 或 Jobs，也不生成图片。

前提条件: HF_TOKEN

本地安装连接器

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

打开 http://localhost:3000/connectors/store，选择 Hugging Face 并填入前提条件中列出的环境变量。

可用工具

示例提示

• “在 Hugging Face 上找出下载量最高的五个中文文本分类模型，比较它们的许可证和规模。”
• “给我看 stanfordnlp/imdb 的 test split 的前几行，并统计 label 为 1 的评论有多少条。”
• “这周 Hugging Face Daily Papers 上 upvote 最多的论文是哪些？总结前三篇。”
• “现在有哪些提供商为 openai/gpt-oss-120b 提供对话服务？每百万 token 多少钱？”
• “找一个正在运行、可以去除图片背景的 Space，告诉我它用的是哪个模型。”
• “用 meta-llama/Llama-3.1-8B-Instruct 在最便宜的提供商上总结这段话。运行前先告诉我模型和价格。”

下一步

• 连接到 Claude
• 连接到 ChatGPT