HF Tag Model MCP

MCP运维云端

提供方 Qehbr

运维云端 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个基于AI的机器人,自动为Hugging Face Hub仓库添加标签,通过监听讨论评论并识别关键词来触发标签添加。

一句话选型结论

按资料字段整理

HF Tag Model MCP 属于运维云端类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类运维云端 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

AI标签生成Python本地部署HuggingFace工具自动化处理模型管理

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
python server.py

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
HF Tag Model MCP当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
字段来自项目仓库与公开索引,中文说明由本站标注
提供方Qehbr上游标注的维护方 Qehbr
分类运维云端本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

1.7 KB
来自项目仓库与上游目录的原文,未做删改

这个项目提供了一个 基于AI的机器人,可自动为Hugging Face Hub上的仓库添加标签它的工作原理是监听讨论评论。当检测到“pytorch”或“text-generation”等关键词时,它会使用一个AI代理来打开一个拉取请求(Pull Request),在模型卡片上添加相应的标签。


## 项目文件

  • mcp_server.py一个后端 MCP服务器 这为代理提供了与Hugging Face Hub交互的工具,例如 get_current_tags 并且 add_new_tag这个服务器是自动启动的 server.py。
  • pyproject.toml定义项目的Python依赖项。
  • Dockerfile包含将整个应用程序打包成便携式格式的说明 Docker 容器.

## 如何使用它

  1. 安装依赖项:
    打开你的终端并运行:```bash
    uv sync

1. **设置环境**:
创建一个 `.env` 文件并添加你的Hugging Face令牌和一个webhook密钥。```env
HF_TOKEN="hf_..."
WEBHOOK_SECRET="a-secure-random-string"
  1. 运行服务器:
    主服务器自动启动MCP服务器。bash python server.py

您可以访问Gradio仪表板,网址为 http://localhost:7860/gradio。

  1. 配置Webhook:
    前往Hugging Face Hub上你的仓库设置,并添加一个webhook。将其指向你的服务器 /webhook 终端点(使用像……这样的工具) ngrok 或者 cloudflared (如果在本地运行)并设置与你在(配置中)定义的相同密钥 .env 文件。

该机器人现已上线。当您在仓库的讨论中创建新评论并提及已识别的标签时,它会自动处理该评论。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
HF Tag Model MCP 怎么安装?

在客户端按下面的安装命令接入:python server.py。装完在客户端配置里引用同一个包或端点。

HF Tag Model MCP 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

HF Tag Model MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

HF Tag Model MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

HF Tag Model MCP 能提供哪些能力?

资料显示能力标签包括 模型管理、Python、自动化处理。具体工具清单以官方文档为准。

HF Tag Model MCP 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

HF Tag Model MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。