如何用 5 行 Python代码构建 MCP 服务器，Gradio 让 LLM 工具化变得简单

Gradio 是一个 Python 库，每月被超过 100 万开发者用于构建机器学习模型界面。除了创建用户界面，Gradio 还提供 API 功能，并且现在，Gradio 应用可以启动为大语言模型（LLM）的模型上下文协议（MCP）服务器。这意味着你的 Gradio 应用，无论是图像生成器、税务计算器还是其他功能，都可以被 LLM 作为工具调用。

本指南将展示如何用 Gradio 在几行 Python 代码中构建一个 MCP 服务器。

前提条件

如果尚未安装 Gradio，请使用 MCP 扩展安装：

pip install "gradio[mcp]"

这将安装必要的依赖项，包括 mcp 包。你还需要一个支持 MCP 协议工具调用的 LLM 应用，例如 Claude Desktop、Cursor 或 Cline（这些被称为“MCP 客户端”）。

为什么构建 MCP 服务器？

MCP 服务器是一种标准化的工具暴露方式，供 LLM 使用。MCP 服务器可以为 LLM 提供各种额外功能，例如生成或编辑图像、合成音频，或执行特定计算，如质因数分解。

Gradio 简化了构建 MCP 服务器的过程，将任何 Python 函数转换为 LLM 可用的工具。

示例：统计单词中的字母数

LLM 在统计单词中字母数量（例如“strawberry”中“r”的个数）方面表现不佳。但如果我们为它配备一个工具呢？让我们编写一个简单的 Gradio 应用来统计单词或短语中的字母数：

import gradio as gr

def letter_counter(word, letter):
    """Count the occurrences of a specific letter in a word.
    
    Args:
        word: The word or phrase to analyze
        letter: The letter to count occurrences of
        
    Returns:
        The number of times the letter appears in the word
    """
    return word.lower().count(letter.lower())

demo = gr.Interface(
    fn=letter_counter,
    inputs=["text", "text"],
    outputs="number",
    title="Letter Counter",
    description="Count how many times a letter appears in a word"
)

demo.launch(mcp_server=True)

注意，我们在 .launch() 中设置了 mcp_server=True。这就足以让你的 Gradio 应用作为 MCP 服务器运行！运行此应用时，它将：

• 启动常规的 Gradio 网页界面
• 启动 MCP 服务器
• 在控制台打印 MCP 服务器 URL

MCP 服务器将可通过以下地址访问：

http://your-server:port/gradio_api/mcp/sse

Gradio 自动将 letter_counter 函数转换为 LLM 可用的 MCP 工具。函数的文档字符串用于生成工具及其参数的描述。

你只需将此 URL 端点添加到你的 MCP 客户端（例如 Claude Desktop、Cursor、Cline 或 Tiny Agents），通常只需在设置中粘贴以下配置：

{
  "mcpServers": {
    "gradio": {
      "url": "http://your-server:port/gradio_api/mcp/sse"
    }
  }
}

（顺便说一句，你可以通过 Gradio 应用的底部“查看 API”链接，点击“MCP”找到精确的配置代码进行复制粘贴。）

Gradio <> MCP 集成的关键功能

• 工具转换：Gradio 应用的每个 API 端点自动转换为 MCP 工具，包含对应的名称、描述和输入架构。要查看工具和架构，请访问 http://your-server:port/gradio_api/mcp/schema，或通过 Gradio 应用底部的“查看 API”链接，点击“MCP”。
• 动态界面：Gradio 允许开发者使用简单的 Python 代码创建复杂界面，支持动态 UI 操作，提供即时视觉反馈。
• 环境变量支持：有两种方式启用 MCP 服务器功能：

  • 使用 mcp_server 参数，如上所示：

  demo.launch(mcp_server=True)

  • 使用环境变量：

  export GRADIO_MCP_SERVER=True

• 文件处理：服务器自动处理文件数据转换，包括：

  • 将 base64 编码字符串转换为文件数据
  • 处理图像文件并以正确格式返回
  • 管理临时文件存储
• 图像处理升级：近期 Gradio 更新改进了图像处理功能，支持类似 Photoshop 的缩放和平移，以及完全透明度控制。
• 输入建议：强烈推荐将输入图像和文件以完整 URL（“http://...” 或 “https://...”）形式传递，因为 MCP 客户端不一定能正确处理本地文件。
• 托管 MCP 服务器：你可以在 Hugging Face Spaces 上免费发布 Gradio 应用，从而获得免费托管的 MCP 服务器。Gradio 是更广泛生态系统的一部分，包括用于程序化构建或查询机器学习应用的 Python 和 JavaScript 库。

以下是一个 Spaces 示例：https://huggingface.co/spaces/abidlabs/mcp-tools。你可以将以下配置添加到你的 MCP 客户端，立即开始使用该 Space 的工具：

{
  "mcpServers": {
    "gradio": {
      "url": "https://abidlabs-mcp-tools.hf.space/gradio_api/mcp/sse"
    }
  }
}

通过使用 Gradio 构建 MCP 服务器，你可以轻松为 LLM 添加各种自定义功能。只需要几行 Python 代码，你的 Gradio 应用就能成为一个强大的工具，供 LLM 调用，增强其在图像生成、计算或其他任务中的能力。（来源）