Hugging Face¶

Supported in ADKPython v0.1.0TypeScript v0.2.0

El Servidor MCP de Hugging Face puede utilizarse para conectar tu agente ADK al Hugging Face Hub y miles de Aplicaciones de IA Gradio.

Casos de uso¶

Descubrir Recursos de IA/ML: Buscar y filtrar el Hub por modelos, conjuntos de datos y artículos basándose en tareas, bibliotecas o palabras clave.
Construir Flujos de Trabajo Multi-Paso: Encadenar herramientas juntas, como transcribir audio con una herramienta y luego resumir el texto resultante con otra.
Encontrar Aplicaciones de IA: Buscar Espacios de Gradio que puedan realizar una tarea específica, como eliminación de fondo o texto a voz.

Requisitos previos¶

Crear un token de acceso de usuario en Hugging Face. Consulta la documentación para más información.

Usar con agente¶

PythonTypeScript

Servidor MCP LocalServidor MCP Remoto

from google.adk.agents import Agent
from google.adk.tools.mcp_tool import McpToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StdioConnectionParams
from mcp import StdioServerParameters

HUGGING_FACE_TOKEN = "YOUR_HUGGING_FACE_TOKEN"

root_agent = Agent(
    model="gemini-2.5-pro",
    name="hugging_face_agent",
    instruction="Help users get information from Hugging Face",
    tools=[
        McpToolset(
            connection_params=StdioConnectionParams(
                server_params = StdioServerParameters(
                    command="npx",
                    args=[
                        "-y",
                        "@llmindset/hf-mcp-server",
                    ],
                    env={
                        "HF_TOKEN": HUGGING_FACE_TOKEN,
                    }
                ),
                timeout=30,
            ),
        )
    ],
)

from google.adk.agents import Agent
from google.adk.tools.mcp_tool import McpToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StreamableHTTPServerParams

HUGGING_FACE_TOKEN = "YOUR_HUGGING_FACE_TOKEN"

root_agent = Agent(
    model="gemini-2.5-pro",
    name="hugging_face_agent",
    instruction="Help users get information from Hugging Face",
    tools=[
        McpToolset(
            connection_params=StreamableHTTPServerParams(
                url="https://huggingface.co/mcp",
                headers={
                    "Authorization": f"Bearer {HUGGING_FACE_TOKEN}",
                },
            ),
        )
    ],
)

Servidor MCP LocalServidor MCP Remoto

import { LlmAgent, MCPToolset } from "@google/adk";

const HUGGING_FACE_TOKEN = "YOUR_HUGGING_FACE_TOKEN";

const rootAgent = new LlmAgent({
    model: "gemini-2.5-pro",
    name: "hugging_face_agent",
    instruction: "Help users get information from Hugging Face",
    tools: [
        new MCPToolset({
            type: "StdioConnectionParams",
            serverParams: {
                command: "npx",
                args: ["-y", "@llmindset/hf-mcp-server"],
                env: {
                    HF_TOKEN: HUGGING_FACE_TOKEN,
                },
            },
        }),
    ],
});

export { rootAgent };

import { LlmAgent, MCPToolset } from "@google/adk";

const HUGGING_FACE_TOKEN = "YOUR_HUGGING_FACE_TOKEN";

const rootAgent = new LlmAgent({
    model: "gemini-2.5-pro",
    name: "hugging_face_agent",
    instruction: "Help users get information from Hugging Face",
    tools: [
        new MCPToolset({
            type: "StreamableHTTPConnectionParams",
            url: "https://huggingface.co/mcp",
            header: {
                Authorization: `Bearer ${HUGGING_FACE_TOKEN}`,
            },
        }),
    ],
});

export { rootAgent };

Herramientas disponibles¶

Herramienta	Descripción
Spaces Semantic Search	Encuentra las mejores Aplicaciones de IA mediante consultas en lenguaje natural
Papers Semantic Search	Encuentra Artículos de Investigación de ML mediante consultas en lenguaje natural
Model Search	Busca modelos de ML con filtros por tarea, biblioteca, etc.
Dataset Search	Busca conjuntos de datos con filtros por autor, etiquetas, etc.
Documentation Semantic Search	Busca en la biblioteca de documentación de Hugging Face
Hub Repository Details	Obtiene información detallada sobre Modelos, Conjuntos de datos y Espacios

Configuración¶

Para configurar qué herramientas están disponibles en tu servidor MCP de Hugging Face Hub, visita la Página de Configuración MCP en tu cuenta de Hugging Face.

Para configurar el servidor MCP local, puedes usar las siguientes variables de entorno:

TRANSPORT: El tipo de transporte a utilizar (stdio, sse, streamableHttp, o streamableHttpJson)
DEFAULT_HF_TOKEN: ⚠️ Las solicitudes se atienden con el HF_TOKEN recibido en el encabezado Authorization: Bearer. El DEFAULT_HF_TOKEN se usa si no se envió ningún encabezado. Solo establece esto en entornos de Desarrollo / Prueba o para Despliegues STDIO locales. ⚠️
Si se ejecuta con transporte stdio, se usa HF_TOKEN si DEFAULT_HF_TOKEN no está establecido.
HF_API_TIMEOUT: Tiempo de espera para solicitudes de la API de Hugging Face en milisegundos (por defecto: 12500ms / 12.5 segundos)
USER_CONFIG_API: URL a usar para configuración de Usuario (por defecto al front-end Local)
MCP_STRICT_COMPLIANCE: establecer en True para rechazos GET 405 en Modo JSON (por defecto sirve una página de bienvenida).
AUTHENTICATE_TOOL: si se debe incluir una herramienta Authenticate para emitir un desafío OAuth cuando se llama
SEARCH_ENABLES_FETCH: Cuando se establece en true, habilita automáticamente la herramienta hf_doc_fetch cada vez que hf_doc_search está habilitada