Hugging Face 的 LOGO

MCP 课程文档

在 Hugging Face Hub 上构建一个拉取请求代理

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

在 Hugging Face Hub 上构建拉取请求代理

欢迎来到 MCP 课程第三单元！

在本单元中，我们将构建一个拉取请求代理，该代理可以根据讨论和评论自动标记 Hugging Face 模型存储库。这个真实世界的应用程序演示了如何将 MCP 与 webhook 监听器和自动化工作流程集成。

本单元展示了一个真实世界的用例，其中 MCP 服务器可以响应 Hugging Face Hub 的实时事件，自动创建拉取请求以改进存储库元数据。

你将学到什么

在本单元中，你将

  • 创建一个与 Hugging Face Hub API 交互的 MCP 服务器
  • 实现 webhook 监听器以响应讨论事件
  • 为模型存储库设置自动化标记工作流程
  • 将一个完整的 webhook 驱动应用程序部署到 Hugging Face Spaces

在本单元结束时，你将拥有一个可运行的 PR 代理，它能够监控讨论并通过拉取请求自动改进存储库元数据。

先决条件

在继续本单元之前，请确保你已具备以下条件：

  • 已完成第一单元和第二单元，或对 MCP 概念有经验
  • 熟悉 Python、FastAPI 和 webhook 概念
  • 对 Hugging Face Hub 工作流程和拉取请求有基本了解
  • 拥有一个开发环境，包含
    • Python 3.11+
    • 具有 API 访问权限的 Hugging Face 帐户

我们的拉取请求代理项目

我们将构建一个标记代理，它由四个主要组件组成：MCP 服务器、webhook 监听器、代理逻辑和部署基础设施。该代理将能够根据讨论和评论标记模型存储库。这应该能为模型作者节省时间，因为他们将收到可立即使用的 PR，而无需手动标记其存储库。

PR Agent Architecture

上图中，我们有一个可以读取和更新模型标签的 MCP 服务器。我们有一个可以从 Hugging Face Hub 接收 webhook 的 webhook 监听器。我们有一个可以分析讨论和评论并创建 PR 以更新模型标签的代理。我们有一个可以将 MCP 服务器部署到 Hugging Face Spaces 的部署基础设施。

项目概览

为了构建此应用程序，我们将需要以下文件

文件 目的 描述
mcp_server.py 核心 MCP 服务器 基于 FastMCP 的服务器，带有用于读取和更新模型标签的工具
app.py Webhook 监听器和代理 FastAPI 应用程序，接收 webhook，处理讨论并创建 PR
requirements.txt 依赖项 Python 包，包括 FastMCP、FastAPI 和 huggingface-hub
pyproject.toml 项目配置 使用 uv 依赖管理的现代 Python 打包
Dockerfile 部署 Hugging Face Spaces 的容器配置
env.example 配置模板 必需的环境变量和密钥
cleanup.py 实用工具 用于开发和测试清理的辅助脚本

让我们逐一了解这些文件及其用途。

MCP 服务器 ( mcp_server.py )

我们应用程序的核心 - 一个 FastMCP 服务器，提供以下工具：

  • 从模型存储库读取当前标签
  • 通过向 Hub 发送拉取请求添加新标签
  • 错误处理和验证

这是你将实现 MCP 服务器并完成大部分项目工作的地方。Gradio 应用程序和 FastAPI 应用程序将用于测试 MCP 服务器和 webhook 监听器，它们已准备好使用。

Webhook 集成

遵循Hugging Face Webhooks 指南，我们的代理

  • 监听讨论评论事件
  • 验证 webhook 签名以确保安全
  • 处理提及和标签建议
  • 自动创建拉取请求

代理功能

代理分析讨论内容以

  • 提取明确的标签提及（tag: pytorch, #transformers）
  • 识别自然语言中的隐含标签
  • 根据已知的 ML/AI 类别验证标签
  • 生成适当的拉取请求描述

部署与生产

  • 容器化部署到 Hugging Face Spaces
  • 秘密的环境变量管理
  • Webhook 响应的后台任务处理
  • 用于测试和监控的 Gradio 界面

Webhook 集成概览

我们的 PR 代理利用了 Hugging Face 讨论机器人使用的相同 webhook 基础设施。以下是 webhook 如何实现实时响应：

Webhook Flow

Webhook 流程如下：

  1. 事件触发：用户在模型存储库讨论中创建评论
  2. Webhook 交付：Hugging Face 向我们的端点发送 POST 请求
  3. 身份验证：我们验证 webhook 密钥以确保安全
  4. 处理：我们的代理分析评论以获取标签建议
  5. 操作：如果找到相关标签，我们创建拉取请求
  6. 响应：Webhook 立即返回，而 PR 创建在后台进行

让我们开始吧！

准备好构建一个可自动改进 Hugging Face 存储库的生产级 PR 代理了吗？让我们从设置项目结构和理解 MCP 服务器实现开始吧。

< > 在 GitHub 上更新

←单元 3 总结 项目设置→