معرفی MCP و Gradio

Gradio، کتابخانه‌ای پایتونی است که میلیون‌ها توسعه‌دهنده در سراسر جهان برای ساخت رابط کاربری مدل‌های یادگیری ماشین استفاده می‌کنند. اخیراً Gradio توانسته است با یکپارچه‌سازی Model Context Protocol (MCP) امکان ارائه سرویس‌های سروریابی مدل‌های بزرگ را به‌همراه ابزارهای تعاملی فراهم کند.

نحوه ایجاد سرور MCP با ۵ خط کد پایتون

ابتدا باید Gradio را با گزینه‌ی mcp نصب کنید:

pip install gradio[mcp]

سپس یک واسط ساده برای مدل یا تابع خود تعریف کنید:

import gradio as gr def count_letters(word: str) -> int: return len(word) iface = gr.Interface(fn=count_letters, inputs="text", outputs="number") iface.launch(server_name="mcp")

با اجرای این اسکریپت، Gradio یک سرور MCP تولید می‌کند که می‌تواند توسط LLMها به‌عنوان یک ابزار برخط فراخوانی شود.

ویژگی‌های پیشرفته و منابع

  • پشتیبانی از توکن‌های احراز هویت (JWT) برای دسترسی امن.
  • استفاده از Resources برای محدودیت مصرف متغیر (مثلاً محدودیت انتخاب مدل).
  • امکان نصب prompts سفارشی برای تعامل دقیق‌تر با کاربران.

برای جزئیات بیشتر و به‌روزرسانی‌های اخیر می‌توانید به صفحه رسمی Hugging Face مراجعه کنید.

پرسش‌های پرتکرار

MCP چیست؟

Model Context Protocol (MCP) پروتکلی است برای ارتباط مستقیم مدل‌های یادگیری ماشین با ابزارهای خارجی، که امکان استفاده از LLMها به‌عنوان رابط کاربری برای سرویس‌های مختلف را فراهم می‌کند.

نیاز به نصب چه بسته‌ای؟

بسته‌ی <code>gradio[mcp]</code> را نصب کنید تا قابلیت‌های MCP در Gradio فعال شود.