跳到正文
Hugging Face Blog·· 2025-07-31精選AI 評分62

用 Python 實作 MCP 伺服器:以 Gradio 建立 AI 購物助手

Implementing MCP Servers in Python: An AI Shopping Assistant with Gradio

AI 導讀

文章示範如何以 Gradio 在 Python 中實作 MCP 伺服器,並建立可瀏覽服裝網站、呼叫 IDM-VTON 虛擬試穿的 AI 購物助手。Gradio 會把應用程式的 API endpoint 自動轉為具名稱、描述及輸入 schema 的 MCP 工具,並支援即時進度通知和自動檔案上傳。

推薦理由

示例將 Gradio MCP 伺服器、Playwright 網頁瀏覽與 IDM-VTON 虛擬試穿串成工作流程,並列出 VS Code 設定步驟。

正文 · 繁體中文

Python 開發者,想為你的 LLM 賦予超能力嗎?Gradio 是最快捷的方法!透過 Gradio 整合 Model Context Protocol(MCP),你的 LLM 可直接使用 Hugging Face Hub 上託管的數以千計 AI 模型和 Spaces。把 LLM 的通用推理能力與 Hugging Face 模型的專門技能結合起來,就能讓 LLM 不再只會回答文字問題,更能解決日常生活中的實際問題。

對 Python 開發者而言,Gradio 讓你輕鬆實作功能強大的 MCP 伺服器,提供以下功能:

  • 自動把 Python 函式轉換為 LLM 工具:Gradio 應用程式中的每個 API 端點都會自動轉換成 MCP 工具,並附上相應名稱、説明和輸入結構。工具説明及其參數描述會根據函式的 docstring 生成。
  • 即時進度通知:Gradio 會向 MCP 用戶端串流傳送進度通知,讓你即時監察狀態,無須自行實作這項功能。
  • 自動上載檔案,支援公開 URL 和多種檔案類型。

試想想:你討厭購物,因為太花時間,也不喜歡親自試穿衣服。假如 LLM 可以替你處理呢?本文會示範如何建立由 LLM 驅動的 AI 助理,讓它瀏覽網上服裝店、尋找指定衣物,再使用虛擬試穿模型展示衣服穿在你身上的效果。請看以下示範:

目標:你的個人 AI 造型師

要打造 AI 購物助理,我們會結合三個主要部分:

  1. IDM-VTON 擴散模型:負責虛擬試穿功能。它可以編輯現有照片,讓人物看起來穿上另一件衣服。我們會使用 Hugging Face 上的 IDM-VTON Space,按此瀏覽。

  2. Gradio:Gradio 是一個開源 Python 程式庫,讓你輕鬆建立 AI 網絡應用程式;對本項目尤其重要的是,它也能建立 MCP 伺服器。Gradio 會充當橋樑,讓 LLM 呼叫 IDM-VTON 模型及其他工具。

  3. Visual Studio Code 的 AI Chat 功能:我們會使用 VS Code 內置的 AI 聊天功能,它支援加入任意 MCP 伺服器,讓我們與 AI 購物助理互動,並提供易用介面來發出指令及查看虛擬試穿結果。

建立 Gradio MCP 伺服器

AI 購物助理的核心是 Gradio MCP 伺服器。這個伺服器會提供一項主要工具:

  1. vton_generation:此函式會接收一張人物模特兒圖片和一張衣物圖片作為輸入,並使用 IDM-VTON 模型生成一張人物穿上該衣物的新圖片。

以下是 Gradio MCP 伺服器的 Python 程式碼:

from gradio_client import Client, handle_file
import gradio as gr
import re


client = Client("freddyaboulton/IDM-VTON",
                hf_token="<Your-token>")


def vton_generation(human_model_img: str, garment: str):
    """Use the IDM-VTON model to generate a new image of a person wearing a garment."""
    """
    Args:
        human_model_img: The human model that is modelling the garment.
        garment: The garment to wear.
    """
    output = client.predict(
        dict={"background": handle_file(human_model_img), "layers":[], "composite":None},
        garm_img=handle_file(garment),
        garment_des="",
        is_checked=True,
        is_checked_crop=False,
        denoise_steps=30,
        seed=42,
        api_name="/tryon"
    )

    return output[0]

vton_mcp = gr.Interface(
    vton_generation,
    inputs=[
        gr.Image(type="filepath", label="Human Model Image URL"),
        gr.Image(type="filepath", label="Garment Image URL or File")
    ],
    outputs=gr.Image(type="filepath", label="Generated Image")
)

if __name__ == "__main__":
    vton_mcp.launch(mcp_server=True)

在 launch() 方法中設定 mcp_server=True 後,Gradio 會自動把 Python 函式轉換成 LLM 能理解和使用的 MCP 工具。函式的 docstring 會用來生成工具及參數説明。

原有 IDM-VTON Space 使用早於自動 MCP 功能推出的 Gradio 4.x 建構。因此,這個示範會建立一個 Gradio 介面,透過 Gradio API client 查詢原有 Space。

最後,使用 Python 執行此指令碼。

設定 VS Code

要把 Gradio MCP 伺服器連接到 VS Code 的 AI 聊天功能,我們需要編輯 mcp.json 檔案。這份配置會告訴 AI 聊天功能 MCP 伺服器的位置,以及如何與它互動。

在命令面板輸入 MCP,然後選擇 MCP: Open User Configuration,即可找到此檔案。開啟後,請確認以下伺服器均已列出:

{
  "servers": {
  "vton": {
    "url": "http://127.0.0.1:7860/gradio_api/mcp/"
  },
  "playwright": {
    "command": "npx",
    "args": [
      "-y",
      "@playwright/mcp@latest"
    ]
   }
  }
}

Playwright MCP 伺服器可讓 AI 助理瀏覽網頁。

請確認 vton 伺服器的 URL 與上一節在主控台顯示的 URL 相同。要執行 Playwright MCP 伺服器,你需要安裝 Node.js。

整合使用

現在可以開始與 AI 購物助理互動。只要在 VS Code 開啟新聊天,然後提出類似要求:「瀏覽 Uniqlo 網站,找出藍色 T 恤,再用我的照片 [你的圖片網址] 展示我穿上其中三件的樣子。」

請觀看上方影片示例!

總結

結合 Gradio、MCP 和 IDM-VTON 等強大 AI 模型,能為建立智能、實用的 AI 助理開拓更多可能。按照本文的步驟,你也可以建立自己的助理,解決你最關心的問題!

來源:Hugging Face Blog · huggingface.co