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
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。
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。
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:
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。
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。
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:
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