Gradio არის Python ბიბლიოთეკა, რომელსაც ყოველთვიურად ერთ მილიონზე მეტი დეველოპერი იყენებს მანქანური სწავლების მოდელებისთვის ინტერფეისების შესაქმნელად. მომხმარებლის ინტერფეისების (UIs) შექმნის გარდა, Gradio ასევე უზრუნველყოფს API შესაძლებლობებს და – ახლა უკვე! – Gradio აპლიკაციების გაშვება შესაძლებელია, როგორც Model Context Protocol (MCP) სერვერები დიდი ენობრივი მოდელებისთვის (LLMs). ეს ნიშნავს, რომ თქვენი Gradio აპლიკაცია, იქნება ეს გამოსახულების გენერატორი, საგადასახადო კალკულატორი თუ სრულიად სხვა რამ, შეიძლება გამოიყენოს LLM-მა, როგორც ხელსაწყო. ეს სახელმძღვანელო გაჩვენებთ, თუ როგორ გამოიყენოთ Gradio MCP სერვერის შესაქმნელად Python-ის მხოლოდ რამდენიმე ხაზით. თუ ჯერ არ გაქვთ დაინსტალირებული, გთხოვთ, დააინსტალიროთ Gradio MCP დამატებითი კომპონენტით: ```bash pip install "gradio[mcp]" ``` ეს დააინსტალირებს საჭირო დამოკიდებულებებს, მათ შორის `mcp` პაკეტს. ასევე დაგჭირდებათ LLM აპლიკაცია, რომელიც მხარს უჭერს ხელსაწყოების გამოძახებას MCP პროტოკოლის გამოყენებით, როგორიცაა Claude Desktop, Cursor ან Cline (ესენი ცნობილია როგორც „MCP კლიენტები“). MCP სერვერი არის ხელსაწყოების ექსპოზიციის სტანდარტიზებული გზა, რათა ისინი LLM-ებმა გამოიყენონ. MCP სერვერს შეუძლია LLM-ებს მიაწოდოს ყველა სახის დამატებითი შესაძლებლობები, როგორიცაა გამოსახულების გენერირება ან რედაქტირება, აუდიო სინთეზი ან კონკრეტული გამოთვლების შესრულება, მაგალითად, რიცხვების მარტივ მამრავლებად დაშლა. Gradio აადვილებს ამ MCP სერვერების შექმნას, აქცევს ნებისმიერ Python ფუნქციას ხელსაწყოდ, რომლის გამოყენებაც LLM-ებს შეუძლიათ. LLM-ები, მოგეხსენებათ, არც თუ ისე კარგად ითვლიან ასოების რაოდენობას სიტყვაში (მაგალითად, „r“-ების რაოდენობა „strawberry“-ში). მაგრამ რა მოხდება, თუ მათ დამხმარე ხელსაწყოს მივცემთ? დავიწყოთ მარტივი Gradio აპლიკაციის დაწერით, რომელიც ითვლის ასოების რაოდენობას სიტყვაში ან ფრაზაში: ```python def letter_counter(text: str) -> int: """Counts the number of letters in the given text.""" return sum(c.isalpha() for c in text) import gradio as gr gr.Interface(letter_counter).launch(mcp_server=True) ``` ყურადღება მიაქციეთ, რომ `mcp_server=True` დავაყენეთ `.launch()`-ში. ეს არის ყველაფერი, რაც საჭიროა თქვენი Gradio აპლიკაციისთვის, რათა ის MCP სერვერად იმუშაოს! ახლა, როდესაც ამ აპლიკაციას გაუშვებთ, MCP სერვერი ხელმისაწვდომი იქნება მისამართზე: `http://localhost:7860/gradio_api/mcp`. Gradio ავტომატურად გადააქცევს `letter_counter` ფუნქციას MCP ხელსაწყოდ, რომლის გამოყენებაც LLM-ებს შეუძლიათ. ფუნქციის დოკუმენტაცია (docstring) გამოიყენება ხელსაწყოსა და მისი პარამეტრების აღწერილობის გენერირებისთვის. თქვენ მხოლოდ ის გჭირდებათ, რომ ეს URL endpoint დაამატოთ თქვენს MCP კლიენტს (მაგალითად, Cursor, Cline ან Tiny Agents), რაც, როგორც წესი, ნიშნავს ამ კონფიგურაციის ჩასმას პარამეტრებში: ```json { "mcp_server_url": "http://localhost:7860/gradio_api/mcp" } ``` ზოგიერთი MCP კლიენტი, კერძოდ Claude Desktop, ჯერ არ უჭერს მხარს SSE-ზე დაფუძნებულ MCP სერვერებს. ასეთ შემთხვევებში შეგიძლიათ გამოიყენოთ ხელსაწყო, როგორიცაა `mcp-remote`. ჯერ დააინსტალირეთ Node.js. შემდეგ, დაამატეთ შემდეგი თქვენს MCP კლიენტის კონფიგურაციას: ```json { "mcp_remote_server_url": "http://localhost:8000" // აქ თქვენი mcp-remote სერვერის მისამართი უნდა იყოს } ``` (სხვათა შორის, ზუსტი კონფიგურაციის ნახვა, რომელიც შეიძლება დააკოპიროთ და ჩასვათ, შეგიძლიათ Gradio აპლიკაციის ქვედა ნაწილში მოცემულ „View API“ ბმულზე გადასვლით, შემდეგ კი „MCP“-ზე დაწკაპუნებით). Gradio-მ ცოტა ხნის წინ დაამატა რამდენიმე მძლავრი ფუნქცია MCP სერვერებს. ხუთი ძირითადი გაუმჯობესების დეტალური მიმოხილვისთვის, მათ შორის ადგილობრივი ფაილების უწყვეტი მხარდაჭერა, რეალურ დროში პროგრესის შეტყობინებები, OpenAPI-დან MCP-ში ტრანსფორმაცია, გაუმჯობესებული ავთენტიფიკაცია და ხელსაწყოების კონფიგურირებადი აღწერილობები, იხილეთ ჩვენი სპეციალური ბლოგის პოსტი: „Gradio MCP სერვერების ხუთი დიდი გაუმჯობესება“. ხელსაწყოების გარდა, MCP მხარს უჭერს რესურსებს (მონაცემების ექსპოზიციისთვის) და მოთხოვნებს (მრავალჯერადი გამოყენების შაბლონების განსაზღვრისთვის). Gradio გთავაზობთ დეკორატორებს, რათა ადვილად შექმნათ MCP სერვერები სამივე შესაძლებლობით. მეტის წაკითხვა შეგიძლიათ ჩვენს სპეციალურ სახელმძღვანელოში: [ბმული]. Gradio ასევე საშუალებას გაძლევთ შექმნათ ფუნქციები, რომლებიც მხოლოდ MCP სერვერში ჩანს (და არა UI-ში) `gr.api()`-ის გამოყენებით. ხელსაწყოების კონვერტაცია: თქვენს Gradio აპლიკაციაში თითოეული API endpoint ავტომატურად გარდაიქმნება MCP ხელსაწყოდ შესაბამისი სახელით, აღწერილობით და შეყვანის სქემით. ხელსაწყოებისა და სქემების სანახავად ეწვიეთ `http://your-server:port/gradio_api/mcp/schema` ან გადადით თქვენი Gradio აპლიკაციის ქვედა ნაწილში მოცემულ „View API“ ბმულზე, შემდეგ კი დააწკაპუნეთ „MCP“-ზე. Gradio დეველოპერებს საშუალებას აძლევს, შექმნან დახვეწილი ინტერფეისები მარტივი Python კოდის გამოყენებით, რომელიც გთავაზობთ UI-ის დინამიურ მანიპულაციას მყისიერი ვიზუალური უკუკავშირისთვის. გარემოს ცვლადების მხარდაჭერა. MCP სერვერის ფუნქციონალობის ჩასართავად ორი გზა არსებობს: 1. `mcp_server` პარამეტრის გამოყენება, როგორც ზემოთ ნაჩვენებია: `gr.Interface(letter_counter).launch(mcp_server=True)` 2. გარემოს ცვლადების გამოყენება: `GRADIO_MCP_SERVER=true python your_app.py` ფაილების დამუშავება: სერვერი ავტომატურად ამუშავებს ფაილის მონაცემთა კონვერტაციებს, მათ შორის: სურათებს (PNG, JPEG), ვიდეოებს (MP4, WebM), აუდიოს (MP3, WAV), ტექსტს (TXT, CSV), PDF-ებს და სხვა. Gradio-ს ბოლო განახლებებმა გააუმჯობესა გამოსახულების დამუშავების შესაძლებლობები ისეთი ფუნქციებით, როგორიცაა Photoshop-ის სტილის მასშტაბირება და პანირება, და გამჭვირვალობის სრული კონტროლი. შესრულების ანალიტიკა: Gradio ავტომატურად აკონტროლებს და აჩვენებს შესრულების მეტრიკას თქვენი ყველა MCP ხელსაწყოსა და API endpoint-ისთვის. იხილეთ წარმატების მაჩვენებლები, შეყოვნების პროცენტულობა და მოთხოვნების რაოდენობა პირდაპირ „View API“ გვერდზე, რათა დაგეხმაროთ თქვენ და თქვენს მომხმარებლებს აირჩიოთ ყველაზე სანდო და სწრაფი ხელსაწყოები. მეტრიკა ფერადი კოდირებითაა: მწვანე 100% წარმატებისთვის, წითელი 0% წარმატებისთვის და ნარინჯისფერი შუალედური მაჩვენებლებისთვის. ჰოსტირებული MCP სერვერები 🤗 Spaces-ზე: შეგიძლიათ უფასოდ გამოაქვეყნოთ თქვენი Gradio აპლიკაცია Hugging Face Spaces-ზე, რაც საშუალებას მოგცემთ გქონდეთ უფასო ჰოსტირებული MCP სერვერი. Gradio უფრო ფართო ეკოსისტემის ნაწილია, რომელიც მოიცავს Python და JavaScript ბიბლიოთეკებს მანქანური სწავლების აპლიკაციების პროგრამულად შესაქმნელად ან მოთხოვნებისთვის. ასეთი Space-ის მაგალითია: `https://huggingface.co/spaces/abidlabs/mcp-tools`. გაითვალისწინეთ, რომ შეგიძლიათ დაამატოთ ეს კონფიგურაცია თქვენს MCP კლიენტს, რათა დაუყოვნებლივ დაიწყოთ ხელსაწყოების გამოყენება ამ Space-დან: ```json { "mcp_server_url": "https://abidlabs-mcp-tools.hf.space/gradio_api/mcp" } ``` თქვენ ასევე შეგიძლიათ გამოიყენოთ პირადი Hugging Face Spaces-ები, როგორც MCP სერვერები, ავთენტიფიკაციის მიწოდებით: ```json { "mcp_server_url": "https://your-private-space.hf.space/gradio_api/mcp", "hf_token": "hf_YOUR_TOKEN" } ```