Gradio არის Python ბიბლიოთეკა, რომელსაც ყოველთვიურად 1 მილიონზე მეტი დეველოპერი იყენებს მანქანური სწავლების მოდელებისთვის ინტერფეისების შესაქმნელად. მხოლოდ UI-ების 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 სურათის გენერატორი, საგადასახადო კალკულატორი თუ სრულიად განსხვავებული რამ, LLM-ის მიერ შეიძლება გამოიძახოს, როგორც ხელსაწყო. ეს სახელმძღვანელო გაჩვენებთ, თუ როგორ გამოიყენოთ Gradio MCP სერვერის ასაგებად სულ რამდენიმე ხაზი Python კოდით. თუ ჯერ არ არის დაინსტალირებული, გთხოვთ, დააინსტალიროთ Gradio MCP დამატებით: `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 სტანდარტიზებული გზა ხელსაწყოების წარმოსაჩენად, რათა ისინი LLM-ებმა გამოიყენონ. MCP სერვერს შეუძლია LLM-ებს მიაწოდოს ყველა სახის დამატებითი შესაძლებლობა, მაგალითად, გამოსახულებების გენერირება ან რედაქტირება, აუდიოს სინთეზირება, ან კონკრეტული გამოთვლების შესრულება, როგორიცაა რიცხვების მარტივ მამრავლებად დაშლა. Gradio აადვილებს ამ MCP სერვერების აგებას, ნებისმიერ Python ფუნქციას აქცევს ხელსაწყოდ, რომლის გამოყენებაც LLM-ებს შეუძლიათ. LLM-ები ცნობილია იმით, რომ არ არიან კარგები სიტყვაში ასოების დათვლაში (მაგ., „strawberry“-ში „r“-ების რაოდენობა). მაგრამ რა მოხდება, თუ მათ დავეხმარებით ხელსაწყოთი? დავიწყოთ მარტივი Gradio აპლიკაციის დაწერით, რომელიც ითვლის ასოების რაოდენობას სიტყვაში ან ფრაზაში (მაგალითად, `gr.Interface`-ის გამოყენებით, ფუნქციით `letter_counter`). ყურადღება მიაქციეთ, რომ ჩვენ დავაყენეთ `mcp_server=True` `launch()`-ში. ეს არის ყველაფერი, რაც საჭიროა თქვენი Gradio აპლიკაციის MCP სერვერად მუშაობისთვის! ახლა, როდესაც ამ აპლიკაციას გაუშვებთ, ის გაუშვებს Gradio ინტერფეისს ლოკალურად და გაუშვებს MCP სერვერს ფონზე. MCP სერვერი ხელმისაწვდომი იქნება მისამართზე: `http://127.0.0.1:7860/gradio_api/mcp`. Gradio ავტომატურად გარდაქმნის `letter_counter` ფუნქციას MCP ხელსაწყოდ, რომელიც LLM-ებს შეუძლიათ გამოიყენონ. ფუნქციის `docstring` გამოიყენება ხელსაწყოს აღწერილობისა და მისი პარამეტრების გენერირებისთვის. ყველაფერი რაც თქვენ უნდა გააკეთოთ არის ამ URL მისამართის დამატება თქვენს MCP კლიენტში (მაგ., Cursor, Cline, ან Tiny Agents), რაც, როგორც წესი, ნიშნავს ამ კონფიგურაციის ჩასმას პარამეტრებში (მაგალითად, JSON ობიექტის სახით `{"name": "Local Gradio MCP", "url": "http://127.0.0.1:7860/gradio_api/mcp", "auth": null}`). ზოგიერთი MCP კლიენტი, განსაკუთრებით 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 შესაბამისი კონფიგურაცია თქვენი საკუთარი MCP კლიენტის კონფიგურაციაში (მაგალითად, `{"name": "mcp-remote server", "url": "http://127.0.0.1:8080/mcp", "auth": null}`). სხვათა შორის, ზუსტი კონფიგურაციის კოპირება-ჩასმა შეგიძლიათ თქვენი Gradio აპლიკაციის ქვედა კოლონტიტულში არსებული „View API“ ბმულზე გადასვლით და შემდეგ „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-ს MCP-დ ტრანსფორმაცია, გაუმჯობესებული ავთენტიფიკაცია და კონფიგურირებადი ხელსაწყოების აღწერილობები, იხილეთ ჩვენი სპეციალური ბლოგის პოსტი: „Gradio MCP სერვერების ხუთი დიდი გაუმჯობესება“. ხელსაწყოების გარდა, MCP მხარს უჭერს რესურსებს (მონაცემების გამოსაჩენად) და მინიშნებებს (ხელახლა გამოსაყენებელი შაბლონების განსაზღვრისთვის). Gradio გთავაზობთ დეკორატორებს, რათა მარტივად შექმნათ MCP სერვერები სამივე შესაძლებლობით. მეტის წაკითხვა შეგიძლიათ ჩვენს სპეციალურ სახელმძღვანელოში. Gradio ასევე გაძლევთ საშუალებას შექმნათ ფუნქციები, რომლებიც მხოლოდ MCP სერვერში ჩანს (და არა UI-ში) `gr.api()` გამოყენებით (მაგალითად, `@gr.api()` დეკორატორით). **ხელსაწყოების კონვერტაცია:** თქვენს Gradio აპლიკაციაში თითოეული API endpoint ავტომატურად გარდაიქმნება MCP ხელსაწყოდ შესაბამისი სახელით, აღწერილობითა და შეყვანის სქემით. ხელსაწყოებისა და სქემების სანახავად ეწვიეთ `http://your-server:port/gradio_api/mcp/schema` ან გადადით თქვენი Gradio აპლიკაციის ქვედა კოლონტიტულში არსებულ „View API“ ბმულზე და შემდეგ დააწკაპუნეთ „MCP“-ზე. Gradio დეველოპერებს საშუალებას აძლევს შექმნან დახვეწილი ინტერფეისები მარტივი Python კოდის გამოყენებით, რომელიც უზრუნველყოფს UI-ის დინამიურ მანიპულირებას მყისიერი ვიზუალური უკუკავშირისთვის. **გარემოს ცვლადების მხარდაჭერა:** MCP სერვერის ფუნქციონალურობის ჩასართავად ორი გზა არსებობს: `mcp_server` პარამეტრის გამოყენება, როგორც ზემოთ ნაჩვენებია, ან გარემოს ცვლადების გამოყენება (მაგალითად, `export GRADIO_MCP_SERVER=true`). **ფაილების მართვა:** სერვერი ავტომატურად ამუშავებს ფაილის მონაცემთა კონვერტაციებს, მათ შორის Base64-დან ბაიტებად და პირიქით. Gradio-ს ბოლო განახლებებმა გააუმჯობესა გამოსახულების მართვის შესაძლებლობები ისეთი ფუნქციებით, როგორიცაა Photoshop-ის სტილის მასშტაბირება და გადაადგილება, და გამჭვირვალობის სრული კონტროლი. **შესრულების ანალიტიკა:** Gradio ავტომატურად აკონტროლებს და აჩვენებს შესრულების მეტრიკას ყველა თქვენი MCP ხელსაწყოსა და API endpoint-ისთვის. იხილეთ წარმატების მაჩვენებლები, შეყოვნების პროცენტული მაჩვენებლები და მოთხოვნების რაოდენობა პირდაპირ „View API“ გვერდზე, რათა დაეხმაროთ თქვენ და თქვენს მომხმარებლებს აირჩიონ ყველაზე საიმედო და სწრაფი ხელსაწყოები. მეტრიკა ფერადია კოდირებული: 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 არის უფრო ფართო ეკოსისტემის ნაწილი, რომელიც მოიცავს Python და JavaScript ბიბლიოთეკებს მანქანური სწავლების აპლიკაციების პროგრამულად შესაქმნელად ან მოთხოვნების გასაგზავნად. აქ არის ასეთი Space-ის მაგალითი: `https://huggingface.co/spaces/abidlabs/mcp-tools`. გაითვალისწინეთ, რომ შეგიძლიათ დაამატოთ შესაბამისი კონფიგურაცია თქვენს MCP კლიენტში, რათა დაუყოვნებლივ დაიწყოთ ხელსაწყოების გამოყენება ამ Space-დან (მაგალითად, `{"name": "MCP Tools Space", "url": "https://abidlabs-mcp-tools.hf.space/gradio_api/mcp", "auth": null}`). ასევე შეგიძლიათ გამოიყენოთ პირადი Huggingface Spaces MCP სერვერებად ავთენტიფიკაციის მიწოდებით (მაგალითად, `"auth": {"hf_token": "hf_"}`-ის გამოყენებით).