Hugging Face 22. jūlijā pārtaisīja sava MCP servera darbību. Līdz šim AI asistents, kas pieslēdzas platformas Hub, saņēma sešus atsevišķus rīkus: modeļu meklēšanu, datukopu meklēšanu, Space meklēšanu, zinātnisko rakstu meklēšanu un divus dokumentācijas rīkus. Tagad to vietā ir viens rīks ar nosaukumu hf_fs, kas visu šo pārklāj aptuveni 1000 žetonos.
MCP jeb Model Context Protocol ir veids, kā valodas modelim pieslēgt ārējus rīkus. Katrs pieslēgtais rīks patērē žetonus jau ar savu aprakstu, pirms asistents vispār sāk strādāt. Seši rīki šo rēķinu palielina. Tieši to jaunā versija samazina. Hugging Face izmaiņu žurnāls apraksta hf_fs kā vienotu saskarni piekļuvei repozitorijiem, krātuvei, dokumentācijai un rakstiem, kurai klāt ir meklēšana.
Seši rīki kļūst par vienu
Vecajā uzstādījumā serveris deva atsevišķas komandas model_search, dataset_search, space_search, paper_search, hf_doc_search un hf_doc_fetch. Katra no tām bija jādeklarē asistentam un aizņēma vietu kontekstā. Jaunais hf_fs darbojas kā faila sistēma pār visu Hub saturu. Asistents ar to pārvietojas pa repozitorijiem tāpat kā pa mapēm. Meklēšana ir iebūvēta pašā rīkā.
Faila sistēmas pieeja nozīmē, ka asistents strādā ar ceļiem. Modelis atrodas zem sava lietotāja vai organizācijas nosaukuma, datukopa zem sava. Asistents tos atver tāpat kā mapes uz diska. Tā vietā, lai atsevišķi izsauktu meklēšanu pēc modeļa un tad meklēšanu pēc datukopas, tas visu iziet caur vienu rīku.
Rezultāts ir mazāk žetonu un mazāk ierakstu rīku sarakstā. Hugging Face norāda, ka asistents tagad platformu apstaigā aptuveni 1000 žetonos. Tas ir mazāk nekā sešu atsevišķu rīku aprakstu summa. Atbrīvotā vieta paliek pašam uzdevumam.
Jaunais rīks ļauj asistentam dabiski pārvietoties pa Hugging Face nedaudz vairāk nekā 1000 žetonos, teikts izmaiņu žurnālā.
Žetonu ekonomija skar arī cenu. Katrs rīka apraksts, kas ceļo līdzi pieprasījumam, tiek uzskaitīts kā ievades žetoni, par kuriem maksā. Jo garāks ir pieslēgto rīku saraksts, jo dārgāks kļūst katrs izsaukums. Sešu rīku aizvietošana ar vienu šo fiksēto slodzi noņem. Tas ir jūtami projektos, kur asistents Hub izsauc simtiem reižu dienā.
Smilškastes koda izpildei
Otra izmaiņa ir Sandboxes, drošas izpildes vides, kas piesaistās krātuves segmentiem un repozitorijiem. Segments jeb bucket ir Hugging Face krātuves vieta, kur glabājas datukopa vai modeļa faili. Smilškastē var palaist kodu tuvu šiem datiem, nepārceļot tos uz savu datoru. Hugging Face min trīs lietojumus: datukopu analīzi, modeļu treniņu un Space izveidi.
Praktiski tas nozīmē, ka asistents var nolasīt datukopu, palaist pār to skriptu un atgriezt rezultātu, kamēr faili paliek Hugging Face infrastruktūrā. Kods izpildās izolētā vidē, tāpēc kļūdains vai svešs skripts nepiekļūst pārējai sistēmai. Lieliem modeļiem un datukopām tas ietaupa lejupielādi, kas citādi aizņemtu gigabaitus un vietu diskā.
Izolācija te ir galvenā. Ja asistents ģenerē kodu un palaiž to pats, izpilde smilškastē notur to nost no lietotāja mašīnas. Datu analīzē tas ļauj strādāt ar failiem, kas nemaz nav paredzēti izsūtīšanai ārpus platformas.
Kā to ieslēgt
Rīkus un smilškastes var pārvaldīt lietotāja iestatījumos huggingface.co/settings/mcp. Serveris ir atvērtā koda un pieejams GitHub, kur pēdējais laidiens v0.3.35 iznāca 21. jūlijā, dienu pirms paziņojuma.
Serveris atbalsta trīs pieslēguma veidus: STDIO tiešai saziņai caur stdin un stdout, Streamable HTTP un Streamable HTTP JSON režīmu, kas ir noklusējums Docker attēlā. Tas pats serveris darbojas gan lokāli uz izstrādātāja datora, gan kā tīkla galapunkts. Atsevišķus rīkus joprojām var atslēgt ar mainīgo DISABLE_TOOLS, ja projektam kāds no tiem nav vajadzīgs.
Rīku skaita trimēšana ir problēma, kas skar daudzus MCP serverus. Kad asistentam pieslēdz vairākus serverus vienlaikus, katrs no tiem nāk ar savu rīku sarakstu. Kopējais apraksts izaug līdz tūkstošiem žetonu vēl pirms pirmā jautājuma. Hugging Face pieeja te ir samazināt savu daļu līdz vienam ierakstam. Tā vietā, lai asistents izšķirtos starp sešiem līdzīgiem meklēšanas rīkiem, tam ir viens, kas zina, kur ko meklēt.
Ko tas maina ikdienā
Izstrādātājam, kas lieto Claude Code, Cursor vai citu asistentu ar Hugging Face pieslēgumu, izmaiņa atbrīvo konteksta logu. Jo mazāk žetonu aizņem rīku definīcijas, jo vairāk vietas paliek sarunai un koda kontekstam. Smilškastes savukārt pārceļ smago darbu uz Hugging Face pusi, tāpēc lokālais dators netiek noslogots ar treniņu vai analīzi. Tipiskā gadījumā asistents agrāk lejupielādēja pāris gigabaitu lielu datukopu, lai palaistu pār to dažas rindas Python koda. Ar smilškasti šis solis izzūd, jo kods aizceļo pie datiem, nevis dati pie koda.
Paziņojums izmaiņu žurnālā pirmajā dienā savāca 45 balsis. Iepriekšējais servera laidiens v0.3.35 ir datēts ar 21. jūliju. Tas ir 128. laidiens projekta vēsturē.
Komentāri
Šim rakstam vēl nav komentāru. Esi pirmais, kurš dalās ar savu viedokli.