MCP Huggingface Router

🧠 MCP-HF：使用拥抱面部的多功能处理器

📘 概述

!

MCP-HF （使用Hugging Face的多功能处理器）是一个全栈演示项目，灵感来自 新闻Gabriel/mcp-langchain.\ 它演示了如何构建一个能够通过多个NLP任务分析文本的小型模块化系统——所有这些任务都由一个简单的路由器层编排。

后端（Flask+Hugging Face）根据输入文本或用户选择的模式自动决定运行哪些任务——摘要、情感分析或关键字提取。\ 前端（React+Vite）提供了一个干净的UI来输入文本和查看结果。

______________________________________________________________________

⚙️ 特性

• 🧩 路由器层：根据文本长度或显式模式自动路由请求。
• ✂️ 摘要：用途 facebook/bart-large-cnn 以生成简洁的摘要。
• 💬 情感分析：用途 distilbert-base-uncased-finetuned-sst-2-english 用于极性检测。
• 🪄 关键字提取：用途 KeyBERT 随着 sentence-transformers/all-MiniLM-L6-v2 关键术语。
• ⚡ 模块化和可扩展：轻松插入其他Hugging Face模型或任务。
• 🧪 后端测试：包括带有模拟ML模型的pytest测试，用于快速本地测试。

______________________________________________________________________

🧱 项目结构

mcp-hf-project/
│
├── backend/                 # Flask API
│   ├── app.py               # Main API logic
│   ├── requirements.txt     # Dependencies
│   ├── tests/               # Unit tests with pytest
│   └── README.md
│
├── frontend/                # React + Vite app
│   ├── src/
│   │   ├── App.jsx          # Main component
│   │   └── main.jsx         # Entry point
│   ├── package.json
│   └── README.md
│
└── README.md                # (this file)

______________________________________________________________________

🚀 入门指南

🧩 1.后端设置

cd backend
python -m venv .venv
.venv\Scripts\activate.ps1
pip install -r requirements.txt
python app.py

API将运行于： http://localhost:7860/api/analyze

🧠 API请求示例

POST/api/分析

{
  "text": "Artificial intelligence is transforming industries around the world.",
  "mode": "keywords"
}

响应示例

{
  "decision": "keywords",
  "keywords": ["artificial intelligence", "industries", "transforming"]
}

______________________________________________________________________

💻 2.前端设置

cd frontend
npm install
npm run dev

然后打开Vite-dev服务器（通常 http://localhost:5173).

粘贴一些文本，选择模式(auto, summary, sentiment, keywords, all)，然后单击 分析.

______________________________________________________________________

🧪 3.运行测试

所有后端测试都位于 backend/tests.

他们模拟重型机器学习模型进行快速测试：

cd backend
pytest -v

预期产量：

test_api.py::test_analyze_keywords PASSED
test_api.py::test_analyze_summary PASSED

______________________________________________________________________

⚡ 定制

您可以在运行后端之前通过设置环境变量切换到其他Hugging Face模型：

export SUMMARIZER_MODEL="google/pegasus-xsum"
export SENTIMENT_MODEL="nlptown/bert-base-multilingual-uncased-sentiment"
export EMBEDDING_MODEL="sentence-transformers/all-mpnet-base-v2"

然后重新启动Flask服务器。

______________________________________________________________________

🧰 技术栈

后端：

• 烧瓶+烧瓶CORS
• 拥抱脸变换器
• KeyBERT+句子转换器
• Pytest

前端：

• React+Vite
• 用于API调用的Axios

______________________________________________________________________

🧩 架构摘要

后端模仿轻量级的“MCP路由器”：

1. 路由器 检查文本（或显式模式）。
2. 通往一个或多个处理“能力”的路径
3. 摘要器, 情绪分析器，以及 关键字提取器 产生结果。
4. 组合响应被发送到前端。

这种模块化使得添加新功能变得容易，例如翻译、实体识别或主题分类。

______________________________________________________________________