AREX Feed Article
Hugging Face 宣布 MCP「回归」：HuggingChat 的 ML Intern 模式可接入自有数据
北京时间 10 月 1 日 23:37，称 MCP 正在「强势回归」，用户现在可以用它把自己的数据带进 HuggingChat。帖文里的第一条短链展开后，指向 ，也就是 HuggingChat 的 ML Intern 模式；该页面介绍 HuggingChat 是一个由开源 AI 模型驱动的聊天应用，可以由 Omni 自动挑选模型，也可以自己选模型。
帖文本身只给出了能力、入口和一张演示图，没有展开支持哪些 MCP 服务器、要经过哪些授权步骤。更具体的细节，前一天已经由两名 Hugging Face 团队成员分别披露。
帖文：一句「回归」和一张演示图
帖文正文只有一句话；句尾的第二条链接就是配图。
配图是一张动图（本文引用其画面）：左侧是 Snowflake、Stripe、HubSpot 三个服务的图标，虚线从它们汇聚到中间的一个输入框；输入框的提示语是「描述 ML 任务——论文 URL、模型 ID 或数据集」，框内带一个「MCP (1)」标签，和一枚处于打开状态的「ML Intern NEW」开关；再向右，虚线指向一个写着「Your fine-tuned model」的虚线框。
图里画出的路径是：外部服务的数据经 MCP 被接进来，交给 ML Intern，产出一个微调后的模型。至于「回归」指什么，帖文没有说明。
两则员工帖：MCP OAuth 与「数据源」
9 月 30 日，在 Hugging Face 构建 ML Intern 的开发者 pngwn 「Hugging Chat 里的 ML Intern 迎来了一些升级」。他列出的第一项就是「MCP OAuth：安全地连接你常用的 MCP 服务器」；同一帖里还有虚拟文件系统、「Services」面板和可下载的运行轨迹（traces）。
两个多小时后，Gradio 创始人、Hugging Face 的 Abubakar Abid（@abidlabs）：「每家公司都应该用自己专有的业务数据微调自己的模型。我们在 ML Intern 里加入了 MCP 数据源，让这件事容易得多。」他给出的试用入口，与官方帖文指向的是同一个链接。
官方账号的帖文比这两条晚了将近一天。两条员工帖合起来，说的是同一条链路的两端：服务器那一侧是用户要接的数据源，客户端这一侧负责连接与授权。
接一个 MCP 服务器要经过什么
HuggingChat 由开源项目 chat-ui 驱动，该项目的与记录了 MCP 的接入方式。据文档，MCP（Model Context Protocol）用于让聊天界面调用外部工具：MCP 服务器暴露工具，模型在对话中调用它们。服务器分两类：管理员预置的基础服务器对所有用户可见，可被用户启用或停用；用户自己添加的服务器则从界面里添加——打开输入框的「+」菜单（或在设置里）选「MCP Servers」，点「Add Server」，填入名字和 URL，再跑一次「Health Check」验证连通。用户添加的服务器保存在浏览器里，随时可以删除。
工具被调用时，界面会显示一个可折叠的「tool」块，包含参数、运行进度和结果（或错误），结果同时回传给模型用于后续回答。文档提醒并非所有模型都支持工具调用；仓库说明补充，界面会给声明支持工具调用的模型打上「tools」标记，也可以在模型设置里手动开启这一能力。
授权是这次更新强调的部分。把 read-mcp 与 openid、profile、inference-api、read-billing、jobs 一起列进 Hugging Face OIDC（OpenID Connect）的登录作用域；注释特别说明，jobs 用于让应用以用户身份启动 Hugging Face Jobs——「ML Intern 和任何 Hub MCP 的任务工具都需要它；没有它，每次提交都会返回 403」。同一份配置还写明，MCP 的 OAuth 凭证（访问令牌、刷新令牌、客户端密钥、PKCE 校验值）会在 MongoDB 中加密存储。此外，配置注释注明 ML Intern 会话总会附带 Hub 的 MCP 服务器，地址为 huggingface.co/mcp?login&bouquet=intern，即 Hub 的「intern」工具集。
上述机制来自 chat-ui 的文档与配置模板，描述的是这套开源实现的运转方式。
ML Intern 的来历：9 月上线，仓库 9 月 29 日归档
ML Intern 在 9 月 8 日（UTC）随 HuggingChat 上线。Hugging Face 产品负责人 Victor M 是：它「把 HuggingChat 接到整个 HF 生态」：用户打开开关，提出评测、数据集、微调或论文复现之类的需求，它会自己去调研、必要时用 HF Jobs 训练、还能发布 Space。
次日，联合创始人 Thomas Wolf 为「从一段对话开始，以一整套可分享的 Hub 产物结束」：用户只管提问，它负责干活、及时汇报，过程、步骤和费用由用户掌控。Hugging Face 的 merve 在里补充了几个边界：ml-intern 本身是开源的 ML 工程与研究框架（harness），可以在本地免费使用；托管在 Hugging Chat 里的版本面向不想写代码的人，会挑最便宜的 GPU。她举的例子是社区成员只靠提示词、零代码，花 6 美元训出了一个模型。
9 月 29 日，独立的 被归档、转为只读，仓库简介写着「已归档——ML Intern 不再维护，继续使用 HuggingChat」。紧接着，MCP 数据源与 OAuth 的更新出现在员工帖文里，然后在 10 月 1 日成为官方账号的发布内容。
回复区：能读什么，能不能写回
截至发稿，这条帖文有约 30 条回复、55 个赞和 1.48 万次浏览。回复里既有追问，也有调侃。
：Chat MCP 是只把数据读进模型，还是工具能把结果写回项目？更直接：「哪个数据源能撑过第一次 MCP 演示？」调侃集中在「回归」上：「MCP『死』了大概三周，现在所有人又在悄悄上线了」，「这次退役可真是短」。
这些问题，帖文没有回答；可接入哪些服务、工具能不能写回，回复区仍在追问。