背景

随着 AI 模型能力的提升，如何将它们集成到实际应用中成为了新的挑战。传统的做法需要复杂的 SDK、GPU 资源管理和格式转换。然而，Hugging Face Spaces 作为一种部署平台，正逐步演变为可被 Agent 直接调用的“构建块”。Mishig Davaadorj 在2026年6月9日发表的一篇博客中，通过一个生动的示例展示了这一趋势：一个编码 Agent 通过链式调用两个 Hugging Face Spaces，自动构建了一个展示巴黎地标的 3D 高斯溅射画廊网站，整个过程无需人工干预图像生成或 3D 重建。

核心内容分析

构建块经济

Mitchell Hashimoto 提出的“构建块经济”认为，最有效的软件构建方式不再是打造一个完整的单体应用，而是将经过验证的小型组件组装起来，而 AI（尤其是 Agent）非常擅长这种组装。这个理念在代码库领域已经得到验证，现在正冲击着多媒体 AI 领域。

Hugging Face Spaces 的 agents.md 协议

每个 Gradio Space 都公开一个纯文本的 agents.md，它告诉 Agent 如何调用该 Space。例如，对于 TripoSplat Space，通过 curl 获取的内容包含：

• API 模式：获取 schema 的 URL
• 调用端点：用于发送请求
• 轮询结果：获取任务结果
• 文件上传：处理文件输入
• 认证：使用 HF_TOKEN

Agent 读取这些信息后，无需客户端库或硬编码集成，即可驱动整个 Space。真正的解锁在于“链式调用”：一个 Space 的输出成为下一个 Space 的输入。

实际示例：巴黎地标转为 3D 高斯溅射

作者命令 Agent 构建一个展示巴黎地标的网站。Agent 调用了两个 Space：

1. 图像生成 Space：根据文本提示生成巴黎地标图像。
2. 3D 重建 Space（例如 TripoSplat）：将图像转换为 3D 高斯溅射（Gaussian Splats）。

Agent 自动处理了从图像到 3D 的管线，并将结果嵌入到一个电影般的查看器中，最终生成了一个静态 Space（mishig/monuments-de-paris）。整个过程没有人工打开图像生成器或 3D 重建工具，Agent 完全自主完成了资产的创建与整合。

行业影响与专业点评

这个例子展示了 AI Agent 在多媒体内容创作中的巨大潜力。传统上，创建一个包含 3D 模型的交互式网站需要专业的设计师、3D 建模师和前端开发者。而现在，Agent 仅通过调用两个公开的 API 就可实现，这极大地降低了创作门槛。

更深远的意义在于，Hugging Face Spaces 的 agents.md 协议正在成为 AI 原生应用的标准接口。随着越来越多的模型以 Space 的形式部署，Agent 可以像拼乐高一样组合它们，完成复杂的任务。这种“构建块经济”将加速 AI 解决方案的迭代，并推动更多开发者参与创建可复用的 AI 组件。

然而，这也对 AI 组件提出了更高的要求：它们必须具有清晰的文档、稳定的接口和良好的兼容性。这或许会成为未来 AI 生态系统的核心特性。

---

来源