تكامل خادم Langfuse MCP

ماذا يفعل خادم “Langfuse” MCP؟

خادم Langfuse MCP هو خادم Model Context Protocol (MCP) مصمم لإدارة محفزات Langfuse. يتيح للمساعدين الذكيين والمطورين الوصول إلى المحفزات المخزنة في Langfuse وإدارتها باستخدام واجهة MCP المعيارية. من خلال ربط عملاء الذكاء الاصطناعي بمستودعات المحفزات الخارجية عبر MCP، يسهل هذا الخادم استرجاع المحفزات، وسردها، وتجميعها، مما يعزز سير عمل تطوير النماذج اللغوية الكبيرة (LLMs). يدعم خادم Langfuse MCP اكتشاف واسترجاع وتجميع المحفزات، مما يسمح بمهام مثل اختيار المحفزات ديناميكيًا واستبدال المتغيرات. يبسط هذا التكامل إدارة المحفزات ويوحد التفاعل بين النماذج اللغوية وقواعد بيانات المحفزات، مما يجعله مفيدًا بشكل خاص في البيئات التي تتطلب استخدامًا ومشاركة موحدة للمحفزات عبر الفرق أو المنصات.

قائمة المحفزات

• prompts/list: يسرد جميع المحفزات المتاحة في مستودع Langfuse. يدعم التصفح باستخدام مؤشر (cursor) اختياري ويعرض أسماء المحفزات مع المعطيات المطلوبة الخاصة بها. جميع المعطيات تعتبر اختيارية.
• prompts/get: يسترجع محفزًا محددًا بالاسم ويجمعه مع المتغيرات المقدمة. يدعم المحفزات النصية ومحفزات الدردشة، محولاً إياها إلى كائنات محفزات MCP.

هل أنت مستعد لتنمية عملك؟

ابدأ تجربتك المجانية اليوم وشاهد النتائج في غضون أيام.

طلب عرض توضيحي تسجيل الدخول

قائمة الموارد

• مورد محفزات Langfuse: يكشف جميع المحفزات الموسومة بـ production في Langfuse لاكتشافها واسترجاعها من قبل عملاء الذكاء الاصطناعي.
• مورد معطيات المحفزات: يعرض معلومات حول متغيرات المحفزات (جميعها اختيارية؛ لا توجد أوصاف تفصيلية بسبب حدود مواصفات Langfuse).
• مورد المحفزات مع التصفح: يدعم سرد المحفزات مع صفحات متعددة للوصول الفعال في المستودعات الكبيرة.

قائمة الأدوات

• get-prompts: يسرد المحفزات المتاحة مع المعطيات الخاصة بها. يدعم معلمة cursor اختياريًا للتصفح، ويعيد قائمة بأسماء المحفزات ومعطياتها.
• get-prompt: يسترجع ويجمع محفزًا محددًا. يتطلب معلمة name ويمكنه استقبال كائن JSON من المتغيرات لملء المحفز.

انضم إلى نشرتنا الإخبارية

احصل على أحدث النصائح والاتجاهات والعروض مجانًا.

عنوان البريد الإلكتروني

اشترك

حالات استخدام خادم MCP هذا

• إدارة محفزات مركزية: تبسيط تحديثات المحفزات ومشاركتها عبر الفرق من خلال إدارة جميع المحفزات في Langfuse وكشفها عبر MCP لمختلف عملاء الذكاء الاصطناعي.
• استرجاع محفزات موحد: ضمان استخدام موحد للمحفزات في سير عمل النماذج اللغوية عن طريق استخدام MCP لاسترجاع المحفزات المعتمدة والجاهزة للإنتاج عند الطلب.
• تجميع محفزات ديناميكي: تمكين النماذج أو وكلاء الذكاء الاصطناعي من تجميع المحفزات مع متغيرات وقت التشغيل، ما يسمح بتفاعلات مرنة وديناميكية.
• اكتشاف المحفزات في التطبيقات: دعم واجهات اختيار المحفزات في أدوات المطورين أو المساعدين الذكيين من خلال سرد المحفزات المتاحة ومعطياتها.
• تكامل مع سير عمل LLMOps: ربط مستودعات محفزات Langfuse بمنصات LLMOps وأطر الوكلاء عبر بروتوكول MCP لتحسين حوكمة المحفزات والتدقيق عليها.

كيفية إعداده

Windsurf

لم يتم العثور على تعليمات محددة لـ Windsurf في المستودع.

Claude

1. تأكد من تثبيت Node.js و npm.
2. قم ببناء الخادم باستخدام:

   npm install
   npm run build
   

3. عدل ملف claude_desktop_config.json لإضافة خادم MCP:

   {
     "mcpServers": {
       "langfuse": {
         "command": "node",
         "args": ["<absolute-path>/build/index.js"],
         "env": {
           "LANGFUSE_PUBLIC_KEY": "your-public-key",
           "LANGFUSE_SECRET_KEY": "your-secret-key",
           "LANGFUSE_BASEURL": "https://cloud.langfuse.com"
         }
       }
     }
   }
   

4. استبدل متغيرات البيئة بمفاتيح واجهة برمجة تطبيقات Langfuse الفعلية الخاصة بك.
5. احفظ التهيئة وأعد تشغيل Claude Desktop.
6. تحقق من توفر الخادم في واجهة MCP في Claude Desktop.

Cursor

1. تأكد من تثبيت Node.js و npm.
2. قم ببناء الخادم:

   npm install
   npm run build
   

3. في Cursor، أضف خادم MCP جديدًا:
   • الاسم: Langfuse Prompts
   • النوع: command
   • الأمر:

     LANGFUSE_PUBLIC_KEY="your-public-key" LANGFUSE_SECRET_KEY="your-secret-key" LANGFUSE_BASEURL="https://cloud.langfuse.com" node absolute-path/build/index.js
     

4. استبدل متغيرات البيئة بمفاتيح واجهة برمجة التطبيقات الفعلية الخاصة بك.
5. احفظ وتحقق من اتصال الخادم.

Cline

لم يتم العثور على تعليمات محددة لـ Cline في المستودع.

تأمين مفاتيح API

يوصى بتأمين مفاتيح API الخاصة بك باستخدام متغيرات البيئة. فيما يلي مثال لجزء JSON من تهيئة خادم MCP:

{
  "mcpServers": {
    "langfuse": {
      "command": "node",
      "args": ["<absolute-path>/build/index.js"],
      "env": {
        "LANGFUSE_PUBLIC_KEY": "your-public-key",
        "LANGFUSE_SECRET_KEY": "your-secret-key",
        "LANGFUSE_BASEURL": "https://cloud.langfuse.com"
      }
    }
  }
}

استبدل القيم ببيانات اعتماد API الفعلية الخاصة بك.

كيفية استخدام هذا MCP داخل التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP في سير عمل FlowHunt الخاص بك، ابدأ بإضافة مكون MCP إلى التدفق الخاص بك وربطه بوكيل الذكاء الاصطناعي:

انقر على مكون MCP لفتح لوحة التهيئة. في قسم تهيئة نظام MCP، أدخل تفاصيل خادم MCP الخاص بك باستخدام هذا التنسيق JSON:

{
  "langfuse": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بعد التهيئة، يصبح وكيل الذكاء الاصطناعي قادرًا الآن على استخدام هذا MCP كأداة مع الوصول إلى جميع وظائفه وقدراته. تذكر تغيير "langfuse" إلى الاسم الفعلي لخادم MCP الخاص بك واستبدال الرابط بالرابط الخاص بخادم MCP لديك.

نظرة عامة

استنادًا إلى الأقسام والميزات المتاحة، فإن خادم Langfuse MCP موثق جيدًا ويغطي معظم إمكانيات MCP الأساسية، خاصة في إدارة المحفزات. عدم وجود دعم واضح للعينة أو الجذور يقلل قليلاً من قابلية التوسعة. بشكل عام، هو تنفيذ قوي في مجال تركيزه.

تقييم MCP