K čemu slouží „Langfuse“ MCP Server?

Langfuse MCP Server je server Model Context Protocolu (MCP) navržený pro správu promptů Langfuse. Umožňuje AI asistentům a vývojářům přistupovat k promptům uloženým v Langfuse a spravovat je pomocí standardizovaného MCP rozhraní. Propojením AI klientů s externími repozitáři promptů přes MCP tento server zjednodušuje získávání, výpis a kompilaci promptů, což zefektivňuje vývojový workflow pro velké jazykové modely (LLM). Langfuse MCP Server podporuje vyhledávání, získávání i kompilaci promptů, takže umožňuje například dynamický výběr promptu a nahrazování proměnných. Tato integrace usnadňuje správu promptů a standardizuje práci mezi LLM a databázemi promptů, což je zvláště užitečné tam, kde je potřeba konzistence a sdílení promptů napříč týmy či platformami.

Seznam promptů

• prompts/list: Vypíše všechny dostupné prompty v repozitáři Langfuse. Podporuje volitelné stránkování pomocí kurzoru a poskytuje názvy promptů včetně jejich požadovaných argumentů. Všechny argumenty jsou považovány za volitelné.
• prompts/get: Získá konkrétní prompt podle názvu a zkompiluje jej s poskytnutými proměnnými. Podporuje textové i chatové prompty a převádí je na MCP prompt objekty.

Seznam zdrojů

• Langfuse Prompts Resource: Zpřístupňuje všechny prompty označené jako production v Langfuse pro vyhledávání a získávání AI klienty.
• Prompt Arguments Resource: Vrací informace o proměnných promptu (všechny volitelné; bez detailních popisů kvůli omezením specifikace Langfuse).
• Paginated Prompts Resource: Podporuje stránkování při výpisu promptů pro efektivní přístup k velkým repozitářům.

Seznam nástrojů

• get-prompts: Vypíše dostupné prompty s jejich argumenty. Podporuje volitelný parametr cursor pro stránkování a vrací seznam názvů promptů a jejich argumentů.
• get-prompt: Získá a zkompiluje konkrétní prompt. Vyžaduje parametr name a volitelně přijímá JSON objekt proměnných k doplnění promptu.

Scénáře využití tohoto MCP serveru

• Centralizovaná správa promptů: Zjednodušte aktualizace a sdílení promptů napříč týmy spravováním všech promptů v Langfuse a zpřístupněním přes MCP různým AI klientům.
• Standardizované získávání promptů: Zajistěte konzistentní použití promptů v LLM workflow pomocí MCP pro získávání ověřených, produkčních promptů na vyžádání.
• Dynamická kompilace promptů: Umožněte LLM nebo AI agentům kompilovat prompty s proměnnými za běhu pro flexibilní a dynamické interakce.
• Vyhledávání promptů v aplikacích: Ovládejte rozhraní pro výběr promptů v nástrojích pro vývojáře či AI asistentech výpisem dostupných promptů a jejich parametrů.
• Integrace s LLMOps workflow: Propojte repozitáře promptů Langfuse s LLMOps platformami a agentními frameworky prostřednictvím MCP protokolu pro lepší správu a audit promptů.

Jak vše nastavit

Windsurf

V repozitáři nebyl nalezen žádný konkrétní návod pro Windsurf.

Claude

1. Ujistěte se, že máte nainstalované Node.js a npm.
2. Sestavte server pomocí:

   npm install
   npm run build
   

3. Upravte svůj claude_desktop_config.json a přidejte MCP server:

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

4. Nahraďte environmentální proměnné svými skutečnými API klíči Langfuse.
5. Uložte konfiguraci a restartujte Claude Desktop.
6. Ověřte dostupnost serveru v rozhraní MCP v Claude Desktopu.

Cursor

1. Ujistěte se, že máte nainstalované Node.js a npm.
2. Sestavte server:

   npm install
   npm run build
   

3. V aplikaci Cursor přidejte nový MCP server:
   • Název: Langfuse Prompts
   • Typ: command
   • Příkaz:

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

4. Nahraďte environmentální proměnné svými skutečnými API klíči Langfuse.
5. Uložte a ověřte připojení serveru.

Cline

V repozitáři nebyl nalezen žádný konkrétní návod pro Cline.

Zabezpečení API klíčů

Doporučujeme uchovávat API klíče v environmentálních proměnných. Zde je příklad JSON úryvku pro konfiguraci MCP serveru:

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

Nahraďte hodnoty svými skutečnými API přihlašovacími údaji.

Jak použít tento MCP ve flow

Použití MCP ve FlowHunt

Chcete-li zapojit MCP servery do vašeho workflow ve FlowHunt, začněte přidáním MCP komponenty do vašeho flow a propojte ji se svým AI agentem:

Klikněte na komponentu MCP pro otevření konfiguračního panelu. Do sekce systémové konfigurace MCP vložte údaje o svém MCP serveru v tomto JSON formátu:

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

Po konfiguraci bude mít AI agent možnost využívat tento MCP jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit "langfuse" na skutečný název vašeho MCP serveru a URL nahraďte svou vlastní adresou MCP serveru.

Přehled

Podle dostupných sekcí a funkcí je Langfuse MCP Server dobře zdokumentovaný a pokrývá většinu klíčových schopností MCP, zejména pro správu promptů. Absence explicitní podpory sampling nebo roots mírně snižuje rozšiřitelnost. Celkově se jedná o silnou implementaci pro zaměřenou oblast.

MCP skóre