Label Studio MCP Server

Mitä “Label Studio” MCP Server tekee?

Label Studio MCP Server on Model Context Protocol (MCP) -palvelin, joka mahdollistaa tekoälyavustajien vaivattoman integroinnin Label Studio -instanssiin. Hyödyntämällä label-studio-sdk:ta voit ohjelmallisesti hallita merkintäprojekteja, tehtäviä ja ennusteita luonnollisella kielellä tai rakenteisilla MCP-kutsuilla. Tämä palvelin antaa kehittäjille ja tekoälyagenteille mahdollisuuden luoda ja hallita projekteja, tuoda ja hakea tehtäviä sekä automatisoida ennusteet standardoitujen MCP-työkalujen kautta. Label Studion ydintoimintojen avaaminen sujuvoittaa merkintätyönkulkuja ja parantaa tuottavuutta aineiston annotoinnissa, laadunvalvonnassa ja koneoppimisessa.

Prompt-pohjien lista

Prompt-pohjia ei ole mainittu repositoriossa.

Valmis kasvattamaan liiketoimintaasi?

Aloita ilmainen kokeilujakso tänään ja näe tulokset muutamassa päivässä.

Pyydä demo Kirjaudu sisään

Resurssien lista

Dokumentaatiossa ei ole eriteltyjä MCP-resursseja.

Työkalujen lista

• get_label_studio_projects_tool()
  Listaa saatavilla olevat projektit, palauttaen kullekin tunnisteen, otsikon ja tehtävien määrän.
• get_label_studio_project_details_tool(project_id: int)
  Hakee tarkemmat tiedot annetusta projektista.
• get_label_studio_project_config_tool(project_id: int)
  Noutaa projektin XML-muotoisen merkintäkonfiguraation.
• create_label_studio_project_tool(title: str, label_config: str, …)
  Luo uuden projektin otsikolla, XML-konfiguraatiolla ja valinnaisilla asetuksilla; palauttaa projektitiedot ja URL:n.
• update_label_studio_project_config_tool(project_id: int, new_label_config: str)
  Päivittää olemassa olevan projektin XML-merkintäkonfiguraation.
• list_label_studio_project_tasks_tool(project_id: int)
  Listaa enintään 100 tehtävän tunnisteet projektissa.
• get_label_studio_task_data_tool(project_id: int, task_id: int)
  Hakee annetun tehtävän datasisällön.
• get_label_studio_task_annotations_tool(project_id: int, task_id: int)
  Noutaa olemassa olevat annotaatiot tietylle tehtävälle.
• import_label_studio_project_tasks_tool(project_id: int, tasks_file_path: str)
  Tuo tehtäviä JSON-tiedostosta projektiin; palauttaa yhteenvedon ja projektin URL:n.
• create_label_studio_prediction_tool(task_id: int, result: List[Dict[str, Any]], …)
  Luo ennusteen tietylle tehtävälle, mahdollistaen malliversion ja pisteytyksen mukaanoton.

Liity uutiskirjeellemme

Saa uusimmat vinkit, trendit ja tarjoukset ilmaiseksi.

Sähköpostiosoite

Tilaa

Käyttötapaukset tälle MCP Serverille

• Automaattinen projektinhallinta
  Luo, päivitä ja konfiguroi merkintäprojekteja ohjelmallisesti – helpottaa suurten annotointiprojektien käyttöönottoa ja ylläpitoa.
• Suurten tehtävien tuonti ja hallinta
  Tuo tehtäviä tiedostoista ja hallitse niitä massana, mahdollistaen tehokkaan aineiston sisääntuonnin Label Studioon sekä helpon tehtävätietojen tai annotaatioiden haun.
• Ennusteiden integrointi
  Lisää mallien ennusteet suoraan tehtäviin, mahdollistaen koneoppimisen avustamat annotointiprosessit ja human-in-the-loop -mallin arvioinnin.
• Laadunvarmistus ja mittarit
  Kysy projektitietoja ja tehtävämääriä projektien edistymisen ja laadun seuraamiseksi.
• Mukautetut annotointipohjat
  Automatisoi annotointipohjien (label configs) päivitys muuttuviin projektitarpeisiin – varmistaen johdonmukaisuuden ja joustavuuden.

Miten asennus tehdään

Windsurf

1. Varmista, että sinulla on käynnissä oleva Label Studio -instanssi ja API-avaimesi saatavilla.
2. Avaa Windsurf MCP -palvelimen asetustiedosto.
3. Lisää Label Studio MCP -palvelin seuraavalla JSON-pätkällä:

   {
       "mcpServers": {
           "label-studio": {
               "command": "uvx",
               "args": [
                   "--from",
                   "git+https://github.com/HumanSignal/label-studio-mcp-server",
                   "mcp-label-studio"
               ],
               "env": {
                   "LABEL_STUDIO_API_KEY": "your_actual_api_key_here",
                   "LABEL_STUDIO_URL": "http://localhost:8080"
               }
           }
       }
   }
   

4. Tallenna muutokset ja käynnistä Windsurf uudelleen.
5. Varmista yhteys Label Studio -instanssiisi.

Claude

1. Varmista, että Label Studio on käynnissä ja API-avaimesi on saatavilla.
2. Etsi claude_desktop_config.json -tiedostosi.
3. Lisää Label Studio MCP -palvelimen konfiguraatio:

   {
       "mcpServers": {
           "label-studio": {
               "command": "uvx",
               "args": [
                   "--from",
                   "git+https://github.com/HumanSignal/label-studio-mcp-server",
                   "mcp-label-studio"
               ],
               "env": {
                   "LABEL_STUDIO_API_KEY": "your_actual_api_key_here",
                   "LABEL_STUDIO_URL": "http://localhost:8080"
               }
           }
       }
   }
   

4. Tallenna ja käynnistä Claude-asiakas uudelleen.
5. Vahvista onnistunut käyttöönotto asiakasohjelman käyttöliittymässä.

Cursor

1. Aloita käynnissä olevalla Label Studiolla ja varmista, että API-avaimesi on saatavilla.
2. Avaa Cursor MCP -asetukset.
3. Lisää tämä MCP-palvelimen konfiguraatio JSON-muodossa:

   {
       "mcpServers": {
           "label-studio": {
               "command": "uvx",
               "args": [
                   "--from",
                   "git+https://github.com/HumanSignal/label-studio-mcp-server",
                   "mcp-label-studio"
               ],
               "env": {
                   "LABEL_STUDIO_API_KEY": "your_actual_api_key_here",
                   "LABEL_STUDIO_URL": "http://localhost:8080"
               }
           }
       }
   }
   

4. Tallenna ja käynnistä Cursor uudelleen.
5. Tarkista, että MCP-palvelin on käytettävissä Cursorista.

Cline

1. Varmista, että Label Studio on käynnissä ja API-avaimesi on muistiin kirjattu.
2. Muokkaa Cline MCP -palvelimen asetustiedostoa.
3. Lisää palvelinmerkintä seuraavasti:

   {
       "mcpServers": {
           "label-studio": {
               "command": "uvx",
               "args": [
                   "--from",
                   "git+https://github.com/HumanSignal/label-studio-mcp-server",
                   "mcp-label-studio"
               ],
               "env": {
                   "LABEL_STUDIO_API_KEY": "your_actual_api_key_here",
                   "LABEL_STUDIO_URL": "http://localhost:8080"
               }
           }
       }
   }
   

4. Tallenna muutokset ja käynnistä Cline uudelleen.
5. Testaa yhteys Label Studioon Clinen kautta.

Huom:
Säilytä API-avaimesi turvallisesti käyttämällä ympäristömuuttujia kuten yllä olevan env-osion esimerkissä. Näin pidät arkaluontoiset tiedot poissa lähdekoodista ja asetustiedostoista.

MCP:n käyttö työnkuluissa

MCP:n käyttö FlowHuntissa

Voit liittää MCP-palvelimet FlowHunt-työnkulkuusi lisäämällä MCP-komponentin ja yhdistämällä sen tekoälyagenttiisi:

Klikkaa MCP-komponenttia avataksesi konfiguraatiopaneelin. Järjestelmän MCP-asetuksissa syötä MCP-palvelimesi tiedot seuraavassa JSON-muodossa:

{
  "label-studio": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Kun asetukset on tehty, tekoälyagentti voi käyttää tätä MCP:tä työkaluna kaikkiin sen toimintoihin. Muista vaihtaa "label-studio" MCP-palvelimesi todelliseen nimeen ja asettaa URL-osoitteeksi oman MCP-palvelimesi osoite.

Yhteenveto

Taulukoiden välillä:
Tämä MCP-palvelin tarjoaa laajan työkalukattavuuden Label Studion hallintaan sekä selkeät asennusohjeet, mutta siitä puuttuvat prompt-pohjat ja eksplisiittiset resurssimääritykset. Näytteenotto- ja roots-tuki eivät käy ilmi. Kokonaisuutena kyseessä on vankka mutta yksinkertainen ratkaisu omistautuneisiin aineiston merkintäprosesseihin.

MCP-pisteet