Label Studio MCP Server

Cosa fa il server MCP “Label Studio”?

Il Label Studio MCP Server è un server Model Context Protocol (MCP) che abilita l’integrazione fluida di assistenti AI con una istanza di Label Studio. Sfruttando la label-studio-sdk, consente la gestione programmata di progetti di etichettatura, task e predizioni tramite comandi in linguaggio naturale o chiamate strutturate da client MCP. Questo server permette a sviluppatori e agenti AI di creare e gestire progetti, importare e consultare task, e automatizzare le predizioni, tutto tramite strumenti MCP standardizzati. Espone le funzionalità principali di Label Studio, rendendo più efficienti i flussi di lavoro di annotazione, revisione qualità e operazioni di machine learning.

Elenco Prompt

Nessun prompt template è menzionato nel repository.

Elenco Risorse

Nessuna risorsa MCP esplicita è elencata nella documentazione del repository.

Elenco Strumenti

• get_label_studio_projects_tool()
  Elenca i progetti disponibili, restituendo ID, titolo e numero di task per ogni progetto.
• get_label_studio_project_details_tool(project_id: int)
  Recupera informazioni dettagliate per uno specifico progetto.
• get_label_studio_project_config_tool(project_id: int)
  Ottiene la configurazione XML di etichettatura per un dato progetto.
• create_label_studio_project_tool(title: str, label_config: str, …)
  Crea un nuovo progetto con titolo, config XML e impostazioni opzionali; restituisce dettagli e URL del progetto.
• update_label_studio_project_config_tool(project_id: int, new_label_config: str)
  Aggiorna la configurazione XML di etichettatura per un progetto esistente.
• list_label_studio_project_tasks_tool(project_id: int)
  Elenca fino a 100 ID task all’interno di un progetto.
• get_label_studio_task_data_tool(project_id: int, task_id: int)
  Recupera il payload dati di un task specifico.
• get_label_studio_task_annotations_tool(project_id: int, task_id: int)
  Ottiene le annotazioni esistenti per un particolare task.
• import_label_studio_project_tasks_tool(project_id: int, tasks_file_path: str)
  Importa task da un file JSON in un progetto; restituisce il riepilogo importazione e URL del progetto.
• create_label_studio_prediction_tool(task_id: int, result: List[Dict[str, Any]], …)
  Crea una predizione per un task specifico, con opzioni per versione modello e punteggio.

Casi d’uso di questo MCP Server

• Gestione Progetti Automatizzata
  Crea, aggiorna e configura progetti di etichettatura in modo programmato, semplificando la configurazione e la manutenzione per grandi operazioni di annotazione.
• Importazione e Gestione Massiva dei Task
  Importa task da file e gestiscili in bulk, abilitando l’ingestione efficiente dei dati in Label Studio e il facile recupero di dati o annotazioni.
• Integrazione Predizioni
  Aggiungi predizioni modello direttamente ai task, facilitando workflow di annotazione assistita da ML e valutazione modello human-in-the-loop.
• Assicurazione Qualità e Metriche
  Consulta dettagli progetto e numero task per monitorare avanzamento e qualità su più progetti di etichettatura.
• Template di Annotazione Personalizzati
  Automatizza l’aggiornamento dei template di annotazione (config label) per esigenze di progetto in evoluzione, garantendo coerenza e flessibilità.

Come configurarlo

Windsurf

1. Assicurati di avere un’istanza Label Studio attiva e ottieni la tua API key.
2. Apri il file di configurazione del server MCP Windsurf.
3. Aggiungi la definizione del server MCP Label Studio usando il seguente snippet JSON:

   {
       "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. Salva le modifiche e riavvia Windsurf.
5. Verifica la connessione con la tua istanza Label Studio.

Claude

1. Assicurati che Label Studio sia attivo e di avere la tua API key.
2. Trova il file claude_desktop_config.json.
3. Aggiungi la configurazione MCP server Label Studio:

   {
       "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. Salva e riavvia il client Claude.
5. Conferma la configurazione nel client.

Cursor

1. Avvia Label Studio e ottieni la tua API key.
2. Apri le impostazioni MCP di Cursor.
3. Aggiungi questo JSON di configurazione server MCP:

   {
       "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. Salva e riavvia Cursor.
5. Verifica che il server MCP sia accessibile da Cursor.

Cline

1. Assicurati che Label Studio sia attivo e annota la tua API key.
2. Modifica il file di configurazione MCP di Cline.
3. Inserisci la seguente entry server:

   {
       "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. Salva le modifiche e riavvia Cline.
5. Testa la connettività con Label Studio tramite Cline.

Nota:
Conserva in modo sicuro la tua API key utilizzando le variabili d’ambiente come mostrato nella sezione env sopra. In questo modo le informazioni sensibili restano fuori da codice e file di configurazione.

Come utilizzare questo MCP nei flussi

Utilizzo MCP in FlowHunt

Per integrare server MCP nel tuo workflow FlowHunt, aggiungi il componente MCP al tuo flow e connettilo al tuo agente AI:

Clicca sul componente MCP per aprire il pannello di configurazione. Nella sezione di configurazione MCP di sistema, inserisci i dettagli del tuo server MCP usando questo formato JSON:

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

Una volta configurato, l’agente AI potrà usare questo MCP come strumento con accesso a tutte le sue funzioni e capacità. Ricorda di cambiare "label-studio" con il vero nome del tuo server MCP e sostituire l’URL con il tuo indirizzo server MCP.

Panoramica

Tra le due tabelle:
Questo MCP server offre una copertura strumenti solida per la gestione Label Studio e documentazione chiara per la configurazione, ma manca di prompt template e definizioni risorsa esplicite. Sampling e supporto roots non sono menzionati. Nel complesso, è una implementazione solida ma basilare per workflow di etichettatura dati dedicati.

MCP Score