Label Studio MCP Server

Wat doet de “Label Studio” MCP Server?

De Label Studio MCP Server is een Model Context Protocol (MCP)-server waarmee je AI-assistenten naadloos integreert met een Label Studio instantie. Door gebruik te maken van de label-studio-sdk kun je labelprojecten, taken en voorspellingen programmatisch beheren via natuurlijke taal of gestructureerde oproepen vanuit MCP-clients. Deze server stelt ontwikkelaars en AI-agenten in staat om efficiënt projecten te creëren en beheren, taken te importeren en op te vragen, en voorspellingen te automatiseren – allemaal via gestandaardiseerde MCP-tools. Door de kernfunctionaliteiten van Label Studio toegankelijk te maken, stroomlijnt het labelprocessen en verhoogt het de productiviteit voor data-annotatie, kwaliteitscontrole en machine learning-operaties.

Lijst van prompts

Geen prompt-templates vermeld in de repository.

Lijst van resources

Geen expliciete MCP-resources vermeld in de repository-documentatie.

Lijst van tools

• get_label_studio_projects_tool()
  Lijst beschikbare projecten, geeft ID, titel en taak-aantal per project terug.
• get_label_studio_project_details_tool(project_id: int)
  Haalt gedetailleerde informatie op voor een specifiek project.
• get_label_studio_project_config_tool(project_id: int)
  Haalt de XML-labelconfiguratie op voor een gegeven project.
• create_label_studio_project_tool(title: str, label_config: str, …)
  Maakt een nieuw project aan met een titel, XML-configuratie en optionele instellingen; geeft projectdetails en URL terug.
• update_label_studio_project_config_tool(project_id: int, new_label_config: str)
  Werkt de XML-labelconfiguratie bij van een bestaand project.
• list_label_studio_project_tasks_tool(project_id: int)
  Lijst tot 100 taak-ID’s binnen een project.
• get_label_studio_task_data_tool(project_id: int, task_id: int)
  Haalt de datapayload op voor een specifieke taak.
• get_label_studio_task_annotations_tool(project_id: int, task_id: int)
  Haalt bestaande annotaties op voor een specifieke taak.
• import_label_studio_project_tasks_tool(project_id: int, tasks_file_path: str)
  Importeert taken uit een JSON-bestand in een project; geeft importoverzicht en project-URL terug.
• create_label_studio_prediction_tool(task_id: int, result: List[Dict[str, Any]], …)
  Maakt een voorspelling aan voor een specifieke taak, met opties voor modelversie en score.

Gebruikstoepassingen van deze MCP Server

• Geautomatiseerd projectbeheer
  Maak, update en configureer labelprojecten programmatisch, waardoor je de inrichting en het onderhoud van grootschalige annotatieprojecten stroomlijnt.
• Bulk-import en beheer van taken
  Importeer taken uit bestanden en beheer ze in bulk, voor efficiënte data-invoer in Label Studio en gemakkelijke toegang tot taakdata of annotaties.
• Voorspellingsintegratie
  Voeg modelvoorspellingen direct toe aan taken, voor ML-ondersteunde annotatieworkflows en human-in-the-loop model-evaluatie.
• Kwaliteitscontrole en statistieken
  Raadpleeg projectdetails en taak-aantallen om voortgang en kwaliteit te monitoren over meerdere labelprojecten.
• Aangepaste annotatie-templates
  Automatiseer updates van annotatie-templates (labelconfigs) voor veranderende projectbehoeften, zodat je consistentie en flexibiliteit garandeert.

Hoe stel je het in

Windsurf

1. Zorg dat je een draaiende Label Studio-instantie hebt en verkrijg je API-sleutel.
2. Open het Windsurf MCP server configuratiebestand.
3. Voeg de Label Studio MCP server-definitie toe met de volgende JSON-snippet:

   {
       "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. Sla de wijzigingen op en herstart Windsurf.
5. Controleer de verbinding met je Label Studio-instantie.

Claude

1. Zorg dat Label Studio draait en je je API-sleutel hebt.
2. Zoek je claude_desktop_config.json bestand op.
3. Voeg de Label Studio MCP serverconfiguratie toe:

   {
       "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. Sla op en herstart de Claude-client.
5. Bevestig een succesvolle installatie in de cliëntinterface.

Cursor

1. Start met een draaiende Label Studio en verkrijg je API-sleutel.
2. Open Cursor MCP-instellingen.
3. Voeg deze MCP serverconfiguratie JSON toe:

   {
       "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. Sla op en herstart Cursor.
5. Controleer dat de MCP server bereikbaar is vanuit Cursor.

Cline

1. Zorg dat Label Studio draait en noteer je API-sleutel.
2. Bewerk het Cline MCP serverconfiguratiebestand.
3. Voeg de serverinvoer toe zoals hieronder:

   {
       "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. Sla je wijzigingen op en herstart Cline.
5. Test de connectie met Label Studio via Cline.

Let op:
Sla je API-sleutel veilig op via omgevingsvariabelen zoals getoond in de env-sectie hierboven. Zo voorkom je dat gevoelige gegevens in broncode of configuratiebestanden terechtkomen.

Hoe gebruik je deze MCP binnen flows

MCP gebruiken in FlowHunt

Om MCP-servers te integreren in je FlowHunt-workflow, voeg je eerst het MCP-component toe aan je flow en verbind je deze met je AI-agent:

Klik op het MCP-component om het configuratiepaneel te openen. Voeg in de systeem-MCP-configuratie je MCP-servergegevens toe in dit JSON-formaat:

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

Na configuratie kan de AI-agent deze MCP nu als tool gebruiken met toegang tot alle functies en mogelijkheden. Vergeet niet "label-studio" te vervangen door de daadwerkelijke naam van je MCP-server en de URL aan te passen naar je eigen MCP-server URL.

Overzicht

Tussen de twee tabellen:
Deze MCP-server biedt sterke toolondersteuning voor Label Studio-beheer en duidelijke setup-documentatie, maar heeft geen prompt-templates of expliciete resource-definities. Sampling- en roots-ondersteuning worden niet vermeld. Al met al een degelijke maar eenvoudige implementatie voor toegewijde data-labeling-workflows.

MCP-score