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.

Klaar om uw bedrijf te laten groeien?

Start vandaag uw gratis proefperiode en zie binnen enkele dagen resultaten.

Demo aanvragen Inloggen

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.

Schrijf u in voor onze nieuwsbrief

Ontvang gratis de nieuwste tips, trends en aanbiedingen.

E-mailadres

Abonneren

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