Servidor Label Studio MCP

O que faz o servidor “Label Studio” MCP?

O Servidor Label Studio MCP é um servidor Model Context Protocol (MCP) que possibilita a integração perfeita de assistentes de IA com uma instância do Label Studio. Usando o label-studio-sdk, permite o gerenciamento programático de projetos de rotulagem, tarefas e previsões via linguagem natural ou chamadas estruturadas de clientes MCP. Esse servidor capacita desenvolvedores e agentes de IA a criar e gerenciar projetos com eficiência, importar e consultar tarefas e automatizar previsões, tudo através de ferramentas MCP padronizadas. Ao expor as funcionalidades centrais do Label Studio, ele otimiza os fluxos de rotulagem e potencializa a produtividade para anotação de dados, revisão de qualidade e operações de machine learning.

Lista de Prompts

Não há templates de prompt mencionados no repositório.

Lista de Recursos

Nenhum recurso MCP explícito está listado na documentação do repositório.

Lista de Ferramentas

• get_label_studio_projects_tool()
  Lista os projetos disponíveis, retornando ID, título e quantidade de tarefas de cada projeto.
• get_label_studio_project_details_tool(project_id: int)
  Recupera informações detalhadas de um projeto específico.
• get_label_studio_project_config_tool(project_id: int)
  Busca a configuração XML de rotulagem para um projeto fornecido.
• create_label_studio_project_tool(title: str, label_config: str, …)
  Cria um novo projeto com título, configuração XML e definições opcionais; retorna detalhes do projeto e URL.
• update_label_studio_project_config_tool(project_id: int, new_label_config: str)
  Atualiza a configuração XML de rotulagem de um projeto existente.
• list_label_studio_project_tasks_tool(project_id: int)
  Lista até 100 IDs de tarefas dentro de um projeto.
• get_label_studio_task_data_tool(project_id: int, task_id: int)
  Recupera o conteúdo de dados de uma tarefa específica.
• get_label_studio_task_annotations_tool(project_id: int, task_id: int)
  Busca anotações existentes de uma tarefa específica.
• import_label_studio_project_tasks_tool(project_id: int, tasks_file_path: str)
  Importa tarefas de um arquivo JSON para um projeto; retorna um resumo da importação e URL do projeto.
• create_label_studio_prediction_tool(task_id: int, result: List[Dict[str, Any]], …)
  Cria uma previsão para uma tarefa específica, com opções para versão do modelo e score.

Casos de Uso deste Servidor MCP

• Gerenciamento Automatizado de Projetos
  Crie, atualize e configure projetos de rotulagem programaticamente, otimizando a configuração e manutenção em operações de anotação em larga escala.
• Importação e Gestão em Massa de Tarefas
  Importe tarefas de arquivos e gerencie em massa, facilitando a ingestão eficiente de dados no Label Studio e a recuperação fácil de tarefas ou anotações.
• Integração de Previsões
  Adicione previsões de modelos diretamente às tarefas, facilitando fluxos de anotação assistidos por ML e avaliação humana do modelo.
• Garantia de Qualidade e Métricas
  Consulte detalhes de projetos e contagem de tarefas para monitorar progresso e qualidade em múltiplos projetos de rotulagem.
• Templates de Anotação Personalizados
  Automatize a atualização de templates de anotação (label configs) para requisitos de projetos em evolução, garantindo consistência e flexibilidade.

Como configurar

Windsurf

1. Certifique-se de que você possui uma instância do Label Studio em execução e obtenha sua chave de API.
2. Abra o arquivo de configuração do servidor MCP do Windsurf.
3. Adicione a definição do servidor Label Studio MCP usando o seguinte trecho 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. Salve as alterações e reinicie o Windsurf.
5. Verifique a conexão com sua instância do Label Studio.

Claude

1. Certifique-se de que o Label Studio está em execução e você possui sua chave de API.
2. Localize o arquivo claude_desktop_config.json.
3. Adicione a configuração do servidor Label Studio 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. Salve e reinicie o cliente Claude.
5. Confirme a configuração bem-sucedida na interface do cliente.

Cursor

1. Inicie com o Label Studio em execução e obtenha sua chave de API.
2. Abra as configurações MCP do Cursor.
3. Adicione este JSON de configuração do servidor 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. Salve e reinicie o Cursor.
5. Verifique se o servidor MCP está acessível pelo Cursor.

Cline

1. Certifique-se de que o Label Studio está rodando e anote sua chave de API.
2. Edite o arquivo de configuração do servidor MCP do Cline.
3. Insira a entrada do servidor conforme abaixo:

   {
       "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. Salve as alterações e reinicie o Cline.
5. Teste a conectividade com o Label Studio através do Cline.

Nota:
Armazene sua chave de API de forma segura usando variáveis de ambiente, como mostrado na seção env acima. Isso mantém informações sensíveis fora do código-fonte e arquivos de configuração.

Como usar este MCP dentro de fluxos

Usando MCP no FlowHunt

Para integrar servidores MCP ao seu fluxo FlowHunt, comece adicionando o componente MCP ao seu fluxo e conectando-o ao seu agente de IA:

Clique no componente MCP para abrir o painel de configuração. Na seção de configuração MCP do sistema, insira os detalhes do seu servidor MCP usando este formato JSON:

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

Após configurado, o agente de IA poderá usar esse MCP como ferramenta, com acesso a todas as funções e capacidades. Lembre-se de alterar "label-studio" para o nome real do seu servidor MCP e substituir a URL pela do seu servidor MCP.

Visão Geral

Entre as duas tabelas:
Este servidor MCP oferece ampla cobertura de ferramentas para gestão do Label Studio e documentação de configuração clara, mas não possui templates de prompt e definições explícitas de recursos. Suporte a amostragem e roots não são mencionados. No geral, é uma implementação sólida, porém básica, para fluxos dedicados de rotulagem de dados.

Pontuação MCP