Label Studio MCP Server

Čo robí „Label Studio“ MCP Server?

Label Studio MCP Server je server Model Context Protocol (MCP), ktorý umožňuje bezproblémovú integráciu AI asistentov s inštanciou Label Studio. Využívaním label-studio-sdk umožňuje programovú správu označovacích projektov, úloh a predikcií pomocou prirodzeného jazyka alebo štruktúrovaných volaní z MCP klientov. Tento server dáva vývojárom a AI agentom možnosť efektívne vytvárať a spravovať projekty, importovať a dopytovať úlohy a automatizovať predikcie, a to všetko prostredníctvom štandardizovaných MCP nástrojov. Sprístupnením kľúčových funkcií Label Studio zefektívňuje workflowy označovania a zvyšuje produktivitu pri anotácii dát, kontrole kvality a operáciách strojového učenia.

Zoznam promptov

V repozitári nie sú uvedené žiadne šablóny promptov.

Zoznam zdrojov

V dokumentácii repozitára nie sú explicitne uvedené MCP zdroje.

Zoznam nástrojov

• get_label_studio_projects_tool()
  Zobrazí dostupné projekty, vráti ID, názov a počet úloh pre každý projekt.
• get_label_studio_project_details_tool(project_id: int)
  Získa detailné informácie o zadanom projekte.
• get_label_studio_project_config_tool(project_id: int)
  Načíta XML konfiguračný súbor pre daný projekt.
• create_label_studio_project_tool(title: str, label_config: str, …)
  Vytvorí nový projekt s názvom, XML konfiguráciou a voliteľnými nastaveniami; vráti detaily projektu a URL.
• update_label_studio_project_config_tool(project_id: int, new_label_config: str)
  Aktualizuje XML konfiguračný súbor pre existujúci projekt.
• list_label_studio_project_tasks_tool(project_id: int)
  Vypíše až 100 ID úloh v projekte.
• get_label_studio_task_data_tool(project_id: int, task_id: int)
  Získa dátový payload pre konkrétnu úlohu.
• get_label_studio_task_annotations_tool(project_id: int, task_id: int)
  Načíta existujúce anotácie k danej úlohe.
• import_label_studio_project_tasks_tool(project_id: int, tasks_file_path: str)
  Importuje úlohy zo súboru JSON do projektu; vráti sumár importu a URL projektu.
• create_label_studio_prediction_tool(task_id: int, result: List[Dict[str, Any]], …)
  Vytvorí predikciu pre konkrétnu úlohu s možnosťou uviesť verziu modelu a skóre.

Príklady použitia tohto MCP servera

• Automatizovaná správa projektov
  Programovateľné vytváranie, aktualizácia a konfigurácia označovacích projektov, čo zjednodušuje nastavovanie a údržbu veľkých anotovacích operácií.
• Hromadný import a správa úloh
  Import úloh zo súborov a ich hromadná správa umožňuje efektívny príjem dát do Label Studio a jednoduché získavanie údajov alebo anotácií úloh.
• Integrácia predikcií
  Priame pridanie modelových predikcií k úlohám uľahčuje workflowy anotácie podporované strojovým učením a hodnotenie modelu s človekom v slučke.
• Kontrola kvality a metriky
  Dopytovanie detailov projektov a počtov úloh na monitorovanie pokroku a kvality naprieč viacerými označovacími projektmi.
• Prispôsobené šablóny anotácií
  Automatizujte aktualizácie šablón anotácií (label configs) pre meniace sa požiadavky projektov, čo zabezpečí konzistentnosť a flexibilitu.

Ako ho nastaviť

Windsurf

1. Uistite sa, že máte spustenú inštanciu Label Studio a získali ste svoj API kľúč.
2. Otvorte konfiguračný súbor Windsurf MCP servera.
3. Pridajte definíciu Label Studio MCP servera pomocou nasledujúceho JSON úseku:

   {
       "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. Uložte zmeny a reštartujte Windsurf.
5. Overte pripojenie k vašej inštancii Label Studio.

Claude

1. Uistite sa, že Label Studio beží a máte svoj API kľúč.
2. Vyhľadajte svoj súbor claude_desktop_config.json.
3. Pridajte konfiguráciu Label Studio MCP servera:

   {
       "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. Uložte a reštartujte klienta Claude.
5. Potvrďte úspešné nastavenie v rozhraní klienta.

Cursor

1. Začnite so spusteným Label Studio a získajte svoj API kľúč.
2. Otvorte nastavenia Cursor MCP.
3. Pridajte tento MCP server konfiguračný 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. Uložte a reštartujte Cursor.
5. Skontrolujte, či je MCP server dostupný z Cursor.

Cline

1. Uistite sa, že Label Studio je spustené a zapíšte si svoj API kľúč.
2. Upravte konfiguračný súbor Cline MCP servera.
3. Vložte serverovú položku ako nižšie:

   {
       "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. Uložte zmeny a reštartujte Cline.
5. Otestujte konektivitu s Label Studio cez Cline.

Poznámka:
Bezpečne uložte svoj API kľúč pomocou environmentálnych premenných, ako je uvedené v sekcii env vyššie. Toto zabezpečí, že citlivé údaje nebudú uložené v zdrojovom kóde alebo konfiguračných súboroch.

Ako používať tento MCP vo flowoch

Použitie MCP vo FlowHunt

Na integráciu MCP servera do vašich workflowov vo FlowHunt začnite pridaním MCP komponentu do svojho flow a prepojte ho so svojím AI agentom:

Kliknite na komponent MCP, aby ste otvorili panel konfigurácie. V systémovej MCP konfigurácii vložte detaily vášho MCP servera v tomto JSON formáte:

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

Po nakonfigurovaní bude môcť AI agent používať tento MCP ako nástroj s prístupom ku všetkým jeho funkciám a možnostiam. Nezabudnite zmeniť "label-studio" na skutočný názov vášho MCP servera a nahradiť URL adresou vášho MCP servera.

Prehľad

Medzi dvoma tabuľkami:
Tento MCP server poskytuje silné pokrytie nástrojov pre správu Label Studio a jasnú dokumentáciu nastavenia, avšak chýbajú šablóny promptov a explicitné definície zdrojov. Sampling a podpora roots nie sú spomenuté. Celkovo ide o solídnu, ale základnú implementáciu pre dedikované workflowy označovania dát.

MCP skóre