Langfuse MCP Server-integration

Vad gör “Langfuse” MCP Server?

Langfuse MCP Server är en Model Context Protocol (MCP)-server utformad för Langfuse Prompt-hantering. Den gör det möjligt för AI-assistenter och utvecklare att komma åt och hantera prompts som lagras i Langfuse via det standardiserade MCP-gränssnittet. Genom att koppla AI-klienter till externa prompt-repositorier via MCP förenklar denna server hämtning, listning och kompilering av prompts, vilket förbättrar utvecklingsflödet för stora språkmodeller (LLM). Langfuse MCP Server stöder prompt-upptäckt, hämtning och kompilering, vilket möjliggör uppgifter som dynamiskt promptval och variabelsubstitution. Denna integration förenklar prompt-hanteringen och standardiserar interaktionen mellan LLM:er och prompt-databaser, vilket är särskilt användbart i miljöer där konsekvent användning och delning av prompts krävs över team eller plattformar.

Lista över Prompts

• prompts/list: Listar alla tillgängliga prompts i Langfuse-repositoriet. Stöder valfri cursor-baserad paginering och ger prompt-namn med tillhörande argument. Alla argument antas vara valfria.
• prompts/get: Hämtar en specifik prompt via namn och kompilerar den med angivna variabler. Stöder både text- och chat-prompts och omvandlar dem till MCP prompt-objekt.

Lista över Resurser

• Langfuse Prompts Resource: Exponerar alla prompts märkta som production i Langfuse för upptäckt och hämtning av AI-klienter.
• Prompt Arguments Resource: Returnerar information om prompt-variabler (alla valfria; inga detaljerade beskrivningar på grund av begränsningar i Langfuse-specifikationen).
• Paginerad Prompts Resource: Stöder listning av prompts med paginering för effektiv åtkomst i stora repositories.

Lista över Verktyg

• get-prompts: Listar tillgängliga prompts med deras argument. Stöder valfri cursor-parameter för paginering och returnerar en lista med prompt-namn och argument.
• get-prompt: Hämtar och kompilerar en specifik prompt. Kräver en name-parameter och tar eventuellt ett JSON-objekt med variabler för att fylla i prompten.

Användningsområden för denna MCP Server

• Centraliserad Prompt-hantering: Förenkla uppdateringar och delning av prompts mellan team genom att hantera alla prompts i Langfuse och exponera dem via MCP till olika AI-klienter.
• Standardiserad Prompt-hämtning: Säkerställ konsekvent användning av prompts i LLM-arbetsflöden genom att använda MCP för att hämta validerade produktionsklara prompts vid behov.
• Dynamisk Prompt-kompilering: Möjliggör för LLM:er eller AI-agenter att kompilera prompts med runtime-variabler för flexibla och dynamiska interaktioner.
• Prompt-upptäckt i Appar: Driv promptvalgränssnitt i utvecklarverktyg eller AI-assistenter genom att lista tillgängliga prompts och deras parametrar.
• Integration med LLMOps-arbetsflöden: Koppla Langfuse prompt-repositorier till LLMOps-plattformar och agentramverk via MCP-protokollet för bättre styrning och granskning av prompts.

Hur man sätter upp det

Windsurf

Inga specifika instruktioner för Windsurf hittades i repositoriet.

Claude

1. Kontrollera att Node.js och npm är installerade.
2. Bygg servern med:

   npm install
   npm run build
   

3. Redigera din claude_desktop_config.json för att lägga till MCP-servern:

   {
     "mcpServers": {
       "langfuse": {
         "command": "node",
         "args": ["<absolute-path>/build/index.js"],
         "env": {
           "LANGFUSE_PUBLIC_KEY": "your-public-key",
           "LANGFUSE_SECRET_KEY": "your-secret-key",
           "LANGFUSE_BASEURL": "https://cloud.langfuse.com"
         }
       }
     }
   }
   

4. Byt ut miljövariablerna mot dina riktiga Langfuse API-nycklar.
5. Spara konfigurationen och starta om Claude Desktop.
6. Kontrollera att servern är tillgänglig i Claude Desktop MCP-gränssnittet.

Cursor

1. Kontrollera att Node.js och npm är installerade.
2. Bygg servern:

   npm install
   npm run build
   

3. Lägg till en ny MCP-server i Cursor med:
   • Namn: Langfuse Prompts
   • Typ: command
   • Kommando:

     LANGFUSE_PUBLIC_KEY="your-public-key" LANGFUSE_SECRET_KEY="your-secret-key" LANGFUSE_BASEURL="https://cloud.langfuse.com" node absolute-path/build/index.js
     

4. Byt ut miljövariablerna mot dina riktiga Langfuse API-nycklar.
5. Spara och kontrollera serveranslutningen.

Cline

Inga specifika instruktioner för Cline hittades i repositoriet.

Skydda API-nycklar

Det rekommenderas att skydda dina API-nycklar med hjälp av miljövariabler. Här är ett exempel på JSON-snutt för MCP-serverkonfiguration:

{
  "mcpServers": {
    "langfuse": {
      "command": "node",
      "args": ["<absolute-path>/build/index.js"],
      "env": {
        "LANGFUSE_PUBLIC_KEY": "your-public-key",
        "LANGFUSE_SECRET_KEY": "your-secret-key",
        "LANGFUSE_BASEURL": "https://cloud.langfuse.com"
      }
    }
  }
}

Byt ut värdena mot dina riktiga API-uppgifter.

Hur man använder denna MCP i flöden

Använda MCP i FlowHunt

För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:

Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion, ange dina MCP-serverdetaljer med detta JSON-format:

{
  "langfuse": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

När det är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och kapaciteter. Kom ihåg att ändra "langfuse" till det faktiska namnet på din MCP-server och ersätt URL:en med din egen MCP-serveradress.

Översikt

Baserat på tillgängliga sektioner och funktioner är Langfuse MCP Server väl dokumenterad och täcker de flesta viktiga MCP-funktionerna, särskilt för prompt-hantering. Brist på explicit sampling eller roots-stöd minskar utbyggbarheten något. Sammantaget är det en stark implementation för sitt fokusområde.

MCP-poäng