什么是 Label Studio MCP 服务器？

Label Studio MCP 服务器是一个 Model Context Protocol 服务器，使 AI 助手与 Label Studio 实例进行程序化交互。它通过 MCP 兼容客户端，提供项目、任务、预测等管理工具。

这个服务器可以自动化哪些任务？

您可以自动化项目创建、项目配置更新、任务导入、任务和标注查询，以及添加模型预测，从而实现大规模或机器学习辅助的数据标注流程。

我需要在配置文件中暴露 API 密钥吗？

不需要。推荐使用环境变量存储敏感凭据如 API 密钥，以防止密钥被提交到源码中。

是否包含提示模板或资源定义？

当前实现未包含提示模板和显式资源定义，但支持所有主要的 Label Studio 管理功能。

这个 MCP 服务器有哪些常见应用场景？

常见场景包括自动化项目管理、批量任务导入、ML 模型预测集成、质量保证和可定制的标注流程。

Label Studio MCP 服务器

“Label Studio” MCP 服务器能做什么？

Label Studio MCP 服务器是一个 Model Context Protocol (MCP) 服务器，可将 AI 助手与 Label Studio 实例无缝集成。借助 label-studio-sdk，它允许通过自然语言或结构化调用，从 MCP 客户端以编程方式管理标注项目、任务和预测。该服务器让开发者与 AI 智能体能够高效创建和管理项目、导入及查询任务并自动化预测，全部通过标准化的 MCP 工具完成。通过开放 Label Studio 的核心功能，它简化了标注流程，提升了数据标注、质量审核与机器学习操作的工作效率。

提示模板列表

仓库中未提及提示模板。

资源列表

文档中未列出显式 MCP 资源。

工具列表

get_label_studio_projects_tool()
列出可用项目，返回每个项目的 ID、标题和任务数量。
get_label_studio_project_details_tool(project_id: int)
获取指定项目的详细信息。
get_label_studio_project_config_tool(project_id: int)
获取指定项目的 XML 标注配置。
create_label_studio_project_tool(title: str, label_config: str, …)
创建新项目，指定标题、XML 配置和可选设置，返回项目详情及 URL。
update_label_studio_project_config_tool(project_id: int, new_label_config: str)
更新现有项目的 XML 标注配置。
list_label_studio_project_tasks_tool(project_id: int)
列出项目中的最多 100 个任务 ID。
get_label_studio_task_data_tool(project_id: int, task_id: int)
获取指定任务的数据内容。
get_label_studio_task_annotations_tool(project_id: int, task_id: int)
获取指定任务的已有标注。
import_label_studio_project_tasks_tool(project_id: int, tasks_file_path: str)
从 JSON 文件导入任务到项目，返回导入摘要和项目 URL。
create_label_studio_prediction_tool(task_id: int, result: List[Dict[str, Any]], …)
为指定任务创建预测，可选择模型版本和分数。

该 MCP 服务器的应用场景

自动化项目管理
以编程方式创建、更新和配置标注项目，简化大规模标注工作的搭建与维护。
批量任务导入与管理
从文件中批量导入任务并统一管理，高效地将数据导入 Label Studio，并便捷地获取任务数据或标注。
预测集成
直接将模型预测添加到任务，支持机器学习辅助的标注工作流及人机协作模型评估。
质量保障与指标
查询项目详情和任务数量，监控多个标注项目的进度和质量。
自定义标注模板
自动化更新标注模板（label config），适应不断变化的项目需求，确保一致性和灵活性。

如何进行设置

Windsurf

确保有正在运行的 Label Studio 实例，并获取 API 密钥。
打开 Windsurf MCP 服务器配置文件。

使用以下 JSON 片段添加 Label Studio MCP 服务器定义：

{
    "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"
            }
        }
    }
}

保存更改并重启 Windsurf。
验证与 Label Studio 实例的连接。

Claude

确保 Label Studio 已运行并获得 API 密钥。
找到 claude_desktop_config.json 文件。

添加 Label Studio MCP 服务器配置：

{
    "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"
            }
        }
    }
}

保存并重启 Claude 客户端。
在客户端界面确认设置成功。

Cursor

启动已运行的 Label Studio，并获取 API 密钥。
打开 Cursor MCP 设置。

添加如下 MCP 服务器配置 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"
            }
        }
    }
}

保存并重启 Cursor。
检查 MCP 服务器是否可从 Cursor 访问。

Cline

确保 Label Studio 已启动并记下 API 密钥。
编辑 Cline MCP 服务器配置文件。

插入如下服务器条目：

{
    "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"
            }
        }
    }
}

保存更改并重启 Cline。
通过 Cline 测试与 Label Studio 的连通性。

注意：
请如上述 env 部分所示，使用环境变量安全存储 API 密钥，防止敏感信息泄露到源码或配置文件中。

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先添加 MCP 组件并将其连接到您的 AI 智能体：

点击 MCP 组件打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填写您的 MCP 服务器信息：

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

配置完成后，AI 智能体即可使用该 MCP 作为工具，访问其全部功能和能力。请记得将 "label-studio" 替换为实际的 MCP 服务器名称，并将 URL 替换为您的 MCP 服务器地址。

概览

部分	可用性	说明/备注
概览	✅
提示模板列表	⛔	文档中未发现提示模板。
资源列表	⛔	未列出显式 MCP 资源。
工具列表	✅	支持项目/任务管理、预测等工具。
API 密钥安全	✅	配置中使用环境变量 (`env`)。
抽样支持（评估时次要）	⛔	未提及。