Langfuse MCP 服务器集成

“Langfuse” MCP 服务器的功能是什么？

Langfuse MCP 服务器是一款为 Langfuse 提示词管理而设计的模型上下文协议（MCP）服务器。它让 AI 助手和开发者可以通过标准化的 MCP 接口访问和管理存储在 Langfuse 中的提示词。通过 MCP 将 AI 客户端与外部提示词仓库相连，服务器简化了提示词的检索、列表和编译流程，提升了大语言模型（LLM）的开发效率。Langfuse MCP 服务器支持提示词发现、检索和编译，实现动态提示词选择与变量替换等功能。该集成简化了提示词管理，标准化了 LLM 与提示词数据库之间的交互，特别适用于需要跨团队或平台统一使用和共享提示词的场景。

提示词列表

• prompts/list：列出 Langfuse 仓库中所有可用提示词。支持可选的基于游标的分页，并提供提示词名称及其所需参数。所有参数默认为可选。
• prompts/get：根据名称检索指定提示词，并利用提供的变量进行编译。支持文本与对话提示词，统一转换为 MCP 提示词对象。

资源列表

• Langfuse 提示词资源：对外暴露 Langfuse 中所有标记为 production 的提示词，供 AI 客户端发现与检索。
• 提示词参数资源：返回提示词变量信息（全部为可选；因 Langfuse 规范限制，不含详细描述）。
• 分页提示词资源：支持按分页方式列出提示词，便于大仓库高效访问。

工具列表

• get-prompts：列出可用提示词及其参数。支持可选的 cursor 参数分页，返回提示词名称及参数列表。
• get-prompt：检索并编译指定提示词。需要 name 参数，并可选传入 JSON 对象作为变量填充提示词。

典型应用场景

• 集中式提示词管理：通过 MCP 将所有提示词集中管理于 Langfuse，并向各类 AI 客户端开放，便于团队间协作与共享。
• 标准化提示词检索：借助 MCP，实现 LLM 工作流中随取随用的已验证、生产级提示词，保证提示词一致性。
• 动态提示词编译：让 LLM 或 AI 智能体可按运行时变量动态编译提示词，交互更灵活多变。
• 应用内提示词发现：在开发者工具或 AI 助手中驱动提示词选择界面，展示可用提示词及参数。
• 与 LLMOps 工作流集成：通过 MCP 协议将 Langfuse 提示词仓库接入 LLMOps 平台及智能体框架，提升提示词治理与审计能力。

如何搭建

Windsurf

仓库中未找到 Windsurf 的具体搭建说明。

Claude

1. 确保已安装 Node.js 和 npm。
2. 使用以下命令构建服务器：

   npm install
   npm run build
   

3. 编辑你的 claude_desktop_config.json 文件以添加 MCP 服务器：

   {
     "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. 用你实际的 Langfuse API 密钥替换环境变量值。
5. 保存配置并重启 Claude Desktop。
6. 在 Claude Desktop 的 MCP 界面验证服务器可用性。

Cursor

1. 确保已安装 Node.js 和 npm。
2. 构建服务器：

   npm install
   npm run build
   

3. 在 Cursor 中添加新的 MCP 服务器：
   • 名称：Langfuse Prompts
   • 类型：command
   • 命令：

     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. 用你实际的 Langfuse API 密钥替换环境变量值。
5. 保存并验证服务器连接。

Cline

仓库中未找到 Cline 的具体搭建说明。

API 密钥安全建议

建议使用环境变量保护 API 密钥。以下是 MCP 服务器配置的 JSON 示例片段：

{
  "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"
      }
    }
  }
}

请将各项值替换为你实际的 API 凭据。

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，只需在流程中添加 MCP 组件，并连接到你的 AI 智能体：

点击 MCP 组件打开配置面板。在系统 MCP 配置区，使用如下 JSON 格式填入你的 MCP 服务器信息：

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

配置完成后，AI 智能体即可作为工具使用该 MCP，享有其全部功能。请将 "langfuse" 替换为你实际的 MCP 服务器名称，并用你自己的 MCP 服务器 URL 替换上述地址。

功能总览

根据现有模块与功能，Langfuse MCP 服务器文档完善，涵盖了 MCP 关键能力，尤其是提示词管理方面。采样或根工具功能未明确，稍微影响可扩展性。总体来看，该实现针对其重点应用场景表现出色。

MCP 评分