关于 Label Studio MCP Server
Label Studio MCP Server 是一个 MCP 服务,通过 label-studio-sdk 连接到 Label Studio 实例,用于管理标注项目、任务和预测结果。它面向需要以自然语言或结构化调用处理数据标注的用户。
主要功能
- 01项目创建、更新与配置查看
- 02任务导入、列表与数据读取
- 03读取任务标注结果
- 04为任务添加模型预测
适用场景
- 01根据数据文件快速创建标注项目
- 02查询 RAG 审核项目中的标注进度
- 03为已有任务批量添加预测结果
- 04更新项目的 XML 标注模板
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
还没有获取到工具列表
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
Label Studio MCP 服务
概述
本项目提供一个 Model Context Protocol(MCP)服务,可通过 label-studio-sdk 与 Label Studio 实例交互。它支持 MCP 客户端通过自然语言或结构化调用,以编程方式管理标注项目、任务和预测。使用此 MCP 服务,你可以发出如下请求:
- “使用这些数据在 Label Studio 中创建一个项目……”
- “我的 RAG review 项目中有多少个任务已完成标注?”
- “为我的任务添加预测。”
- “更新我的标注模板,加入一个评论框。”
功能
- 项目管理:创建、更新、列出 Label Studio 项目,并查看其详情和配置。
- 任务管理:从文件导入任务、列出项目中的任务,以及获取任务数据和标注。
- 预测集成:为指定任务添加模型预测。
- SDK 集成:使用官方
label-studio-sdk进行通信。
前提条件
- **正在运行的 Label Studio 实例:**你需要有一个正在运行的 Label Studio 实例,且此 MCP 服务可以访问该实例。
- **API 密钥:**从 Label Studio 的用户账户设置中获取 API 密钥。
配置
MCP 服务需要你的 Label Studio 实例的 URL 和 API 密钥。如果通过 MCP 客户端配置文件启动服务,可以直接在服务定义中指定环境变量。对于由客户端管理的服务,这通常是首选方式。
将以下 JSON 条目添加到 claude_desktop_config.json 文件或 Cursor MCP 设置中:
{
"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", // <-- Your API key
"LABEL_STUDIO_URL": "http://localhost:8080"
}
}
}
}
工具
MCP 服务提供以下工具:
项目管理
get_label_studio_projects_tool():列出可用项目(ID、标题、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):获取项目的 XML 标注配置。create_label_studio_project_tool(title: str, label_config: str, ...):使用标题、XML 配置和可选设置创建新项目。返回项目详情,包括 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。
任务管理
list_label_studio_project_tasks_tool(project_id: int):列出项目中的任务 ID(最多 100 个)。get_label_studio_task_data_tool(project_id: int, task_id: int):获取指定任务的数据负载。get_label_studio_task_annotations_tool(project_id: int, task_id: int):获取指定任务的现有标注。import_label_studio_project_tasks_tool(project_id: int, tasks_file_path: str):将 JSON 文件(包含任务对象列表)中的任务导入项目。返回导入摘要和项目 URL。
预测
create_label_studio_prediction_tool(task_id: int, result: List[Dict[str, Any]], ...):为指定任务创建预测。需要提供符合 Label Studio 格式的字典列表作为预测结果。可选参数为model_version和score。
示例用例
- 使用
create_label_studio_project_tool创建新项目。 - 准备包含任务数据的 JSON 文件(
tasks.json)。 - 使用
import_label_studio_project_tasks_tool导入任务,并提供步骤 1 中的项目 ID 和tasks.json的路径。 - 使用
list_label_studio_project_tasks_tool列出任务 ID。 - 使用
get_label_studio_task_data_tool获取指定任务的数据。 - 生成预测结果结构(字典列表)。
- 使用
create_label_studio_prediction_tool添加预测。
联系方式
如有疑问或需要支持,请通过 GitHub Issues 联系我们。
评论
支持 Markdown
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。