mcpField
L
Label Studio MCP Server

Label Studio MCP Server

本地服务
github.com/HumanSignalAI 与智能体3774 周前更新

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

  1. 01项目创建、更新与配置查看
  2. 02任务导入、列表与数据读取
  3. 03读取任务标注结果
  4. 04为任务添加模型预测

适用场景

  1. 01根据数据文件快速创建标注项目
  2. 02查询 RAG 审核项目中的标注进度
  3. 03为已有任务批量添加预测结果
  4. 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。

mcp.json · 通用配置
{
"mcpServers": {
"label-studio": {
"command": "uvx",
"args": [
"git+https://github.com/HumanSignal/label-studio-mcp-server"
],
"env": {
"LABEL_STUDIO_API_KEY": "<LABEL_STUDIO_API_KEY>",
"LABEL_STUDIO_URL": "<LABEL_STUDIO_URL>"
}
}
}
}
启动命令uvx 'git+https://github.com/HumanSignal/label-studio-mcp-server'
需要配置的环境变量
LABEL_STUDIO_API_KEY密钥
LABEL_STUDIO_URL

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypigit+https://github.com/HumanSignal/label-studio-mcp-server

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。”
Label Studio MCP 服务的使用示例

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

  1. **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。
  2. **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

  1. 使用 create_label_studio_project_tool 创建新项目。
  2. 准备包含任务数据的 JSON 文件(tasks.json)。
  3. 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。
  4. 使用 list_label_studio_project_tasks_tool 列出任务 ID。
  5. 使用 get_label_studio_task_data_tool 获取指定任务的数据。
  6. 生成预测结果结构(字典列表)。
  7. 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

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

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。