Label Studio MCP Server

🚀 Label Studio MCP Server

このプロジェクトは、label-studio-sdkを使用してLabel Studioインスタンスとのやり取りを可能にするModel Context Protocol (MCP)サーバーを提供します。MCPクライアントからの自然言語または構造化された呼び出しを通じて、ラベリングプロジェクト、タスク、および予測のプログラムによる管理を可能にします。このMCPサーバーを使用すると、以下のようなリクエストを行うことができます。

• "このデータでLabel Studioにプロジェクトを作成して..."
• "私のRAGレビュープロジェクトでラベリングされたタスクはいくつありますか？"
• "私のタスクに予測を追加して。"
• "私のラベリングテンプレートにコメントボックスを追加して。"

✨ 主な機能

• プロジェクト管理：Label Studioプロジェクトの作成、更新、一覧表示、および詳細/設定の表示。
• タスク管理：ファイルからタスクをインポートし、プロジェクト内のタスクを一覧表示し、タスクデータ/アノテーションを取得。
• 予測統合：特定のタスクにモデル予測を追加。
• SDK統合：公式のlabel-studio-sdkを利用した通信。

📦 インストール

サーバーをインストールするには、以下の手順に従ってください。

git clone https://github.com/HumanSignal/label-studio-mcp-server.git 
cd label-studio-mcp-server

# uvを使用して依存関係をインストール
uv venv
source .venv/bin/activate 
uv sync

📚 ドキュメント

前提条件

1. 実行中のLabel Studioインスタンス：このMCPサーバーが実行される場所からアクセス可能なLabel Studioの実行中のインスタンスが必要です。
2. APIキー：Label Studioのユーザーアカウント設定からAPIキーを取得してください。
3. Python環境：パッケージ管理のためにuvがインストールされたPython 3.xが推奨されます。

設定

MCPサーバーには、Label StudioインスタンスのURLとAPIキーが必要です。これを設定する主な方法は2つあります。

1. 環境変数： サーバーを実行する前に、ターミナルセッションで以下の環境変数を設定します。

export LABEL_STUDIO_URL='http://localhost:8080' # あなたのLS URLに置き換えてください
export LABEL_STUDIO_API_KEY='your_actual_api_key_here'

python label-studio-mcp.py

Pythonスクリプトは、os.getenv()を使用してこれらを読み取ります。

2. MCPクライアント設定（例：Cursorのmcp.json）： MCPクライアント設定ファイルを介してサーバーを起動する場合、サーバー定義内で直接環境変数を指定することができます。これは、クライアント管理のサーバーでよく使用されます。

例のmcp.jsonエントリ：

{
  "mcpServers": {
    "label-studio": {
        "command": "uv",
        "args": [
            "--directory",
            "/path/to/your/label-studio-mcp-server", // <-- このパスを更新してください
            "run",
            "label-studio-mcp.py"
        ],
        "env": {
            "LABEL_STUDIO_API_KEY": "your_actual_api_key_here", // <-- あなたのAPIキー
            "LABEL_STUDIO_URL": "http://localhost:8080"
        }
    }
  }
}

このように設定すると、envブロックが変数をサーバープロセス環境に注入し、スクリプトのos.getenv()呼び出しがそれを取得します。

Claude Desktop用のインストール

Claude Desktop用にMCPサーバーをインストールするには、このリポジトリのルートから以下のコマンドを実行します。

mcp install -e . -v LABEL_STUDIO_API_KEY=<your_api_key> -v LABEL_STUDIO_URL=<your_label_studio_url> label-studio-mcp.py

ツール

MCPサーバーは、以下のツールを公開しています。

プロジェクト管理

• get_label_studio_projects_tool()：利用可能なプロジェクト（ID、タイトル、タスク数）を一覧表示します。
• get_label_studio_project_details_tool(project_id: int)：特定のプロジェクトの詳細情報を取得します。
• get_label_studio_project_config_tool(project_id: int)：プロジェクトのXMLラベリング設定を取得します。
• create_label_studio_project_tool(title: str, label_config: str, ...)：タイトル、XML設定、およびオプションの設定で新しいプロジェクトを作成します。URLを含むプロジェクトの詳細を返します。
• update_label_studio_project_config_tool(project_id: int, new_label_config: str)：既存のプロジェクトのXMLラベリング設定を更新します。

タスク管理

• list_label_studio_project_tasks_tool(project_id: int)：プロジェクト内のタスクIDを一覧表示します（最大100件）。
• get_label_studio_task_data_tool(project_id: int, task_id: int)：特定のタスクのデータペイロードを取得します。
• get_label_studio_task_annotations_tool(project_id: int, task_id: int)：特定のタスクの既存のアノテーションを取得します。
• import_label_studio_project_tasks_tool(project_id: int, tasks_file_path: str)：JSONファイル（タスクオブジェクトのリストを含む）からタスクをプロジェクトにインポートします。インポートの概要とプロジェクトのURLを返します。

予測

• create_label_studio_prediction_tool(task_id: int, result: List[Dict[str, Any]], ...)：特定のタスクに予測を作成します。Label Studio形式に一致する辞書のリストとして予測結果が必要です。オプションでmodel_versionとscoreを指定できます。

使用例

1. create_label_studio_project_toolを使用して新しいプロジェクトを作成します。
2. タスクデータを含むJSONファイル (tasks.json) を準備します。
3. import_label_studio_project_tasks_toolを使用してタスクをインポートし、手順1のプロジェクトIDとtasks.jsonのパスを指定します。
4. list_label_studio_project_tasks_toolを使用してタスクIDを一覧表示します。
5. get_label_studio_task_data_toolを使用して特定のタスクのデータを取得します。
6. 予測結果の構造（辞書のリスト）を生成します。
7. create_label_studio_prediction_toolを使用して予測を追加します。

サーバーの実行

MCPサーバーは、Pythonを使用して直接実行できます。

python label-studio-mcp.py [options]

オプション：

• --transport {http|stdio}：通信トランスポートを指定します（デフォルト: stdio）。
• --port PORT：HTTPトランスポートのポート番号を設定します（デフォルト: 3000）。
• --host HOST：HTTPトランスポートのホストアドレスを設定します（デフォルト: 0.0.0.0）。

実行する前に、必要な環境変数 (LABEL_STUDIO_URL, LABEL_STUDIO_API_KEY) が設定されていることを確認してください。

お問い合わせ

質問やサポートが必要な場合は、GitHub Issuesを通じてお問い合わせください。