Label Studio MCP Server

🚀 ラベルスタジオ MCP サーバー

このプロジェクトは、モデルコンテキストプロトコル（MCP）サーバーを提供し、label-studio-sdk を通じて Label Studio インスタンスとの相互作用を可能にします。自然言語または構造化された MCP クライアント呼び出しにより、アノテーションプロジェクト、タスク、予測のプログラム管理をサポートします。この MCP サーバーを使用すると、以下の操作が可能です。

• “これらのデータを使って Label Studio のプロジェクトを作成する...”
• “私の RAG 再検査プロジェクトでは、いくつのタスクがアノテーションされていますか？”
• “私のタスクに予測を追加する。”
• “私のアノテーションテンプレートを更新して、コメントボックスを含める。”

🚀 クイックスタート

この MCP サーバーを使用することで、Label Studio とのやり取りを通じてアノテーションプロジェクト、タスク、予測を管理できます。以下に、基本的な操作手順を説明します。

✨ 主な機能

• プロジェクト管理：アノテーションプロジェクトの作成、読み取り、更新、削除が可能です。
• タスク管理：タスクファイルのインポート、すべてのタスクの一覧表示、特定のタスクのデータと注釈の取得ができます。
• 予測機能：特定のタスクに対して予測結果を生成し、追加することができます。

📦 インストール

インストール要件

1. オペレーティングシステム：Linux または macOS をサポートしています（Windows は現在サポートされていません）。
2. Python バージョン：3.6 以上が必要です。
3. 依存関係：
   • label-studio-sdk >= 0.9.0
   • uvicorn >= 0.15.0
   • python-multipart >= 0.2.1

インストール手順

Python パッケージマネージャーを使用して、必要な依存関係をインストールします。

pip install label-studio-sdk uvicorn python-multipart

📚 ドキュメント

環境変数の設定

サーバーを起動する前に、以下の環境変数を設定してください。

• LABEL_STUDIO_URL：Label Studio サービスの URL アドレス（例：http://localhost:8000）。
• LABEL_STUDIO_API_KEY：Label Studio API へのアクセスキー。

設定例

export LABEL_STUDIO_URL="http://localhost:8000"
export LABEL_STUDIO_API_KEY="your_api_key_here"

サーバーの起動

以下のコマンドを使用して、MCP サーバーを起動します。

python label-studio-mcp.py --transport http --port 3000

パラメータの説明：

• --transport {http|stdio}：通信のトランスポート方式を指定します（デフォルトは stdio）。
• --port PORT：HTTP トランスポートのポート番号を設定します（デフォルトは 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（デフォルトは 0.0.0.0）。

💻 使用例

基本的な使用法

1. 新しいプロジェクトを作成する：

create_label_studio_project --name "画像分類タスク" --description "画像分類アノテーション"

2. タスクファイル（例：tasks.json）を準備する：

[
  {
    "id": 1,
    "data": {
      "image": "path/to/image.jpg",
      "text": "画像内容の説明"
    },
    "annotations": []
  },
  {
    "id": 2,
    "data": {
      "image": "path/to/another_image.jpg",
      "text": "別の画像の説明"
    },
    "annotations": []
  }
]

3. タスクをプロジェクトにインポートする：

import_label_studio_tasks --project-id 1 --tasks-file tasks.json

4. すべてのタスクを一覧表示する：

list_label_studio_tasks --project-id 1

5. 特定のタスクのデータを取得する：

get_label_studio_task_data --task-id 1

6. 予測結果を生成する：

[
  {
    "result": [
      {
        "id": 1,
        "start_time": 0.1,
        "end_time": 0.2,
        "label": "cat"
      },
      {
        "id": 2,
        "start_time": 0.3,
        "end_time": 0.5,
        "label": "dog"
      }
    ],
    "score": 0.89
  }
]

7. 予測を追加する：

create_label_studio_prediction --task-id 1 --result-file predictions.json

📄 ライセンス

ライセンス情報は提供されていません。

連絡先

ヘルプが必要な場合やフィードバックを提供したい場合は、GitHub Issues を通じて問題を提出してください。