Token导航 LogoToken导航

MCP Server · AI代理

Langfuse MCP Java

一个生产级的MCP服务器,用于将任何兼容MCP的AI代理连接到Langfuse可观察性数据,支持通过自然语言查询追踪、调试错误、检查会话、管理提示、运行评估、注释数据和配置模型。

stdio官方级别未说明来源级核验工具 55@modelcontextprotocol/inspector
JavaClaude自然语言查询Claude DesktopCursorVS Code

快速开始

作者 / 组织
Log-LogN
提供方
Log-LogN
运行时
Node.js

工具数量

55

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

2

仓库热度

收录来源

2 个

MCP World

选型结论

Langfuse MCP Java 属于AI代理类 MCP Server,公开资料标注 55 个工具,通过stdio 本地进程接入,适配 Claude Desktop、Claude、Cursor,有可以直接复制的安装命令;接入前要先准备 会话凭据。

分类

AI代理

传输方式

stdio

认证方式

会话凭据

部署方式

支持远程部署

安装与配置

安装命令

npx @modelcontextprotocol/inspector http://localhost:8080/mcp

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 55 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

廊坊MCP服务器——Java/Spring AI

一个生产级MCP服务器,将任何兼容MCP的AI代理连接到您的Langfuse可观察性数据。\ 查询跟踪、调试错误、检查会话、管理提示、运行评估、注释数据和配置模型——所有这些都是通过自然语言完成的。

运输: 端口8080上的流式HTTP,与Cursor、Claude Desktop、VS Code/GitHub Copilot以及任何支持HTTP传输的MCP客户端兼容。

______________________________________________________________________

为什么是这个服务器?

能力此服务器Langfuse MCP官方
痕迹和观察✅❌
会话和用户✅❌
异常跟踪✅❌
提示管理(读+写)✅✅ 只读
数据集和运行管理✅❌
分数和分数配置✅❌
注释队列✅❌
评论✅❌
模型定义✅❌
LLM连接✅❌
项目反思✅❌
模式自省✅❌
Java/Spring人工智能✅❌ python

______________________________________________________________________

先决条件

  • Java 21 或更高版本
  • Maven 3.9+ (或使用Docker构建——不需要本地Maven)
  • A. 廊坊 具有API密钥对的帐户(public-key + secret-key)

______________________________________________________________________

快速开始

# 1. Build
mvn clean package -DskipTests

# 2. Set credentials
export LANGFUSE_PUBLIC_KEY=pk-lf-...
export LANGFUSE_SECRET_KEY=sk-lf-...
export LANGFUSE_HOST=https://cloud.langfuse.com

# 3. Run (Streamable HTTP transport — port 8080)
java -jar target/langfuse-mcp-1.0.0.jar

# 4. Verify
curl http://localhost:8080/actuator/health

# 5. Inspect all tools
npx @modelcontextprotocol/inspector http://localhost:8080/mcp

从获取凭据 朗富士云 → 设置→ API密钥。\ 自助式廊坊?集 LANGFUSE_HOST 到您的实例URL。

______________________________________________________________________

配置

所有配置均由环境变量驱动(或 application.yml 用于本地覆盖)。

属性环境变量必需默认值描述
langfuse.public-keyLANGFUSE_PUBLIC_KEY✅—廊坊项目公钥
langfuse.secret-keyLANGFUSE_SECRET_KEY✅—Langfuse项目密钥
langfuse.hostLANGFUSE_HOST✅—Langfuse基本URL,例如。 https://cloud.langfuse.com
langfuse.timeoutLANGFUSE_TIMEOUT❌30sHTTP请求超时——Spring持续时间格式,例如。 30s, 1m, 90s
langfuse.read-only—❌true信息标志;写操作可以通过特定的工具进行

尾随斜线处理

LANGFUSE_HOST 可以指定带有或不带有尾随斜线——服务器会自动对其进行标准化。

______________________________________________________________________

客户端配置

光标(.cursor/mcp.json)

{
  "mcpServers": {
    "langfuse": {
      "url": "http://localhost:8080/mcp"
    }
  }
}

克劳德桌面(claude_desktop_config.json)

{
  "mcpServers": {
    "langfuse": {
      "url": "http://localhost:8080/mcp"
    }
  }
}

在macOS上: ~/Library/Application Support/Claude/claude_desktop_config.json

VS代码/GitHub副本

URL模式:

{
  "github.copilot.chat.mcp.servers": {
    "langfuse": {
      "url": "http://localhost:8080/mcp"
    }
  }
}

命令模式 (仅限stdio客户端):

{
  "github.copilot.chat.mcp.servers": {
    "langfuse": {
      "command": "java",
      "args": ["-jar", "/absolute/path/to/langfuse-mcp-1.0.0.jar"],
      "env": {
        "LANGFUSE_PUBLIC_KEY": "pk-lf-...",
        "LANGFUSE_SECRET_KEY": "sk-lf-...",
        "LANGFUSE_HOST": "https://cloud.langfuse.com"
      }
    }
  }
}
注: MCP端点为 /mcp (可流式传输HTTP)。传统的苏格兰和南方能源公司 /sse 此服务器未使用终结点。

______________________________________________________________________

码头工人

这 Dockerfile 是一个多阶段构建:它在Docker中编译Spring Boot jar,并在端口上运行MCP服务器 8080不需要本地安装Maven。

# Build image (compiles inside Docker)
docker build -t langfuse-mcp:latest .

# Run
docker run --rm -p 8080:8080 \
  -e LANGFUSE_PUBLIC_KEY=pk-lf-... \
  -e LANGFUSE_SECRET_KEY=sk-lf-... \
  -e LANGFUSE_HOST=https://cloud.langfuse.com \
  langfuse-mcp:latest

容器启动后:

端点URL
健康检查http://localhost:8080/actuator/health
Pinghttp://localhost:8080/ping
MCP端点http://localhost:8080/mcp

Langfuse在同一主机上的另一个容器中运行:

-e LANGFUSE_HOST=http://host.docker.internal:3000

______________________________________________________________________

工具参考(共55个)

每个工具都返回一致的 ApiResponse 信封:

{ "success": true,  "data": { ... }, "timestamp": "2025-01-15T10:30:00Z" }
{ "success": false, "errorCode": "TRACE_NOT_FOUND", "errorMessage": "...", "timestamp": "..." }

分页列表响应将其项目包装在一个 PagedResponse:

{
  "data": [ ... ],
  "meta": { "page": 1, "limit": 20, "totalItems": 142, "totalPages": 8 }
}

分页是基于1的(page 默认为 1). limit 默认为 20 并且上限为 100 如有注明。要浏览结果,请递增 page 同时保持 limit 固定的。

______________________________________________________________________

痕迹(8个工具)

工具说明
fetch_traces分页的痕迹列表。筛选依据 userId, name, sessionId, tags, fromTimestamp, toTimestamp.
fetch_trace单个跟踪的完整细节,包括嵌套观察、输入/输出、元数据、延迟和令牌使用。需要 traceId.
find_exceptions痕迹谁 level 等于 ERROR.支持时间范围和分页。
find_exceptions_in_file元数据包含给定文件名子字符串的错误级别跟踪。需要 fileName.
get_exception_details单个错误跟踪的完整细节。需要 traceId.
get_error_count计数 ERROR-时间范围内的电平跟踪(扫描多达500条跟踪)。
delete_trace按ID永久删除单个跟踪。 不可逆转。
delete_traces永久删除多个痕迹。传递一个以逗号分隔的跟踪ID列表。 不可逆转。

______________________________________________________________________

会话(3个工具)

工具说明
fetch_sessions带有可选时间范围过滤器的分页会话列表。
get_session_details完整的会话细节,包括其所有痕迹。需要 sessionId.
get_user_sessions具有分页的特定用户的所有会话。需要 userId.

______________________________________________________________________

提示(5个工具)

工具说明
list_prompts项目中所有提示的分页列表。
get_prompt按名称获取提示。可选地固定到 version 数字或a label (例如。 production, staging).
create_prompt创建新提示或将新版本附加到现有提示。 type 是 text (纯字符串)或 chat (JSON数组 {role, content} 消息)。支持逗号分隔 labels 和 tags.
delete_prompt按名称删除提示版本。特定范围 label 或 version;省略两者以删除所有版本。 不可逆转。
update_prompt_labels替换特定提示版本上的完整标签集。提供一个空字符串以删除所有标签。这 latest 标签由Langfuse保留。

______________________________________________________________________

数据集(7个工具)

工具说明
list_datasets所有评估数据集的分页列表。
get_dataset按确切名称获取数据集。
create_dataset创建新数据集。可选供应 description, metadataJson, inputSchemaJson,以及 expectedOutputSchemaJson (全部为JSON字符串)。
list_dataset_items数据集中的分页项目列表。需要 datasetName.
get_dataset_item按ID获取单个数据集项
create_dataset_item创建或追加销售数据集项。可选链接到 sourceTraceId 或 sourceObservationId.支持 itemId 用于扰乱语义。
delete_dataset_item按ID永久删除数据集项。 不可逆转。

______________________________________________________________________

数据集运行(5个工具)

工具说明
list_dataset_runs数据集的实验运行分页列表。需要 datasetName.
get_dataset_run完整的跑步细节,包括所有跑步项目。需要 datasetName 和 runName.
delete_dataset_run删除跑步记录及其所有项目。 不可逆转。 需要 datasetName 和 runName.
list_dataset_run_items跑步中项目的分页列表。需要 datasetId 和 runName.
create_dataset_run_item创建一个运行项,将数据集项链接到跟踪/观察。如果运行尚不存在,则自动创建运行。

______________________________________________________________________

指标(1个工具)

工具说明
get_cost_metrics通过Metrics API v1查询Langfuse成本、令牌、延迟和使用分析。镜像:GET/api/public/metrics?查询=。将完整查询作为JSON字符串传递。所有聚合都是服务器端的。

此工具接受单个必需参数 query 其必须是与度量API模式匹配的JSON串行化字符串。示例(将这些作为单个JSON字符串传递):

  • 过去7天的总成本:

{“视图”:“跟踪”,“指标”:\[{“度量”:“总成本”,“聚合”:“总和”}\],“来自时间戳”:“2026-03-18T00:00:00Z”,“到时间戳”:“2026-03-25T23:59:59Z”}

  • 本周每日成本趋势:

{“视图”:“跟踪”,“指标”:\[{“度量”:“总成本”,“聚合”:“总和”},{“度量值”:“计数”,“聚集”:“计数值”}\],“时间维度”:{“粒度”:“天”},“从时间戳”:“2026-03-18T00:00:00Z”,“到时间戳”:“2026-03-25T23:59:59Z”}

  • 按型号列出的成本:

{“view”:“observation”,“dimensions”:\[{“field”:“providedModelName”}\],“metrics”:\[{“measures”:“totalCost”,“aggregation”:“sum”},{“measure”:“totalTokens”,“聚合”:“summ”}\]

  • 特定用户的成本:

{“view”:“traces”,“metrics”:\[{“measure”:“totalCost”,“aggregation”:“sum”\],“filters”:\](https://opensource.org/licenses/MIT)

工具与能力

工具数量

55

资源数量

0

提示词数量

0

能力标签

AI代理连接Java本地部署可观察性数据自然语言查询Java服务SpringAI

支持客户端

Claude DesktopClaudeCursorVS Code

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

多步任务编排

把拆解、检索、执行串成一条链,模型按步骤调用工具。

长期上下文

把会话、笔记和知识放到外部存储,换个会话还能接着做。

接自有流程

把内部系统和模型连起来,让助手调用已有的工作流。

选择建议

值得选的地方

  • 工具数量 55 个,一次接入能覆盖的操作比单点工具更全。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已经适配 Claude Desktop、Claude、Cursor,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好 Node.js,换机器要重新装一遍。
  • 需要自备会话凭据,没有凭据没法直接试。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到会话凭据的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Langfuse MCP Java

MCP World · 本页

55stdio有2 个2026-05-17
Everything Claude Code

MCP World

0stdio有1 个2026-05-17
Filesystem 560c4363

MCP World

13未说明未标注2 个2026-05-17
Time 7365cb6d

MCP.so

2SSE有2 个2026-05-17
Server Everything (everything)

MCP World

11stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Langfuse MCP Java 怎么安装?

公开资料给出的安装命令是 npx @modelcontextprotocol/inspector http://localhost:8080/mcp,运行环境为 Node.js。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Langfuse MCP Java 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Node.js;保存后完全退出客户端再打开,配置才会生效。

Langfuse MCP Java 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Langfuse MCP Java 需要 API Key 吗?

公开资料标注的认证方式是会话凭据,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

Langfuse MCP Java 支持哪些客户端?

公开资料标注支持 Claude Desktop、Claude、Cursor、VS Code;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP