Langfuse MCPでClaudeと連携

💡 インストール不要? cloud.anythingmcp.com を直接利用してください。 サインインし、Connectors → Langfuse をクリック、認証情報を貼り付け、MCP API キーを発行すれば完了です。Docker も git clone もローカルサーバーも不要。

Langfuse + Claude

AI で Langfuse プロジェクトを読み取ります：コスト、トークン、レイテンシ付きの LLM トレース、オブザベーション、セッション、時系列のメトリクス、スコアと評価、バージョンとラベル付きのプロンプト、データセット、データセットアイテム、実験。プロンプトのバージョン公開、ラベルの移動、スコアの追加、データセットの作成もできます。

前提条件

完全なセットアップ手順はコネクタ自体に組み込まれています (ストアでコネクタを選択すると表示)。必要な環境変数:

LANGFUSE_HOST, LANGFUSE_PUBLIC_KEY, LANGFUSE_SECRET_KEY

ステップ 1 — 認証情報を取得

セットアップは約 3 分です。Langfuse Cloud（EU、US、日本、HIPAA）またはセルフホストの Langfuse v4 上のプロジェクトが必要です。

1. Langfuse でプロジェクトを開き、Settings、API Keys、Create new API keys の順に進みます。組織キーではなくプロジェクトキーを使ってください。
2. 公開キー（pk-lf-...）を LANGFUSE_PUBLIC_KEY に、シークレットキー（sk-lf-...、一度しか表示されません）を LANGFUSE_SECRET_KEY にコピーします。コネクタは両方を HTTP Basic 認証で送ります。
3. LANGFUSE_HOST に、プロジェクトのリージョンを末尾のスラッシュなしで設定します：https://cloud.langfuse.com（EU）、https://us.cloud.langfuse.com（US）、https://jp.cloud.langfuse.com（日本）、https://hipaa.cloud.langfuse.com（HIPAA）、またはセルフホストのアドレス。あるリージョンのキーは別のリージョンでは使えません。
4. コネクタをインストールし、langfuse_get_project を実行してキーを確認します。langfuse_get_health でサーバーのバージョンがわかります。

費用: モデルを実行するツールはありません。コネクタは Langfuse のデータを読み書きするだけで、表示されるコストは、アプリケーションの LLM 呼び出しについて Langfuse が記録したものです。

トレースデータ: Langfuse v4 では、トレースは同じ traceId を持つオブザベーション（スパン、ジェネレーション、ツール呼び出し、イベント）の集まりで、セッションは同じ sessionId を持つトレースの集まりです。コネクタはリアルタイムの読み取り経路である Observations API v2 と Metrics API v2 から読み取ります。古い /traces、/sessions、/metrics/daily エンドポイントは非推奨です（Langfuse Cloud では 2026 年 11 月 16 日まで提供）。ほかのエンドポイントは取り込みから 10 分ほど遅れることがあります。

• langfuse_list_observations は行を新しい順に返し、常に from_start_time と to_start_time で範囲を区切ります。フィルター：type（LLM 呼び出しは GENERATION）、name、user_id、session_id、trace_id、level（失敗は ERROR）、environment、is_root_observation（true でトレースごとに 1 行）、構造化した filter。fields でフィールドグループ core、basic、time、io（入出力）、metadata、model、usage（トークンとコスト）、prompt、metrics（レイテンシ）、trace_context を選びます。既定は core,basic,usage です。
• langfuse_get_trace は 1 つのトレースのすべてのオブザベーションを、入出力、モデル、使用量、レイテンシとともに返します。ルートには parentObservationId がなく、トレースの入出力を持ちます。
• langfuse_get_session は既定でセッション内のトレースごとに 1 行を返し、root_only: false ですべてのオブザベーションを返します。
• langfuse_query_metrics は集計を行います。query は JSON 文字列で、view（observations、scores-numeric、scores-boolean、scores-categorical）、metrics（count、latency、totalTokens、totalCost、timeToFirstToken などの指標と、集計 sum、avg、count、max、min、p50、p75、p90、p95、p99）、dimensions（providedModelName、traceName、promptName、promptVersion、environment、release など）、timeDimension（分、時、日、週、月ごと）、filters、fromTimestamp、toTimestamp を含みます。userId や sessionId のように値の種類が多いフィールドは、絞り込みには使えますがグループ化には使えません。

スコア: langfuse_list_scores は name、source（API、ANNOTATION、EVAL）、data_type、トレース、セッション、オブザベーション、実験、値の範囲、期間で絞り込みます。langfuse_list_score_configs はスコアの定義を表示します。langfuse_create_score は、トレース、オブザベーション、セッション、実験の実行に 1 つのスコア（数値、0 または 1 のブール値、カテゴリ、テキスト）を追加します。処理は非同期（HTTP 202）で、同じ score_id を再送すると上書きされます。

プロンプト: langfuse_list_prompts は名前をバージョン、ラベル、タグとともに一覧表示します。langfuse_get_prompt は、version も label も指定しなければ production ラベルの付いたバージョンを返します。langfuse_create_prompt_version はテキストプロンプト（{{variables}} 付き）またはチャットプロンプトの新しいバージョンを公開し、新しい名前ならプロンプトを作成します。langfuse_update_prompt_labels は production や staging などのラベルをあるバージョンに移します。production を移すとアプリケーションが取得する内容が変わるため、AI は事前に確認します。support/greeting のようなフォルダ付きの名前はそのまま渡します。

データセットと実験: langfuse_list_datasets、langfuse_get_dataset、langfuse_create_dataset（入力と期待出力の JSON スキーマも指定可能）、langfuse_list_dataset_items、langfuse_get_dataset_item、langfuse_upsert_dataset_item（アイテムを作成し、item_id が既存なら更新します。status を ARCHIVED にすると新しい実行から外れます）。langfuse_list_experiments はデータセットの実行と実験をスコアとともに一覧表示します。from_start_time は必須です。

Langfuse 自身の MCP サーバー: Langfuse は <LANGFUSE_HOST>/api/public/mcp でネイティブの MCP サーバーも提供しています（同じキーペアを使用）。主にプロンプト管理向けです。このコネクタはプロンプトに加え、トレースデータ、メトリクス、スコア、データセットも扱います。

インストール時にオフのツール: ありません。20 個のツールはすべて有効です。書き込み系のツールはプロンプトのバージョン、ラベル、スコア、データセット、アイテムを追加しますが、削除するものはありません。

データ形式: 時刻は UTC の ISO 8601 です。コストは USD で、v2 のオブザベーションでは inputPrice、outputPrice、totalPrice が小数の精度を保つため文字列になり、input と output は JSON テキストで届きます。メトリクスのレイテンシと最初のトークンまでの時間はミリ秒です。

ページング: オブザベーション、トレース、セッション、スコア、実験はカーソルを使います。AI は meta.cursor がなくなるまで、それを cursor に渡します（オブザベーションは既定 50 行、最大 1,000 行）。プロンプト、データセット、アイテム、スコア設定は page（1 から）と limit（既定 50、最大 100）を使い、meta.totalPages で総ページ数がわかります。

制限: オブザベーションとメトリクスのツールを使うには、セルフホストの Langfuse が v4 以降である必要があります。Observations API v2 と Metrics API v2 以外のデータは 10 分ほど遅れることがあります。

よくあるエラー: 400 はパラメータの誤りです（filter や query の JSON の不備、値の種類が多いフィールドでのグループ化、上限を超える limit）。401 はキーペアかリージョンの誤りです。403 はキーがこのエンドポイントを使えません（プロジェクトキーを使ってください）。404 はプロンプト、データセット、アイテムが見つからないか、v2 エンドポイントのないセルフホスト版です。429 はレート制限です（AI はループで再試行せずに待ちます）。

このコネクタは、トレース、プロンプト、データセット、スコアの削除は行わず、トレースの送信も行いません（それは Langfuse の SDK が OpenTelemetry で行います）。アノテーションキュー、LLM 接続、組織や SCIM の管理は含まれていません。

ステップ 2 — アダプターをインストール

curl -fsSL https://raw.githubusercontent.com/HelpCode-ai/anythingmcp/main/docker-compose.quickstart.yml -o docker-compose.yml
printf 'JWT_SECRET=%s\nENCRYPTION_KEY=%s\n' "$(openssl rand -hex 32)" "$(openssl rand -hex 32)" > .env
docker compose up -d

ステップ 3 — Claude にコネクタを追加

サーバーURL: AnythingMCP で MCP Servers を開き、このコネクタがあるサーバーを選んで URL（https://cloud.anythingmcp.com/mcp/…）をコピーします。このガイドで YOUR_SERVER_ID と表示されている箇所に使ってください。

推奨ルート：設定ファイルを触らずに claude.ai web で動作します。

1. Claude で Customize → Connectors を開きます。
2. + をクリックし、Add custom connector を選びます。
3. 名前（例: Langfuse）とリモート MCP サーバー URL https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID を入力し、Add をクリックします。
4. Connect をクリックし、AnythingMCP にサインイン（OAuth）してアクセスを許可します。

下記のすべてのツールがチャットに表示されます。プロンプトを入力し始めてください。

利用可能なツール

プロンプトの例

• 「過去 7 日間の LLM 呼び出しのコストを、モデル別・日別に教えてください。」
• 「昨日の level が ERROR のジェネレーションを、モデル、入力、出力付きで見せてください。」
• 「セッション chat-8f21 の会話全体を、各ターンの入力と出力付きで見せてください。」
• 「今週のトレース名ごとの p95 レイテンシはどれくらいですか？遅くなったものはどれですか？」
• 「プロンプト support/greeting の、より親しみやすい口調の新しいバージョンを公開してください。ただし production ラベルはまだ移さないでください。」

FAQ

Claude Code は Claude Desktop と同じように動作しますか? はい。両方を https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID に向けてください。

次のステップ

• コネクタのランディング
• ChatGPT に接続
• Cursor に接続
• Gemini に接続
• Meta Muse に接続
• Microsoft Copilot に接続