Langfuse MCP 接入 Meta Muse

💡 无需安装? 直接使用 cloud.anythingmcp.com。 登录、点击 Connectors → Langfuse、粘贴凭证、生成 MCP API key，即可完成。无 Docker、无 git clone、无本地服务器。

Langfuse + Meta Muse

让你的 AI 读取 Langfuse 项目：带成本、token 和延迟的 LLM 追踪、观测和会话，随时间变化的指标，评分和评估，带版本和标签的提示词，数据集、数据集条目和实验。它还可以发布提示词版本、移动标签、添加评分并构建数据集。

前提条件

完整的设置说明已内置在连接器中 (在 store 中选择连接器时可见)。所需环境变量:

LANGFUSE_HOST, LANGFUSE_PUBLIC_KEY, LANGFUSE_SECRET_KEY

步骤 1 — 获取凭证

设置大约需要 3 分钟。你需要一个位于 Langfuse Cloud（EU、US、日本或 HIPAA）或自托管 Langfuse v4 上的 Langfuse 项目。

1. 在 Langfuse 中打开项目，依次进入 Settings、API Keys、Create new API keys。请使用项目密钥，而不是组织密钥。
2. 把公钥（pk-lf-...）复制到 LANGFUSE_PUBLIC_KEY，把私钥（sk-lf-...，只显示一次）复制到 LANGFUSE_SECRET_KEY。连接器以 HTTP Basic 认证发送它们。
3. 把 LANGFUSE_HOST 设置为项目所在区域，末尾不要加斜杠：https://cloud.langfuse.com（EU）、https://us.cloud.langfuse.com（US）、https://jp.cloud.langfuse.com（日本）、https://hipaa.cloud.langfuse.com（HIPAA），或你的自托管地址。一个区域的密钥在其他区域无效。
4. 安装连接器并运行 langfuse_get_project 检查密钥；langfuse_get_health 显示服务器版本。

费用：没有任何工具会运行模型。连接器只读写 Langfuse 数据；它显示的成本是 Langfuse 为你的应用的 LLM 调用记录下来的成本。

追踪数据：在 Langfuse v4 中，一条追踪是共享同一个 traceId 的一组观测（span、generation、工具调用、事件），一个会话是共享同一个 sessionId 的一组追踪。连接器从 Observations API v2 和 Metrics API v2 读取数据，这是实时读取路径；旧的 /traces、/sessions 和 /metrics/daily 端点已弃用（Langfuse Cloud 提供到 2026 年 11 月 16 日）。其他端点可能比数据接收晚约 10 分钟。

• langfuse_list_observations 按从新到旧列出行，并始终用 from_start_time 和 to_start_time 限定范围。过滤条件：type（LLM 调用为 GENERATION）、name、user_id、session_id、trace_id、level（失败为 ERROR）、environment、is_root_observation（true 时每条追踪一行）或结构化的 filter。fields 选择字段组 core、basic、time、io（输入和输出）、metadata、model、usage（token 和成本）、prompt、metrics（延迟）和 trace_context；默认为 core,basic,usage。
• langfuse_get_trace 返回一条追踪的所有观测，包括输入、输出、模型、用量和延迟；根节点没有 parentObservationId，并携带追踪的输入和输出。
• langfuse_get_session 默认为会话中的每条追踪返回一行；root_only: false 返回所有观测。
• langfuse_query_metrics 用于聚合。query 是一个 JSON 字符串，包含 view（observations、scores-numeric、scores-boolean、scores-categorical）、metrics（count、latency、totalTokens、totalCost 或 timeToFirstToken 等度量，以及聚合方式 sum、avg、count、max、min、p50、p75、p90、p95、p99）、dimensions（例如 providedModelName、traceName、promptName、promptVersion、environment、release）、timeDimension（按分钟、小时、天、周或月）、filters、fromTimestamp 和 toTimestamp。userId、sessionId 这类取值很多的字段可以用于过滤，但不能用于分组。

评分：langfuse_list_scores 可按 name、source（API、ANNOTATION、EVAL）、data_type、追踪、会话、观测、实验、取值范围和时间范围过滤；langfuse_list_score_configs 显示评分定义。langfuse_create_score 为追踪、观测、会话或实验运行添加一个评分（数值、以 0 或 1 表示的布尔值、类别或文本）。评分异步处理（HTTP 202），再次发送相同的 score_id 会覆盖它。

提示词：langfuse_list_prompts 列出名称及其版本、标签和 tag；langfuse_get_prompt 在未指定 version 或 label 时返回带 production 标签的版本。langfuse_create_prompt_version 发布文本提示词（含 {{variables}}）或对话提示词的新版本，新名称会创建新提示词；langfuse_update_prompt_labels 把 production、staging 等标签移到某个版本。移动 production 会改变你的应用获取的内容，所以 AI 会先征求你的确认。带文件夹的名称（如 support/greeting）按原样传入。

数据集和实验：langfuse_list_datasets、langfuse_get_dataset 和 langfuse_create_dataset（可为输入和期望输出指定 JSON Schema）；langfuse_list_dataset_items、langfuse_get_dataset_item 和 langfuse_upsert_dataset_item（创建条目，若 item_id 已存在则更新；status 设为 ARCHIVED 会让它不再出现在新的运行中）。langfuse_list_experiments 列出数据集运行和实验及其评分；from_start_time 为必填项。

Langfuse 自带的 MCP 服务器：Langfuse 还在 <LANGFUSE_HOST>/api/public/mcp 提供原生 MCP 服务器（使用同一对密钥），主要用于提示词管理。本连接器同样涵盖提示词，并额外提供追踪数据、指标、评分和数据集。

安装时关闭的工具：没有。全部 20 个工具都已启用；写入类工具会新增提示词版本、标签、评分、数据集和数据集条目，没有任何工具会删除数据。

数据格式：时间为 UTC 的 ISO 8601 格式。成本以美元计；在 v2 观测中，inputPrice、outputPrice 和 totalPrice 为字符串以保留小数精度，input 和 output 以 JSON 文本形式返回。指标中的延迟和首 token 时间以毫秒计。

分页：观测、追踪、会话、评分和实验使用游标：AI 会把 meta.cursor 作为 cursor 传回，直到它不再出现（观测默认 50 行，最多 1,000 行）。提示词、数据集、数据集条目和评分配置使用 page（从 1 开始）和 limit（默认 50，最多 100）；meta.totalPages 表示总页数。

限制：使用观测和指标工具时，自托管 Langfuse 必须是 v4 或更高版本。Observations API v2 和 Metrics API v2 之外的数据可能延迟约 10 分钟。

常见错误：400 表示参数错误（filter 或 query 的 JSON 格式有误、按取值很多的字段分组、limit 超过上限）；401 表示密钥对错误或区域不对；403 表示该密钥无权使用此端点（请使用项目密钥）；404 表示提示词、数据集或条目不存在，或自托管版本没有 v2 端点；429 表示触发速率限制（AI 会等待，而不是循环重试）。

该连接器不删除追踪、提示词、数据集或评分，也不发送追踪（这由 Langfuse SDK 通过 OpenTelemetry 完成）。不包括标注队列、LLM 连接以及组织或 SCIM 管理。

步骤 2 — 安装 adapter

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

步骤 3 — 在 Muse 中添加连接器

你的服务器 URL： 在 AnythingMCP 中打开 MCP Servers → 此连接器所在的服务器，复制它的 URL（https://cloud.anythingmcp.com/mcp/…）。本指南中出现 YOUR_SERVER_ID 的地方都用它替换。

Muse 以自定义连接器的形式添加远程 MCP 服务器，并通过 OAuth 登录。

1. 在 Muse 中打开 Settings → Connectors，选择 Add custom connector。
2. 粘贴 MCP 服务器 URL https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID。
3. Muse 会打开 AnythingMCP 的登录页面：登录并批准访问。
4. 在聊天中，向 Muse 提出需要用到 Langfuse 的工具的请求。

你也可以在聊天中完成设置，适用于网页版、iOS 和 Android 应用以及 WhatsApp。给 Muse 发送这条消息：

Create a Custom Connector for a new remote MCP server, then connect to it:
Name: AnythingMCP
Transport: remote streamable HTTP
URL: https://cloud.anythingmcp.com/mcp/YOUR_SERVER_ID
Auth: OAuth

自托管？请用你实例的公网 HTTPS 地址替换 https://cloud.anythingmcp.com。Muse 从 Meta 的云端连接，因此 localhost 无法使用。

可用工具

示例提示

• “过去 7 天里，我们的 LLM 调用按模型和天计算各花了多少钱？”
• “显示昨天 level 为 ERROR 的 generation，包括模型、输入和输出。”
• “显示会话 chat-8f21 的完整对话，以及每一轮的输入和输出。”
• “本周按追踪名称统计的 p95 延迟是多少？哪个变慢了？”
• “为提示词 support/greeting 发布一个语气更友好的新版本，但先不要移动 production 标签。”

FAQ

Muse 在哪些地区可用？ Meta 目前在美国和加拿大提供 Muse，可在网页版、iOS 和 Android 应用以及 WhatsApp 中使用。

Meta 会审核这个连接器吗？ 不会。Meta 不审核自定义连接器。Muse 只能看到你在 AnythingMCP 中为此 MCP 服务器启用的工具，你也可以随时在 Settings → Connectors 中断开它。

下一步

• 连接器主页
• 连接到 Claude
• 连接到 ChatGPT
• 连接到 Cursor
• 连接到 Gemini
• 连接到 Microsoft Copilot