Was macht langfuse-mcp?
Ein MCP-Server (Model Context Protocol) für Langfuse, der KI-Agenten ermöglicht, Langfuse-Trace-Daten zur verbesserten Fehlersuche und Beobachtbarkeit abzufragen.
Ein MCP-Server (Model Context Protocol) für Langfuse, der KI-Agenten ermöglicht, Langfuse-Trace-Daten zur verbesserten Fehlersuche und Beobachtbarkeit abzufragen.
Dieser Skill bietet einen MCP-Server (Model Context Protocol) für die Integration mit Langfuse, einer Open-Source-Plattform zur LLM-Überwachung. Er ermöglicht es KI-Agenten (z. B. Claude Code, Cursor, Codex), direkt auf Langfuse-Trace-Daten zuzugreifen, einschließlich der Abfrage von Traces, Spans, Generierung von Metriken und Analysen. Dies ist besonders nützlich für Entwickler, die die Leistung von LLM-Anwendungen debuggen, optimieren und überwachen möchten. Der Server unterstützt mehrere Dienste, die es Agenten ermöglichen, Rohdaten oder aggregierte Metriken abzurufen und sogar eine Zusammenfassung der aktuellen Sitzung zu generieren. Die Langfuse-API-Schlüssel (Öffentlich und Geheim) werden über Umgebungsvariablen konfiguriert und die Setup- und Verwendungshinweise sind im Skill-Markdown klar dokumentiert. Dies verbessert die Beobachtbarkeit und erleichtert das Debuggen von KI-Workflows.
npx skills add avivsinai/langfuse-mcpInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Ein MCP-Server (Model Context Protocol) für Langfuse, der KI-Agenten ermöglicht, Langfuse-Trace-Daten zur verbesserten Fehlersuche und Beobachtbarkeit abzufragen.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.