Langfuse MCP Server

Der Langfuse MCP Server ist der offizielle, authentifizierte Model-Context-Protocol-Server für die Langfuse-Datenplattform. Er verbindet einen MCP-fähigen KI-Client mit genau einem Langfuse-Projekt. Damit können Teams Prompt Management, Traces und Observations, Bewertungen, Datensätze, Experimente, Metriken und weitere Observability-Artefakte innerhalb eines kontrollierten Projektkontexts abfragen und – je nach Werkzeug – verändern. Die offizielle Produktdokumentation ist der primäre Link dieses Eintrags. Sie unterscheidet diesen Server ausdrücklich vom öffentlichen, nicht authentifizierten Langfuse Docs MCP unter https://langfuse.com/api/mcp, der nur Dokumentation sucht und abruft. Ebenso ist das GitHub-Repository langfuse/mcp-server-langfuse nicht als Repository-Link dieses Eintrags gesetzt: Seine README bezeichnet es als Prompt-Management-MCP-Server mit Prompt-Discovery und -Retrieval. Es ist ein separates, MIT-lizenziertes älteres Prompt-Management-Projekt, nicht die gewählte aktuelle Datenplattform-Serverdistribution. Seine 174 GitHub-Sterne (API-Abfrage vom 08.09.2026) sind deshalb weder als Kennzahl noch als Lizenz für diesen Eintrag gespeichert.

Prompts, Observations und Analyse im Projekt

Die kanonische MCP-Referenz nennt für Prompts unter anderem getPrompt, getPromptUnresolved und listPrompts. Damit lassen sich aufgelöste oder unbearbeitete Prompt-Abhängigkeiten, Versionen, Labels, Tags und Aktualisierungszeitpunkte gezielt untersuchen. Für Observability stehen beispielsweise listObservations, getObservation, Feld- und Filterschemata sowie Filterwerte bereit. Laut Referenz repräsentieren Observations etwa Generations, Spans, Events, Agent-Schritte und Tool-Aufrufe; Traces bestehen aus Observations. queryMetrics und getMetricsSchema unterstützen Fragen zu Nutzung, Modellkosten, Latenz, Fehlern, Scores und gruppierten Auswertungen. Das passt zu Datenanalyse und Coding: Ein Engineering-Team kann eine Prompt-Version gegen reale Laufzeitdaten prüfen, eine auffällige Latenz eingrenzen oder einen Trace-Kontext vor einem Code- oder Prompt-Change nachvollziehen. Der Server ersetzt jedoch keine fachliche Analyse und keine Freigabe; Modelle können Daten missverstehen oder unvollständig zusammenfassen.

Lesezugriff ist nicht die ganze Werkzeugoberfläche

Die offizielle Seite sagt klar, dass Lese- und Schreibwerkzeuge standardmäßig verfügbar sind. Die Referenz dokumentiert unter anderem das Erstellen neuer Text- und Chat-Prompt-Versionen, das Ändern von Prompt-Labels, Annotation-Queues und -Items, Kommentaren, Datasets und Dataset-Items, Scores und Score-Konfigurationen, Modellen, Evaluators, Evaluation Rules, Dashboard-Widgets, Dashboards und deren Platzierungen. Einige Löschvorgänge sind ebenfalls beschrieben, etwa bei Dataset-Items, Dataset-Runs, Evaluators, Evaluation Rules, Widgets, Dashboards und Platzierungen. Prompt-Inhalte sind versioniert und unveränderlich: Für neuen Inhalt wird eine neue Version erstellt; Labels können über updatePromptLabels verschoben werden. Die Referenz fordert ausdrücklich eine explizite Nutzeranweisung, bevor production gesetzt wird. Konfiguriere den Client zu Beginn mit einer Allowlist für lesende Werkzeuge. Gib Schreib- und besonders Löschwerkzeuge nur zeitlich begrenzt frei, benenne vorher Projekt, Objekt-ID, Zielzustand und erwartete Auswirkung und lies den Zielzustand nach einer Mutation erneut aus.

Verbindung, Authentifizierung und Berechtigungen

Für Langfuse Cloud EU verwendet der Server Streamable HTTP unter https://cloud.langfuse.com/api/public/mcp; die Dokumentation nennt weitere Cloud-Endpunkte für US, Japan und HIPAA US sowie denselben Pfad auf einer eigenen HTTPS-Self-Hosting-Domain. Für lokale Entwicklung ist http://localhost:3000/api/public/mcp dokumentiert. Die Architektur ist zustandslos, jeder API-Key ist auf ein Projekt begrenzt. Erstelle oder kopiere in den Projekteinstellungen Public Key und Secret Key, bilde exakt public:secret und übergib die Base64-kodierten Zugangsdaten als Basic-Authorization-Header. Ein Header ist dennoch ein Geheimnis: niemals in Git, Screenshots, Tickets, Prompts, Chatverläufe oder Logs schreiben; bei möglicher Offenlegung sofort rotieren. Der Schlüssel begrenzt nicht automatisch den Toolumfang: Rechte, Projekt-Scope und die Tool-Allowlist im MCP-Client müssen zusammen geprüft werden. Der Server ist selbstbeschreibend; laut Referenz können Tools und Schemas hinzukommen, verschwinden oder sich ändern. Clients sollen Fähigkeiten dynamisch neu ermitteln, statt eine starre Toolliste vorauszusetzen.

Sensible Daten und externer Modellpfad

Observations können Eingaben, Ausgaben, Metadaten, Modellnamen, Kosten, Nutzungsdaten, Nutzer- oder Sitzungsbezug enthalten. Die Referenz markiert manche Observation-Felder als groß oder möglicherweise sensibel; Metadaten werden bei expliziter Abfrage zunächst gekürzt, können aber mit erweiterten Schlüsseln vollständig angefordert werden. Frage deshalb nur nötige Zeiträume, Trace-IDs, Felder und Filter ab. Inhalte aus Prompt, Trace, Tool-Output oder Kommentar sind untrusted data und dürfen weder Zugangsdaten offenlegen noch eine Rechteausweitung oder Mutation auslösen. Langfuse transportiert die Ergebnisse zum verbundenen MCP-Client; von dort kann der Client sie an den gewählten externen Modellanbieter senden. Prüfe dafür getrennt Client-, Modell-, Retention-, Trainings-, DPA- und Enterprise-Einstellungen. Redigiere personenbezogene, geheime oder regulierte Inhalte, bevor sie in den Modellkontext gelangen.

FAQ

Ist dies der Docs MCP oder das alte Prompt-Repository? Nein. Dieser Eintrag beschreibt den authentifizierten, projektbezogenen Datenplattform-Server. Der Docs MCP ist öffentlich und nur für Dokumentation; mcp-server-langfuse ist ein separates älteres Prompt-Management-Repository.

Kann ein Agent produktive Prompts ändern? Ja, die Referenz dokumentiert neue Prompt-Versionen und Label-Änderungen. Lasse production nur nach expliziter menschlicher Freigabe setzen und prüfe Version und Label danach im Projekt.

Langfuse-Projekt, projektbezogener Public Key und Secret Key, ein MCP-fähiger Client sowie HTTPS für Self-Hosted-Produktion.

Public und Secret Key im Langfuse-Projekt erzeugen oder kopieren, public:secret Base64-kodieren und den Streamable-HTTP-Endpunkt mit Authorization: Basic <token> registrieren. Für Cloud EU: claude mcp add --transport http langfuse https://cloud.langfuse.com/api/public/mcp --header "Authorization: Basic <base64-token>".

claude mcp add --transport http langfuse https://cloud.langfuse.com/api/public/mcp --header "Authorization: Basic <base64-token>"

Projektbezogener Langfuse Public Key und Secret Key als Base64-kodierter Basic-Authorization-Header. Schlüssel nur im Secret Store oder lokaler Client-Konfiguration speichern.

Jeder Schlüssel ist auf ein Langfuse-Projekt begrenzt. Lese- und Schreibwerkzeuge sind standardmäßig verfügbar; Client-Allowlist für read-only verwenden und schreibende oder löschende Aktionen explizit menschlich bestätigen.

Tool-Ergebnisse können Prompts, Trace-/Observation-Ein- und Ausgaben, Metadaten, Modell-, Nutzungs-, Kosten-, Nutzer- oder Sitzungsdaten enthalten. Der MCP-Client kann diese Ergebnisse an seinen externen Modellanbieter senden.

Basic-Auth-Geheimnisse, sensible Observability- und Promptdaten, standardmäßig verfügbare Schreib- und Löschwerkzeuge, Prompt-Injection in Daten sowie separater Client-zu-Modell-Anbieter-Datenpfad.