Langfuse MCP — это сервер, который дает агенту в Claude Code или Cursor прямой доступ к трейсам, метрикам и промптам вашего проекта в Langfuse. Вместо того чтобы вручную открывать веб-интерфейс и искать нужную трассировку, вы просто спрашиваете агент…
400 000+ органических переходов за 3 месяца. Со-основатель GoBanana (231K пользователей, 12+ млн ₽ без рекламы) и NeuroScribe (65K пользователей). SEO/GEO-стратегии для AI-поисковиков, 1 700+ единиц контента, 17+ реализованных стратегий.
Об авторе →Claude Code: новый CLI-агент от Anthropic
Anthropic выпустила Claude Code — терминальный AI-агент для разработчиков. Инструмент работает прямо в командной строке и умеет писать, редактировать и запускать код.
Zcode AI: Полный гид по визуальному интерфейсу для Claude Code и AI-агентов
Узнайте, как использовать Zcode для управления Claude Code, Gemini и Codex в едином GUI. Настройка провайдеров, MCP-серверов и визуальный вайбкодинг.
YouTube-канал с монетизацией из любой точки мира: Пошаговый гайд 2026
Инструкция по созданию YouTube-канала: обход блокировок SMS, настройка расширенных функций через виртуальные номера и правила безопасности для монетизации.
Windsurf Code Maps: Как глубоко понимать архитектуру проекта перед написанием кода
Полный гайд по Windsurf Code Maps, модели Sway 1.5 и Sway Grep. Узнайте, как визуализировать архитектуру кода и ускорить разработку в 13 раз.
Vk Fast Cash Strategy
Аудитория ВКонтакте — это те же люди, что и в Instagram, но 'социальный контракт' площадки другой. Если Instagram — это 'дорогой ресторан' с демонстрацией успеха, то VK — это 'душевная шашлычная'. Здесь не работает глянцевый 'успешный успех
Langfuse MCP — это сервер, который дает агенту в Claude Code или Cursor прямой доступ к трейсам, метрикам и промптам вашего проекта в Langfuse. Вместо того чтобы вручную открывать веб-интерфейс и искать нужную трассировку, вы просто спрашиваете агента "почему вчера вырос счет за API" и получаете ответ на основе реальных данных. Разберем подключение к обоим редакторам и пример рабочего сценария отладки.
Langfuse MCP покрывает почти всю платформу: обсервейшены, метрики, скоры, промпты, датасеты и комментарии. Подключение занимает пять-семь минут для Claude Code и Cursor. Ниже — команды, конфиг и живой пример диалога с агентом, который сам находит причину дорогого запроса.
Langfuse MCP превращает данные наблюдаемости в обычный инструмент агента внутри его рабочего цикла. Агент запрашивает трейсы через MCP так же, как вызывает файловую систему или терминал.
Подключение observability-платформы к кодинг-агенту это тот же паттерн, что мы уже разбирали на примере Playwright MCP: инструмент, который раньше требовал переключения контекста в браузер или веб-панель, встраивается прямо в диалог с агентом. С Langfuse разница в том, что вместо DOM-страницы агент получает данные о стоимости, латентности и содержимом промптов реальных вызовов модели.
Смысл не в том, чтобы агент показал вам голые цифры. Он может сопоставить дорогой или сломанный запрос с конкретным файлом в кодовой базе и предложить правку. Про сам протокол MCP и общую механику подключения инструментов мы подробно писали в статье про Playwright MCP — здесь не будем повторять это с нуля.
Один код в терминале и заголовок с base64-токеном из пары ключей проекта. Claude Code сохраняет сервер в конфиг и подтягивает инструменты после команды /mcp.
Официальный MCP-сервер Langfuse работает по HTTP и авторизуется Basic-заголовком, собранным из publishable и secret ключа вашего проекта. Никакого отдельного npm-пакета устанавливать не нужно — сервер уже развернут на стороне Langfuse.
Сначала собираем токен. В Langfuse откройте Settings проекта, скопируйте public key (pk-lf-...) и secret key (sk-lf-...), затем закодируйте пару в base64:
echo -n "pk-lf-ВАШКЛЮЧ:sk-lf-ВАШСЕКРЕТ" | base64Дальше регистрируем сервер одной командой:
claude mcp add --transport http langfuse \
https://cloud.langfuse.com/api/public/mcp \
--header "Authorization: Basic <ваш-base64-токен>"Для self-hosted инстанса замените адрес на свой домен, обязательно по HTTPS. После добавления запустите claude и наберите /mcp — сервер должен появиться в списке подключенных. Если у вас несколько проектов Langfuse (например, продакшен и стейджинг), регистрируйте каждый под отдельным именем — иначе агент будет путать трейсы разных окружений.
В Cursor тот же сервер добавляется через файл mcp.json — глобально в настройках или локально в конкретном репозитории.
Cursor использует json-конфигурацию вместо CLI-команды. Для сервера на весь аккаунт идем в Cursor Settings → Tools & Integrations → New MCP Server. Для одного репозитория создаем .cursor/mcp.json прямо в проекте:
{
"mcpServers": {
"langfuse": {
"url": "https://cloud.langfuse.com/api/public/mcp",
"transport": "streamableHttp",
"headers": {
"Authorization": "Basic <ваш-base64-токен>"
}
}
}
}После сохранения агент Cursor сам увидит доступные инструменты Langfuse и подтянет их, когда задача этого потребует. Можно и явно попросить: "проверь через Langfuse последние трейсы с ошибками" — агент вызовет нужный инструмент напрямую, не дожидаясь, пока догадается сам.
Ценность не в замене UI на текстовый интерфейс. Агент читает трейс, сопоставляет его с кодом проекта и предлагает конкретную правку — например добавить prompt caching для системного промпта.
Через MCP агент видит не изолированную цифру "стоимость выросла", а полную цепочку: какой промпт вызвал скачок, сколько токенов ушло на system prompt, какая модель обрабатывала запрос. Дальше он открывает файл, где этот промпт собирается в коде, и смотрит, не пересобирается ли системная часть заново на каждый вызов — классическая причина раздутого счета.
Если системный промпт статичен, но кэширование не настроено, агент предложит добавить prompt caching: вынести неизменную часть промпта в кэшируемый блок и оставить динамическим только пользовательский ввод. Экономия обычно заметна уже на следующей сотне запросов, потому что кэшированные токены стоят кратно дешевле обычных input-токенов.
Разработчик описывает жалобу пользователя одной фразой, а не ищет трассировку вручную. Агент сам находит нужный трейс через Langfuse MCP и ставит диагноз.
Возьмем частый кейс: пользователь пишет, что бот ответил невпопад вчера около обеда. Раньше это значило открыть Langfuse, выставить фильтр по времени, пролистать десятки трейсов и вручную сопоставить их с жалобой. С подключенным MCP цикл короче.
Пример диалога:
Разработчик: Пользователь жалуется, что вчера около 14:00 бот ответил не на тот вопрос в чате поддержки. Найди трейс и скажи, что пошло не так.
Агент не просто процитировал JSON трассировки — он связал низкий confidence score с конкретной причиной и предложил измеримое исправление. Это и есть разница между дашбордом, который вы читаете сами, и observability, встроенной в агентный цикл.
| Тип данных | Что доступно агенту |
|---|---|
| Трейсы и обсервейшены | Полное дерево вызовов, промпты, ответы модели, латентность |
| Метрики | Стоимость, токены, латентность с разбивкой по времени и модели |
| Скоры и score configs | Оценки качества ответов, ручные и автоматические |
| Промпты | Версии промптов, чтение и обновление через prompt management |
| Датасеты | Создание датасетов, добавление трейсов как тест-кейсов |
| Комментарии | Заметки к трейсам для команды прямо из чата с агентом |
Полный список инструментов смотрите в справочнике MCP на mcp.reference.langfuse.com — там же описаны параметры каждого вызова.
Разграничение прав — это allow-list инструментов в конфиге, а не отдельная настройка Langfuse. По умолчанию агент может и читать, и создавать записи.
Официальный сервер Langfuse покрывает весь REST API, включая запись скоров, датасетов и комментариев. Для большинства команд это удобно: агент не просто находит проблему, а сразу заводит регрессионный тест-кейс в датасете. Но если вы даете доступ внешнему или менее доверенному агенту, разумно оставить только read-инструменты — список tools для allow-list указывается в документации MCP-сервера.
Для команд, которые уже используют self-hosted Langfuse через Docker Compose (мы разбирали такую установку в обзоре Langfuse), процесс аналогичный: адрес MCP-эндпоинта меняется на ваш собственный домен с обязательным HTTPS, ключи берутся из того же проекта, что и .env для SDK.
Чаще всего проблема в самом токене или в скрытых пробелах при копировании base64-строки.
Claude Code с 2026 года проверяет заголовки на скрытые пробелы и предупреждает об этом прямо в claude mcp list, но не обрезает их автоматически — редактируйте конфиг вручную. Вторая частая причина — путаница региона: если проект создан на us.cloud.langfuse.com, а в конфиге указан cloud.langfuse.com, авторизация не пройдет даже с верным токеном.
Максим: «Мог просто засесть до пяти ночи и просто там править одну какую-то функцию, которая не работала. Если бы не терпение, я бы всё это закрыл в моменте. Но я понимал, что это можно решить и нужно решить, чтобы идти дальше.»
Именно ради таких ночей и придумали observability-агентов: разница между "сидеть и гадать" и "агент нашел трейс и назвал причину за десять секунд" ощущается на третьей-четвертой такой правке за вечер.
Нужен ли отдельный npm-пакет для Langfuse MCP в Claude Code?
Нет, официальный сервер размещен на стороне Langfuse и работает по HTTP. Достаточно команды claude mcp add с адресом эндпоинта и заголовком авторизации.
Работает ли Langfuse MCP с self-hosted версией?
Да, меняете URL на домен вашего инстанса, обязательно с HTTPS. Локальную разработку на http можно тестировать отдельно, но для продакшена нужен именно https.
Можно ли подключить несколько проектов Langfuse одновременно?
Да, регистрируйте каждый как отдельный сервер с собственным именем и собственным base64-токеном — иначе агент будет смешивать трейсы разных окружений.
Отличается ли настройка для Cursor и для Claude Code?
Только форматом конфигурации. Claude Code использует CLI-команду claude mcp add, Cursor — json-файл mcp.json. Сам URL и заголовок авторизации одинаковые.
Может ли агент случайно изменить данные в Langfuse?
Может, если ему доступны write-инструменты вроде создания скоров или датасетов. Чтобы ограничить агента только чтением, используйте allow-list инструментов при подключении.
Нужен ли для этого агентский скилл Langfuse или хватит только MCP?
Хватит MCP, если агент умеет работать по протоколу. Скилл Langfuse полезен дополнительно — он учит агента правильным паттернам запросов, а не только дает доступ к данным.
Если ваш проект уже пишет трейсы в Langfuse, подключение MCP к Claude Code или Cursor — это пять минут настройки против часов ручного поиска по интерфейсу при каждой жалобе пользователя. Начните с read-only доступа, посмотрите, как агент формулирует диагнозы, и постепенно открывайте write-инструменты для датасетов и скоров.
Каталог инструментов для вайбкодинга, включая Claude Code и Cursor, смотрите в каталоге AI-инструментов на VibeCoderz. Если нужна помощь с настройкой observability под конкретный проект, запишитесь на консультацию к Максиму.
Обновлено: март 2026.