Langchain Prompts MCP Server

🚀 LangChain Prompts MCP Server

LangChain Prompts MCP Server 是一个 Model Context Protocol (MCP) 服务器，可无缝访问 LangSmith 提示库，该库是全球最大的、经过社区审核的 AI 提示集合。借助 1000 多个经过实战检验的提示、高级搜索功能以及包含使用统计和版本历史的丰富元数据，该服务器改变了您在 AI 工作流程中发现和集成提示的方式。通过自然语言查询访问专业级提示，使提示工程在 Claude Desktop、Claude Code 和其他 MCP 兼容客户端中立即生效。

🚀 快速开始

本 MCP 服务器可直接连接到 LangSmith（LangChain 官方的提示管理和大语言模型应用开发平台），为您提供智能访问由 AI 社区创建、测试和完善的大量提示生态系统的能力。

✨ 主要特性

核心功能

• 提示发现：可按名称、所有者、描述或标签搜索和筛选数千个公共提示。
• 丰富元数据：可访问下载次数、查看统计、点赞数和社区参与度指标。
• 版本控制：通过完整的版本历史和提交信息跟踪提示的演变。
• 模板智能：处理包含输入/输出模式的参数化提示。
• 高级分析：获取库范围的统计信息、热门提示和流行度指标。

大语言模型增强功能

• 智能补全：提供上下文感知的提示补全建议。
• 提示验证：自动进行质量检查和最佳实践验证。
• 相似性搜索：根据内容和结构查找相关提示。
• 比较分析：并排比较提示并提供详细见解。

认证与访问

• 公共库：无需认证即可访问数千个社区提示。
• 私有提示：使用 LangSmith API 密钥进行认证以访问私有提示。
• 用户集合：按特定创作者和组织浏览提示。

📦 安装指南

已知客户端兼容性

• Claude Desktop
• Claude Code
• OpenAI ChatGPT（通过自定义连接器）
• Cursor IDE
• Continue.dev
• VS Code（使用 MCP 扩展）

Claude Desktop 配置

{
  "mcpServers": {
    "langchain-prompts": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://mcp.prompts.mcpcentral.io/mcp"],
      "env": {
        "LANGSMITH_API_KEY": "your-api-key-optional"
      }
    }
  }
}

Claude Code 配置

claude mcp add langchain-prompts -s user --transport http https://mcp.prompts.mcpcentral.io/mcp

OpenAI ChatGPT（自定义连接器）配置

使用 MCP 端点 URL：https://mcp.prompts.mcpcentral.io/mcp

Cursor IDE 和 Continue.dev 配置

{
  "mcpServers": [
    {
      "name": "langchain-prompts",
      "url": "https://mcp.prompts.mcpcentral.io/mcp",
      "env": {
        "LANGSMITH_API_KEY": "your-api-key-optional"
      }
    }
  ]
}

💻 使用示例

基础用法

以下是在不同场景下使用本服务器的示例代码，以帮助您快速上手。

高级用法

在实际应用中，您可以根据具体需求组合使用不同的工具和资源，实现更复杂的功能。例如，在构建团队提示库时，您可以结合使用 get_popular_prompts、validate_prompt 和 get_prompt_versions 工具，确保提示的质量和可维护性。

📚 详细文档

MCP 版本兼容性

MCP 2025 - 06 - 18 合规性

• 协议版本：2025 - 06 - 18，完全符合规范。
• 结构化输出：具有全面模式的增强工具。
• 资源支持：具有实时更新的动态集合。
• 提示模板：用于提示发现和分析的引导式工作流程。
• 标题字段：所有工具、资源和提示都包含描述性标题。
• 传输方式：标准输入输出 + 可流式传输的 HTTP 以及自定义 Workers 传输。

增强兼容性

• OpenAI 集成：与 ChatGPT 自定义连接器兼容。
• 企业就绪：内置速率限制和安全控制。
• 云优化：部署在 Cloudflare Workers 上，实现全球可用。

提示管理工具（共 13 个）

动态资源（共 3 个）

引导式提示（共 4 个）

可用工具

可用资源

可用提示

🔧 技术细节

关键技术特性

• 双传输设计：标准输入输出用于本地开发，HTTP 用于生产环境。
• 自定义 Workers 传输：针对 Cloudflare Workers 进行优化（比标准传输小 54%）。
• 类型安全：完全使用 TypeScript 实现，并进行运行时验证。
• 智能缓存：多级缓存以实现最佳性能。
• 速率限制：内置保护，可配置限制。
• 安全至上：输入验证、注入保护和安全的错误处理。

性能优化

• 包大小：507KB 优化包，适用于无服务器部署。
• 冷启动：通过针对 Worker 优化的初始化实现最小延迟。
• 缓存策略：具有 TTL 的 LRU 缓存，用于频繁访问的提示。
• 重试逻辑：具有抖动的指数退避，用于弹性 API 调用。

数据概述

主要数据源：LangSmith 提示中心

• 内容：来自 smith.langchain.com 的 1000 多个经过社区审核的提示。
• 元数据：下载次数、查看统计、点赞数、标签和版本历史。
• 模板：具有输入/输出模式的参数化提示。
• 更新：实时访问最新的社区贡献。
• 隐私：公共提示无需认证即可访问，私有提示需使用 API 密钥。

版本信息

• 版本：1.0.0
• 协议：MCP 2025 - 06 - 18
• SDK：@modelcontextprotocol/sdk 1.16.0
• 功能：完全符合规范，支持资源、提示和结构化输出。
• 传输方式：
  • 标准输入输出：默认的 MCP 传输方式，用于直接客户端集成。
  • HTTP：MCP 2025 - 06 - 18 可流式传输的 HTTP，带有头部验证。

测试

您可以在 MCP Central Lab 上交互式地测试本服务器。

MCP 注册表

本服务器已发布在官方 Model Context Protocol Registry 中。注册表配置支持：

• 服务器发现：由 MCP 兼容客户端自动检测。
• 远程访问：通过 https://mcp.prompts.mcpcentral.io/mcp 的 HTTP 传输端点。
• 包分发：可通过 npx 立即访问。
• 客户端兼容性：已验证支持 Claude Desktop、Claude Code 等。
• 功能声明：13 个工具、3 个资源、4 个提示，具有高级搜索功能。

支持

• 文档：MCP 文档
• LangSmith：LangSmith 平台
• 健康检查：通过 GET https://mcp.prompts.mcpcentral.io/health 进行状态监控。

工作示例

示例 1：开发人员的提示发现

场景：开发人员希望找到用于代码审查和文档编写的最佳提示。 使用工具：search_prompts、get_prompt_content、compare_prompts

1. 搜索代码审查提示：使用 search_prompts 并查询 "code review"。
2. 获取模板详细信息：检索前几个结果的完整内容。
3. 比较选项：使用 compare_prompts 分析差异。 预期结果：经过整理的代码审查提示，包含模板、最佳实践和社区评级。

示例 2：为团队构建提示库

场景：团队负责人希望在组织内标准化提示。 使用工具：get_popular_prompts、validate_prompt、get_prompt_versions

1. 发现热门提示：获取所在领域的热门提示。
2. 验证质量：根据最佳实践检查提示。
3. 跟踪更改：监控所选提示的版本历史。 预期结果：经过验证的高质量提示，具有版本控制，可用于团队标准化。

示例 3：AI 助手增强

场景：AI 工程师希望提高其助手的响应质量。 使用工具：analyze-prompt、find-similar-prompts、improve-prompt

1. 分析当前提示：使用 analyze-prompt 工作流程。
2. 寻找更好的替代方案：发现类似的高性能提示。
3. 获取改进建议：使用 improve-prompt 进行优化。 预期结果：增强后的提示，在响应质量和一致性方面有可衡量的改进。

示例 4：研究与实验

场景：研究人员需要了解不同用例下的提示工程模式。 使用工具：get_prompt_statistics、list_prompts、get_user_prompts

1. 分析库统计信息：了解整体趋势和模式。
2. 按类别浏览：探索不同领域的提示。
3. 研究专家贡献：检查顶级创作者的提示。 预期结果：全面了解社区中的提示模式、趋势和最佳实践。