¿En qué se diferencia de conectar Langfuse MCP directamente?

Conectado directamente, un agente ve todas las herramientas que expone el servidor y guarda él mismo la credencial. A través de TrustGate tú eliges qué herramientas recibe cada agente, y cada llamada queda registrada a nombre del agente que la hizo.

¿Qué pasa si cambia la API de Langfuse MCP?

Seguimos el esquema de Langfuse MCP, así que el catálogo de herramientas se mantiene al día. Las herramientas que ya habías permitido siguen funcionando, y cualquier novedad queda denegada hasta que la actives.

¿Puedo dar herramientas de Langfuse distintas a cada agente?

Sí. El acceso se define por agente: uno puede recibir unas pocas herramientas de lectura y otro el conjunto completo. Concedes el MCP entero o herramientas sueltas dentro de él.

¿Dónde veo lo que han hecho mis agentes en Langfuse?

Cada llamada queda registrada a nombre del agente que la hizo, junto con la herramienta que usó. La actividad puede enviarse a tu propio sistema de monitorización.

¿Tengo que alojar yo el servidor de Langfuse MCP?

No. TrustGate se conecta al servidor de Langfuse MCP y se sitúa delante de él. Tu agente solo habla con tu URL de TrustGate, nunca directamente con Langfuse.

Conecta Langfuse MCP a tus agentes de IA, de forma segura.

Q: ¿Es seguro Langfuse MCP?

El servidor expone 94 herramientas y algunas pueden escribir en tu cuenta de Langfuse. Detrás de TrustGate, un agente solo ve las herramientas que tú permites, las peticiones y respuestas se inspeccionan y cada llamada queda registrada. Todo lo que esté fuera de la lista permitida se deniega antes de llegar a Langfuse.

Un único endpoint seguro para cada llamada a Langfuse que hacen tus agentes de IA: acotada por usuario, inspeccionada y registrada.

Empieza gratis

Solicita una demo

Prueba Langfuse MCP ahora

Lo que pueden pedir tus agentes una vez conectado Langfuse MCP.

Elige las herramientas que pueden usar tus agentes de IA

94 herramientas del esquema de Langfuse MCP.

Mostrando 94 herramientas

getPromptreadFetches a prompt by name with an optional label or version, returning the full content with resolved dependencies. Label and version are mutually exclusive; neither returns latest.
getPromptUnresolvedreadFetches a prompt without resolving dependencies, returning raw content with dependency tags intact for understanding composition or debugging the dependency graph.
listPromptsreadLists and filters prompts in the project, returning versions, labels, tags, last updated timestamp and prompt type.
createTextPromptwriteCreates a new text prompt version. Prompts are immutable, new versions receive the latest label automatically, and the production label cannot be assigned at creation.
createChatPromptwriteCreates a new chat prompt version as an array of role and content messages, optionally with placeholder messages that reference runtime variables such as conversation history.
updatePromptLabelshigh riskUpdates the labels on a prompt version and is the only way to modify an existing prompt. Adding the production label promotes that version into live traffic, and labels are unique across versions so setting one removes it from whichever version held it.
listObservationsreadFinds generations, spans, events, agent steps and tool calls, with filters for trace, name, type, level, environment, time range and advanced conditions. Input, output and metadata projections require a window of at most 14 days.
getObservationreadReturns one observation by ID with its timing, model, status, payload, metadata, usage, cost and prompt fields. Metadata truncates to 200 characters per key unless expandMetadataKeys is passed.
getObservationFieldSchemareadShows which observation fields can be requested, marking default fields and fields that may be large or contain sensitive application data.
getObservationFilterSchemareadShows which observation fields can be used in filters, including the supported operators for each.
getObservationFilterValuesreadLists example values for a string or boolean filter field such as names, types, levels, environments, models, tags, users or sessions; numeric fields return a range.
listAnnotationQueuesreadLists annotation queues, the worklists that collect trace or observation items for human review and scoring.
getAnnotationQueuereadReturns one annotation queue by ID.
listAnnotationQueueItemsreadLists the items in a queue, each linking one trace or observation to it with a review status, with optional status filtering.
getAnnotationQueueItemreadReturns one queued trace or observation with its review status, by queue ID and item ID.
createAnnotationQueuewriteCreates an annotation queue bound to one or more score configurations.
createAnnotationQueueItemwriteAdds a trace, observation or session to a queue for review.
updateAnnotationQueueItemwriteUpdates a queue item's review status between pending and completed.
deleteAnnotationQueueItemwriteRemoves a queued trace or observation from a queue.
createAnnotationQueueAssignmentwriteAssigns a project user to an annotation queue so they can work through its review items.
deleteAnnotationQueueAssignmentwriteRemoves a project user's assignment from an annotation queue.
listCommentsreadLists comments in the project, optionally filtered by object or author.
getCommentreadReturns one comment by ID.
createCommentwriteCreates a comment of up to 5,000 characters on a trace, observation, session or prompt, optionally attributed to a given author user ID.
listDatasetsreadLists datasets, the named collections of input and optional expected-output examples used for experiments and evaluations.
getDatasetreadReturns one dataset by ID.
listDatasetItemsreadLists dataset items, optionally filtered by dataset, source trace, source observation or version.
getDatasetItemreadReturns one dataset item with its input and optional expected output.
listDatasetRunsreadLists the dataset runs, each an experiment or evaluation execution over a dataset.
getDatasetRunreadReturns one dataset run and its run items.
listDatasetRunItemsreadLists the run items that link dataset items to traces or observations within a run.
upsertDatasetwriteCreates or updates a dataset with its description, metadata and optional input and expected-output schemas.
upsertDatasetItemwriteCreates or updates one example in a dataset. Item IDs are unique per project across all datasets.
batchUpsertDatasetItemswriteUpserts up to 100 items in one dataset. Items process in order, the operation stops on the first failure, and it is not atomic.
createDatasetRunItemwriteCreates a run item linking one dataset item to a trace or observation within a dataset run.
deleteDatasetItemhigh riskDeletes one example in a dataset along with all of its run items.
deleteDatasetRunhigh riskDeletes a dataset run and enqueues deletion of its run items.
listScoresreadFinds quality, evaluation and feedback scores for traces, observations, sessions and experiments. Reads are eventually consistent, so a newly created score may not appear immediately.
getScorereadReturns one score by ID, with its polymorphic value and the subject it scores.
listScoreConfigsreadLists the score configurations in the project.
getScoreConfigreadReturns one score configuration by ID.
createScorewriteCreates one score against exactly one of a trace, session or dataset run, optionally scoped to an observation.
createScoreConfigwriteCreates a score configuration for numeric, categorical, boolean or text scores. Boolean configs automatically receive True and False categories.
updateScoreConfigwriteUpdates a score configuration's name, description or allowed numeric range and categories.
deleteScoreConfigwriteDeletes a score configuration by archiving it.
listModelsreadLists the custom and Langfuse-managed model definitions visible to the project.
getModelreadReturns a model definition by ID.
createModelwriteCreates a custom model definition for cost tracking and tokenization, with input, output or total prices and optional pricing tiers.
deleteModelwriteDeletes a custom model definition. Built-in models cannot be deleted.
listLlmConnectionsreadLists the LLM connections usable in the current project, including those inherited from the organization.
listManagedEvaluatorTemplatesreadLists the evaluator templates maintained by Langfuse and partners, which can be copied into createEvaluator.
listEvaluatorsreadLists the LLM-as-a-judge, code and decision-model evaluators defined in the project.
getEvaluatorreadReturns one evaluator including its LLM prompt, code or decision-model questions and state mapping, plus how many evaluation rules reference it.
createEvaluatorwriteCreates an evaluator. Code evaluators accept up to 256 KB of Python or TypeScript source that Langfuse then runs.
updateEvaluatorwriteUpdates an evaluator by its stable ID. Definition changes append an immutable version; name and description changes do not.
testEvaluatorhigh riskTests a saved evaluator or an unsaved draft against one observation. It executes the evaluator, emits an internal trace, and may incur model or code execution cost.
deleteEvaluatorhigh riskDeletes an evaluator. This cannot be undone.
listEvaluationRulesreadLists the rules that run evaluators automatically against project traffic.
getEvaluationRulereadReturns one evaluation rule by ID.
updateEvaluationRulewriteUpdates an existing evaluation rule.
detachEvaluatorFromEvaluationRulewriteDetaches an evaluator from a rule, stopping its automatic scoring.
deleteEvaluationRulewriteDeletes an evaluation rule.
createEvaluationRulehigh riskCreates a rule that runs evaluators automatically against incoming traffic, which is a recurring model cost rather than a single call.
attachEvaluatorToEvaluationRulehigh riskAttaches an evaluator to a rule so it begins scoring production traces continuously.
listDashboardWidgetsreadLists the dashboard widgets in the project.
getDashboardWidgetreadReturns one dashboard widget by ID.
listDashboardsreadLists the dashboards in the project.
getDashboardreadReturns one dashboard by ID.
createDashboardWidgetwriteCreates a dashboard widget.
updateDashboardWidgetwriteUpdates an existing dashboard widget.
deleteDashboardWidgetwriteDeletes a dashboard widget.
createDashboardwriteCreates a dashboard.
updateDashboardwriteUpdates an existing dashboard.
deleteDashboardwriteDeletes a dashboard.
addDashboardPlacementwriteAdds a placement positioning a widget on a dashboard.
updateDashboardPlacementwriteUpdates a widget's placement on a dashboard.
deleteDashboardPlacementwriteRemoves a widget's placement from a dashboard.
queryMetricsreadAnswers analytics questions about usage over time, model costs, latency, errors and scores, with breakdowns by environment, trace, observation, model, user, session, tag or score name.
getMetricsSchemareadDiscovers which metrics can be analyzed and how to group, filter, aggregate and time-bucket them before calling queryMetrics.
getMediareadReturns metadata and a signed download URL for one media asset, so the asset itself moves outside the server.
getHealthreadChecks Langfuse API health, optionally verifying database availability and recent ingestion.
getV4MigrationDatareadReturns data relating to the v4 migration.
submitFeedbackwriteSends feedback to Langfuse.
listExperimentsreadLists the experiments in the project.
listExperimentItemsreadLists the items within an experiment.
listAlertsreadLists the project's alerts.
getAlertreadReturns one alert by ID.
listSkillsreadLists and searches project skills with tags and version summaries.
getSkillreadGets a skill's metadata and file paths, without file contents.
loadSkillreadReads a skill's SKILL.md as text.
loadSkillResourcereadReads a skill file as text by path.
searchLangfuseDocsreadRuns a semantic search over the Langfuse documentation and returns a synthesized answer.
getLangfuseDocsPagereadFetches the raw Markdown of a single Langfuse docs page.
getLangfuseOverviewreadGets a high-level, machine-readable index of the Langfuse docs from llms.txt.

Qué expone Langfuse MCP

Langfuse MCP agrupa sus 94 herramientas en 14 categorías, cada una con una política inicial sugerida.

Las 94 herramientas en JSON, listas para pegar.

Categoría	Incluye	Acceso	Política sugerida
Datasets	Alta o actualización de datasets y sus elementos, individualmente o en lotes de hasta 100, listado y lectura de datasets, elementos, ejecuciones y sus resultados, borrado de un elemento con sus resultados, borrado de una ejecución y creación de resultados que enlazan un elemento con una traza	Lectura / Escritura	deleteDatasetItem se lleva sus resultados y deleteDatasetRun encola el borrado de todo lo que cuelga de la ejecución. batchUpsertDatasetItems no es atómica: procesa en orden y para al primer fallo, así que un lote parcial es un resultado real
Dashboards	Listado, lectura, creación, actualización y borrado de dashboards y widgets, y alta, cambio o borrado de las posiciones que colocan los widgets en un dashboard	Lectura / Escritura	Nada de esto alcanza el comportamiento en producción, así que es la superficie de escritura más segura. Los borrados quitan vistas compartidas de las que dependen otros: es un problema de disponibilidad, no de datos
Colas de anotación	Listado, creación y lectura de colas de anotación, las listas de trabajo que reúnen trazas u observaciones para revisión humana, gestión de sus elementos con estado pendiente o completado, y asignación o retirada de usuarios del proyecto	Lectura / Escritura	createAnnotationQueueAssignment pone trabajo en la cola de una persona concreta, así que aquí un agente asigna esfuerzo humano. Los elementos referencian trazas reales: la cola es un puntero a datos de producción
Scores	Búsqueda y lectura de puntuaciones de calidad, evaluación y feedback para trazas, observaciones, sesiones y experimentos, creación de una puntuación, y listado, lectura, creación, actualización y archivado de configuraciones con sus rangos o categorías	Lectura / Escritura	Las lecturas de puntuaciones son eventualmente consistentes, así que una recién creada puede no aparecer al instante; un agente que reintente puede escribir dos veces. Las configuraciones definen contra qué se valida todo lo posterior
Evaluadores	Listado de plantillas de Langfuse y socios, listado, lectura, creación, actualización y borrado de evaluadores del proyecto de tipo LLM-as-a-judge, código y modelo de decisión, y prueba de un evaluador guardado o borrador contra una observación	Lectura / Escritura	createEvaluator y updateEvaluator aceptan hasta 256 KB de Python o TypeScript que Langfuse ejecuta. testEvaluator lo corre contra una observación real, emite una traza interna y puede generar coste. deleteEvaluator no se deshace
Reglas de evaluación	Listado y lectura de las reglas que ejecutan evaluadores automáticamente, creación y actualización, vinculación o desvinculación de un evaluador a una regla, y borrado de una regla	Lectura / Escritura	Crear una regla o vincular un evaluador arranca puntuación automática sobre el tráfico entrante, un coste recurrente y no puntual. Desvincular o borrar detiene la evaluación en silencio: ambas direcciones merecen traza
Prompts	Obtención de un prompt por nombre con etiqueta o versión, con dependencias resueltas o intactas, listado y filtrado con versiones, etiquetas y tags, creación de versiones de texto y de chat, y actualización de las etiquetas de una versión	Lectura / Escritura	Los prompts son inmutables: cambiar contenido crea una versión nueva que recibe la etiqueta latest y no puede recibir production al crearse. updatePromptLabels es la única vía a producción, y las etiquetas son únicas entre versiones
Métricas y plataforma	Consultas analíticas sobre uso, coste de modelo, latencia, errores y puntuaciones con desgloses, esquema de lo analizable, metadatos y URL firmada de descarga de un recurso multimedia, comprobación de salud, datos de migración a v4 y envío de feedback	Lectura / Escritura	getMedia devuelve una URL firmada de descarga, así que el recurso sale del servidor y es invisible para quien solo observe llamadas. getMetricsSchema es requisito previo de una consulta que valide
Observaciones	Búsqueda y paginación de generaciones, spans, eventos, pasos de agente y llamadas a herramientas con filtros por traza, nombre, tipo, nivel, entorno y tiempo, lectura por ID, y descubrimiento de campos y filtros disponibles con valores de ejemplo	Lectura	Solo lectura, pero esto es el tráfico LLM de producción. Los metadatos se truncan a 200 caracteres por clave salvo que se pase expandMetadataKeys, y las proyecciones de entrada, salida y metadatos exigen una ventana de 14 días como mucho
Modelos	Listado de las definiciones de modelo propias y gestionadas por Langfuse visibles al proyecto, creación de una definición propia para seguimiento de coste y tokenización, lectura por ID y borrado de una propia	Lectura / Escritura	Las definiciones de modelo fijan los precios de atribución de coste, así que cambiar una reescribe lo que toda traza posterior parece haber costado. Los modelos integrados no se pueden borrar
Experimentos y alertas	Listado de experimentos y sus elementos, y listado y lectura de las alertas del proyecto	Lectura	Íntegramente de lectura. Las alertas se leen pero no se modifican desde este servidor, lo que elimina el riesgo habitual de que un agente silencie la monitorización
Comentarios	Creación de un comentario de hasta 5.000 caracteres sobre una traza, observación, sesión o prompt, listado filtrado por objeto o autor, y lectura por ID	Lectura / Escritura	createComment acepta un ID de usuario autor, así que un agente puede atribuir un comentario a una persona. Los comentarios van sobre trazas de producción donde los colegas los leerán como notas humanas
Skills	Listado y búsqueda de skills del proyecto, lectura de sus metadatos, SKILL.md y archivos	Lectura	Solo lectura; se puede permitir sin riesgo
Documentación	Búsqueda en la documentación de Langfuse, lectura de una página y del índice llms.txt	Lectura	Permite búsquedas en la documentación

Conecta Langfuse MCP a tu agente de IA

Cuatro pasos, menos de diez minutos.

01
Inicia sesión en NeuralTrust
Abre la plataforma de NeuralTrust, inicia sesión y ve a Getting started, después a Connect your tools.
02
Elige tu agente
Cuando te pregunte qué agente usas, elige Claude Code, Codex, Cursor, Windsurf, Copilot o tu propio código.
03
Conecta Langfuse
Busca Langfuse en la lista de herramientas y conéctalo.
04
Conecta tu agente
Sigue los pasos en pantalla para añadir la configuración a tu agente y envía el prompt de prueba.

Permisos hasta la herramienta individual

No permites ni bloqueas Langfuse MCP entero. Permites exactamente las herramientas que puede llamar cada agente, una a una.

Langfuse MCP	94 HERRAMIENTAS DISPONIBLES
Agente de revisión de código	4 herramientas, solo lectura
Bot de triaje de incidencias	9 herramientas
Asistente del equipo de plataforma	las 94 herramientas

Herramienta por herramientaConectar el servidor no es la unidad de acceso. Cada herramienta se concede por separado.
Denegado por defectoUna herramienta que no has activado nunca se expone al agente.
Aprobación en las escriturasLas herramientas que modifican o borran pueden exigir la confirmación de una persona.

¿Es seguro Langfuse MCP?

Un endpoint en lugar de credenciales en claro. Cada llamada se comprueba contra la política y queda registrada.

Agentes de IASe conectan desde la configuración de tu cliente MCP.	NeuralTrustSe aplican los controles según tu configuración.	Langfuse MCP94 herramientas documentadas en el servidor autenticado y acotado por proyecto de Langfuse Cloud, disponible para UE, EE. UU., Japón, HIPAA US, autoalojado y local. La autenticación es HTTP Basic con un par de clave pública y secreta en base64. Langfuse describe el servidor como autodescriptivo y advierte de que sus herramientas y esquemas pueden cambiar, de modo que los clientes deben refrescar capacidades y no asumir una interfaz fija. Un servidor aparte y sin autenticación, Langfuse Docs MCP, ofrece cuatro herramientas de documentación.
Asistentes de código	Conexión y credencialespor usuario	Datasets13 herramientas
Copilotos internos	Políticas de acceso a herramientasdenegado por defecto	Dashboards13 herramientas
Automatizaciones de flujos	Inspección de peticiones y respuestasen línea	Colas de anotación10 herramientas
Clientes MCP compatibles	Monitorización de actividadalertas y registros	Resto de herramientas58 herramientas