LangChain提示MCP服务器

概述

A. 模型上下文协议（MCP）服务器 提供无缝访问朗史密斯 prompt图书馆——世界上最大的经过社区审查的人工智能提示库。该服务器拥有1000多个经过实战考验的提示、高级搜索功能和丰富的元数据，包括使用统计数据和版本历史记录，可以改变您发现提示并将其集成到AI工作流程中的方式。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兼容客户端上立即可操作。

背景

我们的MCP服务器直接连接到朗史密斯LangChain的官方平台，用于快速管理和LLM应用程序开发。该服务器提供对人工智能社区创建、测试和改进的庞大提示生态系统的智能访问。

核心能力：

快速发现：按名称、所有者、描述或标签搜索和筛选数千个公共提示
元数据：访问下载次数、查看统计数据、点赞和社区参与度指标
版本控制：使用完整版本历史记录和提交信息跟踪即时演变
模板智能：使用参数化提示，包括输入/输出模式
高级分析：获取整个库的统计数据、趋势提示和流行度指标

LLM增强功能：

智能完工：上下文感知的快速完成建议
快速验证：自动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：与详细见解并排进行快速比较

身份验证和访问：

公共图书馆：无需身份验证即可访问数千个社区提示
私人提示：使用LangSmith API密钥进行身份验证以进行私人提示访问
用户收藏：浏览特定创建者和组织的提示

MCP客户端配置

已知客户端兼容性：

克劳德桌面
克劳德代码
OpenAI ChatGPT（通过自定义连接器）
光标IDE
Continue.dev
VS代码（带MCP扩展名）

克劳德桌面

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

克劳德代码

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

OpenAI ChatGPT（自定义连接器）

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

光标IDE和Continue.dev

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

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：实时更新的动态收藏
提示模板：引导式工作流程，便于快速发现和分析
标题字段：所有工具、资源和提示都包含描述性标题
运输：stdio+具有自定义Workers传输的流式HTTP

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上以实现全球可用性

提示管理工具（共13个）

列表提示：通过过滤和分页浏览公共提示
搜索提示：具有多个筛选条件的高级搜索
获取提示：检索包括元数据在内的详细提示信息
获取即时统计信息：访问整个图书馆的分析和趋势
喜欢/不喜欢提示：参与社区提示（需要身份验证）
获取提示版本：跟踪快速演变和变化
获取用户提示：浏览特定创建者的提示
获取热门提示：发现趋势和高参与度提示
获取提示内容：访问实际提示模板和模式
比较提示：并排分析多个提示
验证提示：检查及时的质量和最佳做法
获得快速完成：智能自动补全建议

动态资源（共3个）

热门提示集：实时趋势提示
最近提示集：最新社区贡献
趋势提示集：基于参与的建议

引导式提示（共4个）

分析提示：全面的即时有效性分析
发现提示：引导探索快速图书馆
查找类似提示：通过相似性发现相关提示
改进提示：获取及时改进的建议

可用工具

工具	名称	描述	参数
列表提示	`list_prompts`	列出来自LangSmith的公共提示，并可选择过滤	`limit`, `owner`, `search`
获取提示	`get_prompt`	获取特定提示的详细信息	`prompt_name`
获取即时统计信息	`get_prompt_statistics`	获取提示库的统计信息	无
搜索提示	`search_prompts`	通过全面过滤对提示进行高级搜索	`query`, `owner`, `tags`, `is_public`, `min_likes`, `min_downloads`, `sort_by`, `sort_order`, `limit`
喜欢提示	`like_prompt`	类似于特定提示（需要身份验证）	`prompt_name`
与Prompt不同	`unlike_prompt`	从特定提示中删除like（需要身份验证）	`prompt_name`
获取提示版本	`get_prompt_versions`	获取特定提示的版本历史记录和提交	`prompt_name`, `limit`
获取用户提示	`get_user_prompts`	获取特定用户创建的提示	`username`, `include_private`, `limit`
获取热门提示	`get_popular_prompts`	获取趋势和热门提示	`time_period`, `category`, `limit`
获取提示内容	`get_prompt_content`	获取实际提示模板内容和配置	`prompt_name`, `version`, `include_model_config`
比较提示	`compare_prompts`	并排比较多个提示	`prompt_names`, `comparison_criteria`
验证提示	`validate_prompt`	验证提示结构和质量	`prompt_name`, `check_completeness`, `check_best_practices`
获得快速完成	`get_prompt_completions`	获得提示模板的智能自动补全	`partial_text`, `context`, `max_suggestions`

可用资源

资源	URI	描述
热门提示集	`langsmith://collections/popular`	收集趋势和流行提示
最近提示集	`langsmith://collections/recent`	最近更新的提示
趋势提示集	`langsmith://collections/trending`	按参与度提示趋势

可用提示

提示	名称	描述	参数
分析提示	`analyze-prompt`	分析即时有效性、结构和改进领域	`prompt_content` （必填）， `analysis_depth` （可选）， `target_audience` （可选）
发现提示	`discover-prompts`	根据用例、领域或特定要求发现提示	`use_case` （可选）， `domain` （可选）， `requirements` （可选）
查找类似提示	`find-similar-prompts`	查找与给定示例或描述类似的提示	`reference_prompt` （可选）， `similarity_criteria` （可选）， `limit` （可选）
改进提示	`improve-prompt`	获取改进现有提示的建议	`prompt_content` （必填）， `improvement_goals` （可选）， `target_model` （可选）

建筑

主要技术特点

双重运输设计：stdio用于本地开发，HTTP用于生产
海关工人运输：针对Cloudflare Workers进行了优化（比标准小54%）
类型安全：带有运行时验证的完整TypeScript实现
智能高速缓存：多层缓存可实现最佳性能
速率限制：具有可配置限制的内置保护
安全第一：输入验证、注入保护和安全错误处理

性能优化

捆绑尺寸：507KB优化包，用于无服务器部署
冷启动：通过Worker优化的初始化将延迟降至最低
缓存策略：LRU缓存，带TTL，用于频繁访问的提示
重试逻辑：带抖动的指数退避，用于弹性API调用

数据概述

主要数据来源：LangSmith Prompt Hub

内容：来自1000多个社区审查提示 smith.langchain.com
元数据：下载计数、查看统计信息、点赞、标签和版本历史记录
模板：带有输入/输出模式的参数化提示
更新：实时获取最新的社区贡献
隐私：无需身份验证即可访问公共提示，使用API密钥进行私有提示

版本信息

版本: 1.0.0
协议：药品监督管理委员会2025-06-18
软件开发工具包：@modelcontextprotocol/sdk 1.16.0
特性：完全符合资源、提示和结构化输出的规范
运输:

- 标准输入输出：用于直接客户端集成的默认MCP传输 - 超文本传输协议：MCP 2025-06-18带标头验证的可流式HTTP

测试

MCP中心实验室：在以下位置交互式测试服务器https://lab.mcpcentral.io/

MCP注册表

此服务器发布在官方模型上下文协议注册表注册表配置允许：

服务器发现：MCP兼容客户端自动检测
远程访问：HTTP传输端点位于 https://mcp.prompts.mcpcentral.io/mcp
包装分发：可通过npx即时访问
客户端兼容性：已验证对Claude Desktop、Claude Code等的支持
功能声明：13个工具、3个资源、4个具有高级搜索功能的提示

支持

文档: MCP文件
朗史密斯: LangSmith平台
健康检查: GET https://mcp.prompts.mcpcentral.io/health 用于状态监控

______________________________________________________________________

工作示例

示例1：开发人员快速发现

场景：开发人员希望找到代码审查和文档编制的最佳提示。

使用的工具: search_prompts, get_prompt_content, compare_prompts

搜索代码审查提示：将search_prompts与查询“代码审查”一起使用
获取模板详细信息：检索顶部结果的完整内容
比较选项：使用compare_feeds分析差异

预期结果：精心策划的代码审查提示，包括模板、最佳实践和社区评级。

示例2：为您的团队构建快速库

场景：团队负责人希望在整个组织内实现提示标准化。

使用的工具: get_popular_prompts, validate_prompt, get_prompt_versions

发现热门提示：在您的域中获取趋势提示
验证质量：根据最佳实践检查提示
跟踪更改：监视所选提示的版本历史记录

预期结果：经过验证的高质量提示，带有团队标准化的版本控制。

示例3:AI助手增强

场景：一位人工智能工程师希望提高助理的响应质量。

使用的工具: analyze-prompt, find-similar-prompts, improve-prompt

分析当前提示：使用分析提示工作流
寻找更好的替代方案：发现类似的高性能提示
获取改进建议：使用改进提示进行优化

预期结果：加强提示，在响应质量和一致性方面有可衡量的改进。

示例4：研究和实验

场景研究人员需要了解不同用例中的即时工程模式。

使用的工具: get_prompt_statistics, list_prompts, get_user_prompts

分析图书馆统计数据：了解总体趋势和模式
按类别浏览：探索不同领域的提示
研究专家贡献：检查顶级创建者的提示

预期结果：全面了解社区的即时模式、趋势和最佳实践。

Langchain Prompts MCP Server

快速接入

详细介绍