<div align="center"> <img src="https://github.com/crewAIInc/crewAI/blob/main/docs/crewai_logo.png" alt="CrewAI Logo" /> </div>

MCP Crew AI 服务器

MCP Crew AI 服务器是一款基于Python的轻量级服务器，旨在运行、管理和创建CrewAI工作流。该项目利用模型上下文协议（MCP）与大型语言模型（LLMs）以及诸如Claude Desktop或Cursor IDE等工具进行通信，使您能够轻松地编排多代理工作流。

功能

• 自动配置： 自动从两个YAML文件（agents.yml和tasks.yml）加载代理和任务配置，因此您无需为基本设置编写自定义代码。
• 命令行灵活性： 通过命令行参数（--agents和--tasks）传递自定义配置文件路径。
• 无缝工作流执行： 通过MCP的run_workflow工具轻松运行预配置的工作流。
• 本地开发： 在STDIO模式下本地运行服务器，非常适合开发和测试。

安装

有几种方式可以安装MCP Crew AI服务器：

方案1：从PyPI安装（推荐）

pip install mcp-crew-ai

方案2：从GitHub安装

pip install git+https://github.com/adam-paterson/mcp-crew-ai.git

方案3：克隆并安装

git clone https://github.com/adam-paterson/mcp-crew-ai.git
cd mcp--crew-ai
pip install -e .

要求

• Python 3.11+
• MCP SDK
• CrewAI
• PyYAML

配置

• agents.yml: 定义具有角色、目标和背景故事的代理。
• tasks.yml: 定义任务，包括描述、预期输出，并将其分配给代理。

示例 agents.yml:

zookeeper:
  role: Zookeeper
  goal: 管理动物园运营
  backstory: >
    您是一位有着野生动物保护热情的资深饲养员...

示例 tasks.yml:

write_stories:
  description: >
    编写一篇吸引人的动物园更新，捕捉当天的亮点。
  expected_output: 5篇吸引人的故事
  agent: zookeeper
  output_file: zoo_report.md

使用

安装完成后，您可以使用以下任一方法运行MCP CrewAI服务器：

标准Python命令

mcp-crew-ai --agents path/to/agents.yml --tasks path/to/tasks.yml

使用UV执行（uvx）

为了更流畅的体验，您可以使用UV执行命令：

uvx mcp-crew-ai --agents path/to/agents.yml --tasks path/to/tasks.yml

或者直接运行服务器：

uvx mcp-crew-ai-server

这将使用环境变量中的默认配置启动服务器。

命令行选项

• --agents: 代理YAML文件的路径（必需）
• --tasks: 任务YAML文件的路径（必需）
• --topic: 团队工作的主要主题（默认："人工智能"）
• --process: 使用的过程类型（选择："顺序"或"层次化"，默认："顺序"）
• --verbose: 启用详细输出
• --variables: 包含要替换在YAML文件中的附加变量的JSON字符串或JSON文件路径
• --version: 显示版本信息并退出

高级用法

您还可以提供要在您的YAML模板中使用的附加变量：

mcp-crew-ai --agents examples/agents.yml --tasks examples/tasks.yml --topic "机器学习" --variables '{"year": 2025, "focus": "深度学习"}'

这些变量将替换YAML文件中的占位符。例如，{topic}将被替换为"机器学习"，而{year}将被替换为"2025"。

贡献

欢迎贡献！请打开问题或提交改进、错误修复或新功能的拉取请求。

许可证

本项目根据MIT许可证发布。详情见LICENSE文件。

祝您工作流编排愉快！