MCP Crew AI 服务器

MCP Crew AI 服务器是一个基于 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）和诸如 Claude Desktop 或 Cursor IDE 等工具进行通信，使您可以轻松编排多代理工作流程。

功能

• 自动配置： 自动从两个 YAML 文件 (agents.yml 和 tasks.yml) 中加载代理和任务配置，因此对于基本设置，您无需编写自定义代码。
• 命令行灵活性： 通过命令行参数 (--agents 和 --tasks) 传递自定义路径到您的配置文件。
• 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

有几种方法可以安装 MCP Crew AI 服务器：

选项 1：从 PyPI 安装（推荐）

pip install mcp-crew-ai

选项 2：从 GitHub 安装

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

选项 3：克隆并安装

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

依赖项

• Python 3.11+
• MCP SDK
• CrewAI
• PyYAML

配置

• agents.yml： 使用角色、目标和背景故事定义您的代理。
• tasks.yml： 定义任务，包括描述、预期输出，并将它们分配给代理。

示例 agents.yml：

zookeeper:
  role: Zookeeper
  goal: Manage zoo operations
  backstory: >
    You are a seasoned zookeeper with a passion for wildlife conservation...

示例 tasks.yml：

write_stories:
  description: >
    Write an engaging zoo update capturing the day's highlights.
  expected_output: 5 engaging stories
  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)

为了获得更流畅的体验，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：使用的处理类型（选择：“sequential”或“hierarchical”，默认：“sequential”）
• --verbose：启用详细输出
• --variables：JSON 字符串或包含额外变量的 JSON 文件路径，以替换 YAML 文件中的占位符
• --version：显示版本信息并退出

高级用法

您还可以提供附加变量供您的 YAML 模板使用：

mcp-crew-ai --agents examples/agents.yml --tasks examples/tasks.yml --topic "Machine Learning" --variables '{"year": 2025, "focus": "deep learning"}'

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

贡献

欢迎贡献！请打开问题或提交带有改进、错误修复或新功能的拉取请求。

许可证

本项目根据 MIT 许可证许可。详情请参阅 LICENSE 文件。

愉快的工作流编排！