MCP Crew AI Server

MCP Crew AI サーバー

MCP Crew AI サーバーは、CrewAI ワークフローを実行・管理・作成するために設計された軽量な Python ベースのサーバーです。このプロジェクトは Model Context Protocol (MCP) を活用して、LLM や Claude Desktop、Cursor IDE などのツールと通信し、マルチエージェントワークフローを簡単にオーケストレーションできるようにします。

機能

• 自動設定: 2 つの YAML ファイル（agents.yml と tasks.yml）からエージェントとタスクの設定を自動的に読み込むため、基本的なセットアップではカスタムコードを書く必要がありません。
• コマンドラインの柔軟性: コマンドライン引数（--agents と --tasks）で設定ファイルへのカスタムパスを指定できます。
• シームレスなワークフロー実行: MCP の run_workflow ツールを通じて、事前に設定されたワークフローを簡単に実行できます。
• ローカル開発: サーバーを STDIO モードでローカルに実行できるため、開発やテストに最適です。

インストール

MCP Crew AI サーバーをインストールする方法はいくつかあります。

オプション 1: PyPI からインストールする（推奨）

pip install mcp-crew-ai

オプション 2: GitHub からインストールする

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

オプション 3: クローンしてインストールする

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

要件

• Python 3.11+
• MCP SDK
• CrewAI
• PyYAML

設定

• agents.yml: 役割、目標、バックストーリーを指定してエージェントを定義します。
• tasks.yml: 説明、期待される出力を指定してタスクを定義し、エージェントに割り当てます。

agents.yml の例:

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

tasks.yml の例:

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

使用方法

インストール後は、次のいずれかの方法で MCP CrewAI サーバーを実行できます。

標準の Python コマンド

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

UV 実行（uvx）を使用する

よりシンプルな方法として、UV 実行コマンドを使用できます。

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

または、サーバーだけを直接実行します。

uvx mcp-crew-ai-server

これにより、環境変数のデフォルト設定を使用してサーバーが起動します。

コマンドラインオプション

• --agents: agents YAML ファイルへのパス（必須）
• --tasks: tasks YAML ファイルへのパス（必須）
• --topic: crew が作業するメイントピック（デフォルト: "Artificial Intelligence"）
• --process: 使用するプロセスタイプ（選択肢: "sequential" または "hierarchical"、デフォルト: "sequential"）
• --verbose: 詳細出力を有効にします
• --variables: YAML ファイル内で置換する追加変数を含む JSON 文字列または JSON ファイルへのパス
• --version: バージョン情報を表示して終了します

高度な使用方法

YAML テンプレートで使用する追加変数を指定することもできます。

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

これらの変数は YAML ファイル内のプレースホルダーを置換します。たとえば、{topic} は "Machine Learning" に、{year} は "2025" に置き換えられます。

コントリビューション

コントリビューションを歓迎します！改善、バグ修正、新機能については、Issue を作成するかプルリクエストを送信してください。

ライセンス

このプロジェクトは MIT ライセンスの下でライセンスされています。詳細は LICENSE ファイルを参照してください。

ワークフローのオーケストレーションを楽しんでください！