MCP Crew AI Server

MCP Crew AI 服务

MCP Crew AI 服务是一个基于 Python 的轻量级服务，旨在运行、管理和创建 CrewAI 工作流。本项目利用 Model Context Protocol (MCP) 与 Claude Desktop 或 Cursor IDE 等大模型（LLM）和工具进行通信，让你能够轻松编排多 Agent 工作流。

功能特性

• 自动配置： 自动从两个 YAML 文件（agents.yml 和 tasks.yml）加载 Agent 和任务配置，因此对于基础配置，你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）传入配置文件的自定义路径。
• 无缝工作流执行： 通过 MCP run_workflow 工具轻松运行预先配置好的工作流。
• 本地开发： 以 STDIO 模式在本地运行服务，非常适合开发和测试。

安装

安装 MCP Crew AI 服务有几种方式：

方式 1：从 PyPI 安装（推荐）

pip install mcp-crew-ai

方式 2：从 GitHub 安装

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

方式 3：克隆并安装

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

环境要求

• Python 3.11+
• MCP SDK
• CrewAI
• PyYAML

配置

• agents.yml： 定义你的 Agent，包括角色、目标和背景故事。
• tasks.yml： 定义任务，包括描述、预期输出，并将它们分配给 Agent。

agents.yml 示例：

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

tasks.yml 示例：

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

安装完成后，你可以使用以下任一方式运行 MCP CrewAI 服务：

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，你可以使用 UV 执行命令：

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

或者直接只运行服务：

uvx mcp-crew-ai-server

这将使用环境变量中的默认配置启动服务。

命令行选项

• --agents：agents YAML 文件的路径（必填）
• --tasks：tasks YAML 文件的路径（必填）
• --topic：crew 要处理的主主题（默认："Artificial Intelligence"）
• --process：要使用的流程类型（可选值："sequential" 或 "hierarchical"，默认："sequential"）
• --verbose：启用详细输出
• --variables：JSON 字符串或 JSON 文件路径，包含用于替换 YAML 文件中的额外变量
• --version：显示版本信息并退出

高级用法

你还可以提供额外变量，供 YAML 模板中使用：

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} 会被替换为 "Machine Learning"，{year} 会被替换为 "2025"。

贡献

欢迎贡献！请提交 issue 或 pull request，提供改进、缺陷修复或新功能。

许可证

本项目采用 MIT 许可证授权。详情请参阅 LICENSE 文件。

祝你工作流编排愉快！