Crew AI MCP Server

Crew AI MCP Server

使用 CrewAI 框架启用 AI 代理和任务管理,允许用户在自动化工作流程环境中创建和运行代理和任务。

开发者工具
操作系统自动化
访问服务器

README

Crew AI MCP 服务器

一个使用 CrewAI 框架提供 AI 代理和任务管理功能的 MCP 服务器。

设置

  1. 克隆或 Fork 此仓库
  2. 运行设置脚本:
./crew.sh

设置脚本将:

  • 安装所需的 Python 依赖
  • 为您的系统配置 MCP 设置文件
  • 自动设置正确的路径

配置

在使用服务器之前,设置您的 OpenAI API 密钥:

export OPENAI_API_KEY="your-api-key"

用法

服务器提供三个主要工具:

1. 创建一个代理

{
    "method": "call_tool",
    "params": {
        "name": "create_agent",
        "arguments": {
            "role": "researcher",
            "goal": "Research and analyze information effectively",
            "backstory": "An experienced research analyst"
        }
    }
}

2. 创建一个任务

{
    "method": "call_tool",
    "params": {
        "name": "create_task",
        "arguments": {
            "description": "Analyze recent market trends",
            "agent": "researcher",
            "expected_output": "A detailed analysis report"
        }
    }
}

3. 创建并运行一个 Crew

{
    "method": "call_tool",
    "params": {
        "name": "create_crew",
        "arguments": {
            "agents": ["researcher"],
            "tasks": ["Analyze recent market trends"],
            "verbose": true
        }
    }
}

使用示例

创建并运行一个完整的工作流程:

(echo '{"method": "call_tool", "params": {"name": "create_agent", "arguments": {"role": "researcher", "goal": "Research and analyze information effectively", "backstory": "An experienced research analyst"}}}'; echo '{"method": "call_tool", "params": {"name": "create_task", "arguments": {"description": "Analyze recent market trends", "agent": "researcher", "expected_output": "A detailed analysis report"}}}'; echo '{"method": "call_tool", "params": {"name": "create_crew", "arguments": {"agents": ["researcher"], "tasks": ["Analyze recent market trends"], "verbose": true}}}') | python3 src/crew_server.py

系统要求

  • Python 3.8 或更高版本
  • jq 命令行工具(用于设置脚本)
  • 安装了 Roo Cline 扩展的 VSCode

支持的平台

  • macOS
  • Linux
  • Windows(通过 Git Bash)

故障排除

如果您遇到任何问题:

  1. 确保您的 OpenAI API 密钥已正确设置
  2. 检查是否已安装所有依赖项 (pip install -r requirements.txt)
  3. 验证 MCP 设置文件是否存在并且具有正确的配置
  4. 确保 MCP 设置中的服务器路径与您的实际文件位置匹配

贡献

  1. Fork 此仓库
  2. 创建您的功能分支
  3. 进行更改
  4. 运行设置脚本以验证一切正常
  5. 提交 Pull Request

推荐服务器

Playwright MCP Server

Playwright MCP Server

一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。

官方
精选
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。

官方
精选
本地
TypeScript
MCP Package Docs Server

MCP Package Docs Server

促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。

精选
本地
TypeScript
Claude Code MCP

Claude Code MCP

一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。

精选
本地
JavaScript
@kazuph/mcp-taskmanager

@kazuph/mcp-taskmanager

用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。

精选
本地
JavaScript
mermaid-mcp-server

mermaid-mcp-server

一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。

精选
JavaScript
Jira-Context-MCP

Jira-Context-MCP

MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

精选
TypeScript
Linear MCP Server

Linear MCP Server

一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

精选
JavaScript
Sequential Thinking MCP Server

Sequential Thinking MCP Server

这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。

精选
Python
Curri MCP Server

Curri MCP Server

通过管理文本笔记、提供笔记创建工具以及使用结构化提示生成摘要,从而实现与 Curri API 的交互。

官方
本地
JavaScript