<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 服务器是一个轻量级的基于 Python 的服务器，旨在运行、管理和创建 CrewAI 工作流程。该项目利用 模型上下文协议 (MCP) 与大型语言模型 (LLM) 和工具（如 Claude Desktop 或 Cursor IDE）进行通信，使您可以轻松地编排多代理工作流程。

特性

• 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）将自定义路径传递给您的配置文件。
• 无缝工作流程执行： 通过 MCP run_workflow 工具轻松运行预配置的工作流程。
• 本地开发： 在 STDIO 模式下本地运行服务器，使其成为开发和测试的理想选择。

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 .

要求

• 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： 使用描述、预期输出定义任务，并将它们分配给代理。

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

用法

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)

为了获得更简化的体验，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

这将使用来自环境变量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：团队要处理的主要主题（默认值：“人工智能”）
• --process：要使用的进程类型（选项：“sequential”或“hierarchical”，默认值：“sequential”）
• --verbose：启用详细输出
• --variables：JSON 字符串或 JSON 文件的路径，其中包含要在 YAML 文件中替换的其他变量
• --version：显示版本信息并退出

高级用法

您还可以提供其他变量以用于您的 YAML 模板：

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 issue 或提交 pull request，其中包含改进、错误修复或新功能。

许可证

本项目根据 MIT 许可证获得许可。有关详细信息，请参阅 LICENSE 文件。

祝您工作流程编排愉快！