关键词

智能体管理任务自动化AI工具Claude APIJSON-RPC

使用说明

项目简介

CrewAI MCP Server 是一个基于 Model Context Protocol (MCP) 构建的应用后端，专注于提供AI智能体和任务管理功能。它使用 Anthropic 的 Claude API 作为底层 LLM，并通过工具化的方式暴露智能体创建、任务创建和任务编排等功能。该服务器允许客户端通过标准化的 MCP 协议调用预定义工具，从而实现与 Claude 模型进行复杂的交互和任务自动化。

主要功能点

  • 智能体管理: 支持创建和管理AI智能体，可以定义智能体的角色、目标和背景故事。
  • 任务管理: 支持创建和管理任务，可以将任务分配给特定的智能体，并设定任务描述和期望输出。
  • 任务编排: 支持创建和运行由多个智能体和任务组成的 Crew (团队)，实现复杂的工作流程自动化。
  • 工具调用: 通过 MCP 协议的 'call_tool' 方法暴露各项功能，客户端可以发送 JSON-RPC 请求调用预定义的工具。
  • 会话交互: 支持与 Claude 模型进行聊天交互，可以自定义系统提示词、模型选择和温度参数。
  • 可扩展性: 支持注册自定义工具，允许用户扩展服务器的功能，例如集成新的API或服务。

安装步骤

  1. 克隆仓库: 首先，将 GitHub 仓库 'https://github.com/MatthewLaw1/Near-Intents-MCP-Agentkit' 克隆到本地。
  2. 运行安装脚本: 在仓库根目录下，运行 'crew.sh' 脚本。该脚本会自动安装所需的 Python 依赖并配置 MCP 设置文件。 
    ./crew.sh
  3. 配置 OpenAI API Key: 设置 OpenAI API Key 环境变量，用于 Claude API 的认证。 
    export ANTHROPIC_API_KEY="your-api-key"

服务器配置

MCP 客户端需要配置以下信息以连接到 CrewAI MCP Server。请注意，这里的配置信息是 JSON 格式，用于 MCP 客户端的 server 配置，不是直接在服务器端修改的配置文件。

{
  "serverName": "CrewAI MCP Server",
  "command": "python3",
  "args": [
    "claude_server.py"
  ],
  "transport": "stdio",
  "metadata": {
    "description": "CrewAI MCP Server for AI agent and task management"
  }
}

配置参数注释:

  • 'serverName': 服务器名称，可以自定义，用于在 MCP 客户端中标识该服务器。
  • 'command': 启动服务器的命令，这里使用 'python3' 解释器。
  • 'args': 命令参数，这里指定运行 'claude_server.py' 脚本。请确保 'claude_server.py' 脚本位于 MCP 客户端能够找到的路径下，或者使用相对/绝对路径指向脚本位置。如果脚本在 'src' 目录下，并且客户端的工作目录是仓库根目录，则可以使用 '"args": ["src/claude_server.py"]'。
  • 'transport': 传输协议，这里使用 'stdio' 标准输入输出流进行通信。
  • 'metadata': 元数据，包含服务器的描述信息，可以自定义。

基本使用方法

  1. 启动服务器: 在配置好环境变量后，MCP 服务器会在客户端连接时自动启动，无需手动运行 'claude_server.py' 脚本。MCP 客户端会根据上述配置的 'command' 和 'args' 启动服务器进程。
  2. 发送 MCP 请求: 使用 MCP 客户端，根据 README.md 中提供的示例 JSON 请求格式，向服务器发送请求，例如创建智能体、创建任务或创建 Crew。
    • 创建智能体示例请求: 
      {"method": "call_tool", "params": {"name": "create_agent", "arguments": {"role": "researcher", "goal": "Research and analyze information effectively", "backstory": "An experienced research analyst"}}}
    • 创建任务示例请求: 
      {"method": "call_tool", "params": {"name": "create_task", "arguments": {"description": "Analyze recent market trends", "agent": "researcher", "expected_output": "A detailed analysis report"}}}
    • 创建 Crew 示例请求: 
      {"method": "call_tool", "params": {"name": "create_crew", "arguments": {"agents": ["researcher"], "tasks": ["Analyze recent market trends"], "verbose": true}}}
  3. 接收 MCP 响应: 服务器会通过标准输出流返回 JSON-RPC 响应，客户端解析响应获取工具执行结果或错误信息。

注意: 请确保已安装 Python 3.8 或更高版本，并已设置 'ANTHROPIC_API_KEY' 环境变量。实际使用时，请参考仓库 README.md 中的详细说明和示例。

信息

分类

AI与计算

访问项目