MCP クルー AI サーバー

MCP Crew AI Serverは、CrewAIワークフローの実行、管理、作成を目的として設計された軽量なPythonベースのサーバーです。このプロジェクトは、モデルコンテキストプロトコル（MCP）を活用して大規模言語モデル（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容易にオーケストレーションできます。

特徴

自動構成: 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構成を自動的に読み込むため、基本設定用のカスタムコードを記述する必要はありません。
**コマンドラインの柔軟性:**コマンドライン引数 ( --agentsおよび--tasks ) を介して構成ファイルにカスタムパスを渡します。
シームレスなワークフロー実行: MCP run_workflowツールを使用して、事前構成されたワークフローを簡単に実行します。
**ローカル開発:**サーバーを STDIO モードでローカルに実行すると、開発とテストに最適です。

インストール

MCP Crew AI サーバーをインストールするには、いくつかの方法があります。

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: クローンとインストール

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

要件

Python 3.11以上
MCP SDK
クルーAI
パイヤム

構成

**agents.yml:**役割、目標、背景を持つエージェントを定義します。
**tasks.yml:**説明と期待される出力を含むタスクを定義し、エージェントに割り当てます。

例: agents.yml :

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

例: tasks.yml :

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

使用法

インストールが完了したら、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Pythonコマンド

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

UV実行（uvx）の使用

より効率的なエクスペリエンスを実現するには、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、環境変数からのデフォルト構成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 : エージェントのYAMLファイルへのパス（必須）
--tasks : タスクYAMLファイルへのパス（必須）
--topic : クルーが取り組む主なトピック (デフォルト:「人工知能」)
--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 : 詳細出力を有効にする
--variables : YAML ファイルで置き換える追加の変数を含む 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する

高度な使用法

YAML テンプレートで使用する追加の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き換えます。例えば、 {topic} 「Machine Learning」に、 {year}は「2025」に置き換えられます。

貢献

貢献を歓迎します！改善、バグ修正、新機能など、問題を報告したり、プルリクエストを送信したりしてください。

ライセンス

このプロジェクトはMITライセンスの下で提供されています。詳細はLICENSEファイルをご覧ください。

ワークフローオーケストレーションを楽しんでください!

Integrations