What is Mcp Tool Crewai

mcp-tool-crewai is a repository that demonstrates how to integrate CrewAI agents with tools provided by MCP (Model Context Protocol) servers, such as GitHub MCP, Context7, and Sequential Thinking.

Use cases

Use cases include automating project planning and execution using CrewAI agents, integrating AI capabilities into GitHub workflows, and enhancing task management through the use of MCP tools.

How to use

To use mcp-tool-crewai, clone the repository, set up a virtual environment, install dependencies using the ‘uv’ package manager, and configure API tokens for GitHub and the language model. Then, utilize the MCPServerAdapter class to connect CrewAI to various MCP servers via STDIO.

Key features

Key features include the ability to connect CrewAI with different MCP servers, isolated testing for Context7 and GitHub MCP tools, and a combined script that leverages specialized agents for Sequential Thinking and GitHub MCP execution.

Where to use

mcp-tool-crewai can be used in fields such as software development, project management, and AI-driven automation, where integration of AI agents with various tools is beneficial.

CrewAI + MCP (Model Context Protocol) Integration Examples

Este repositório demonstra como integrar agentes CrewAI com ferramentas disponibilizadas por servidores MCP (Model Context Protocol), como o GitHub MCP, Context7 e Sequential Thinking.

Descrição

O objetivo é mostrar como utilizar a classe MCPServerAdapter (obtida dos testes do crewai-tools) para conectar CrewAI a diferentes servidores MCP via STDIO, permitindo que os agentes utilizem as ferramentas desses servidores para realizar tarefas.

Os exemplos incluem:

• Testes isolados para conectar e usar ferramentas do Context7 e GitHub MCP.
• Um script combinado que utiliza CrewAI com agentes especializados para Sequential Thinking (planejamento) e GitHub MCP (execução).

Pré-requisitos

• Python: Versão 3.12 ou superior (conforme pyproject.toml).
• Docker: Necessário para executar o servidor GitHub MCP. Certifique-se de que o Docker Desktop (ou equivalente) esteja instalado e em execução.
• uv: Gerenciador de pacotes Python usado neste projeto (pip install uv).
• Tokens de API:
  • GITHUB_PERSONAL_ACCESS_TOKEN: Um token de acesso pessoal do GitHub com escopos apropriados (ex: repo, read:user). Como criar um PAT
  • GEMINI_API_KEY (ou outra LLM): Chave de API para o modelo de linguagem grande (LLM) usado pelo CrewAI (neste exemplo, Google Gemini).

Instalação

1. Clone o repositório:

   git clone https://github.com/matheus896/mcp-tool-crewai
   

2. Crie e ative um ambiente virtual:

   # Usando venv (padrão Python)
   python -m venv .venv
   source .venv/bin/activate # Linux/macOS
   # ou
   .\.venv\Scripts\activate # Windows
   
   # Ou usando conda, etc.
   

3. Instale as dependências com uv:

   uv pip install -r requirements.txt # Se existir um requirements.txt gerado por uv
   # OU (recomendado se uv.lock estiver atualizado)
   uv sync
   # OU (para instalar do pyproject.toml)
   uv pip install .
   

   Nota: O pyproject.toml especifica as dependências, incluindo crewai, crewai-tools[mcp], mcp, e mcpadapt.

Configuração

1. Crie um arquivo .env:
   Copie o arquivo .env.example para .env:

   cp .env.example .env
   

2. Edite o arquivo .env:
   Substitua os valores de placeholder pelas suas chaves de API reais:

   GITHUB_PERSONAL_ACCESS_TOKEN="ghp_SEU_TOKEN_AQUI"
   GEMINI_API_KEY="SEU_GEMINI_API_KEY_AQUI"
   # OPENAI_API_KEY="SEU_OPENAI_API_KEY_AQUI" # Se usar OpenAI
   

Arquivos Principais

• mcp_tool.py: Contém a implementação da classe MCPServerAdapter, adaptada dos testes do repositório crewai-tools. Esta classe é crucial para a conexão com os servidores MCP. Nota: O nome original no seu projeto pode ser mcpadapter.py, ajuste conforme necessário.
• test_mcp_context7.py: Script de teste isolado para conectar ao servidor Context7 MCP via npx e usar a ferramenta resolve-library-id.
• test_mcp_github.py: Script de teste isolado para conectar ao servidor GitHub MCP via Docker e usar a ferramenta get_me.
• crewai_mcp_combined.py: Script principal que demonstra a integração com CrewAI, utilizando dois servidores MCP (Sequential Thinking e GitHub) e dois agentes especializados (Planejador e Executor). Usa a abordagem de gerenciamento manual da conexão MCP (.stop() no finally).
• pyproject.toml: Define as dependências do projeto e metadados.
• .env.example: Arquivo de exemplo para as variáveis de ambiente necessárias.

Como Executar

Certifique-se de que seu ambiente virtual está ativado e o Docker está rodando.

1. Testar Conexão Context7 (Isolado):

   python test_mcp_context7.py
   

2. Testar Conexão GitHub (Isolado):

   python test_mcp_github.py
   

3. Executar Exemplo Combinado CrewAI + Sequential Thinking + GitHub:

   python crewai_mcp_combined.py
   

   Este script iniciará os adaptadores MCP, definirá os agentes e tarefas, e executará a Crew. A saída mostrará o processo de pensamento dos agentes e o resultado final.

Observações

• MCPServerAdapter: A classe MCPServerAdapter usada aqui foi obtida dos arquivos de teste do crewai-tools, pois não estava diretamente disponível na biblioteca no momento da criação deste exemplo. Se/quando for oficialmente incluída na crewai-tools, o import poderá ser ajustado (from crewai_tools import MCPServerAdapter).
• Erro Asyncio no Windows: Pode incluir um erro comum do asyncio no Windows relacionado ao fechamento de subprocessos, geralmente ocorre no final da execução e não impede o funcionamento principal do script.
• Gerenciamento da Conexão MCP: O script crewai_mcp_combined.py utiliza a abordagem de instanciar MCPServerAdapter e chamar .stop() manualmente em um bloco finally, conforme recomendado para garantir que a conexão permaneça ativa durante a execução da Crew.