多代理系统作为MCP服务器
可用工具
process_task：接受一个任务并执行它。
- 需要 task_content, task_id (optional)，以及 additional_content (optional).
reset：通过清理上下文和内存重置服务器。get_workforce_info：提供有关服务器的详细信息。get_children_info：提供多代理系统的工作人员（代理）的详细信息。add_single_agent_worker：提供LLM（Claude），以便在启动服务器之前启动更多工作进程。add_roleplaying_worker：为LLM（Claude）提供一个选项，如果它认为角色扮演工人有用，可以旋转角色扮演工人。
如何使用
使用 uv
要使用，我们必须先安装 克劳德桌面应用程序。安装后，打开它，转到 settings -> Developer -> Edit Config.
它将打开一个名为 claude_desktop_config.json.添加以下内容 config 文件在那里。
{
"mcpServers": {
"lega-team-mcp": {
"command": "uv",
"args": [
"--directory",
"/ABSOLUTE/PATH/TO/PARENT/FOLDER/legal-team-mcp",
"run",
"legal_team_server.py"
],
"env": {
"OPENAI_API_KEY": "sk-proj-..."
}
}
}
}保存文件并重新启动应用程序。
备注：有时， uv 无法在全球范围内访问，或者它可能不在 PATH。请全局安装或解决 PATH 问题，或把完整的路径 uv 可在配置键中执行 "command"。这可以通过以下方式找到 which uv 在Mac/Linux上，或 where uv 在Windows上。
你可以得到你的 OPENAI API密钥 这里
此配置的工作方式是 uv 将创建一个虚拟环境 venv 并按照repo中的指定安装依赖项。成功安装后，服务器应成功启动。
使用 python
或者，您可以自己创建一个虚拟环境，安装 camel-ai，然后使用 python 解释器来运行服务器，类似于在终端上执行的操作。
这将涉及：
- 创建新的conda环境：
conda create --name - 安装
uv通过跑步conda install uv. - 最后，安装
camel-ai通过跑步uv pip install camel-ai
现在，找到的位置 python 在这个新的环境中。按照与之前相同的步骤，添加新的配置（如下） python 位置。
{
"mcpServers": {
"legal-team-mcp": {
"command": "/path/to/python",
"args": [
"/path/to/legal_team_server.py"
],
"env": {
"OPENAI_API_KEY": "sk-proj-..."
}
}
}
}