MCP Crewlink

⚡ MCP CrewLink

一个强大的集成项目，将模型上下文协议（MCP）服务器与CrewAI代理连接起来，使AI助手具有增强的功能，包括图像生成、网络搜索和文件系统操作。

🚀 特性

• 图像生成：使用OpenAI的DALL-E 3模型创建高质量图像
• 网页搜索：使用Brave Search API执行web搜索
• 文件系统操作：读取、写入和管理指定目录中的文件
• AI代理集成：利用CrewAI进行智能任务执行和协调
• MCP协议：利用模型上下文协议实现无缝工具集成

📁 项目结构

project-root/
├── main.py                 # Main application entry point
├── servers/
│   └── image_server.py     # Custom MCP server for image generation
├── images/                 # Generated images output directory (auto-created)
├── requirements.txt        # Python dependencies
├── .env                    # Environment variables (create this)
└── README.md              # This file

🛠️ 安装

先决条件

• Python 3.8+
• Node.js 16+
• npm或纱线

1.克隆存储库

git clone https://github.com/naakaarafr/MCP-CrewLink.git
cd MCP-CrewLink

2.安装Python依赖项

pip install -r requirements.txt

3.安装Node.js依赖项

该项目使用需要Node.js包的MCP服务器：

# Install MCP filesystem server
npm install -g @modelcontextprotocol/server-filesystem

# Install MCP Brave search server
npm install -g @modelcontextprotocol/server-brave-search

4.环境设置

创建一个 .env 项目根目录中的文件，包含以下变量：

# OpenAI Configuration
OPENAI_API_KEY=your_openai_api_key_here
OPENAI_ORGANIZATION=your_openai_organization_id_here

# Brave Search Configuration
BRAVE_API_KEY=your_brave_api_key_here

🔑 API密钥设置

OpenAI API密钥

1. 访问 OpenAI API平台
2. 创建新的API密钥
3. 将密钥复制到您的 .env 文件

勇敢搜索API密钥

1. 访问 勇敢搜索API
2. 注册一个账户
3. 生成API密钥
4. 将密钥复制到您的 .env 文件

🚀 用法

运行主应用程序

python main.py

独立运行映像服务器

python servers/image_server.py

🔧 组件

1.图像服务器(servers/image_server.py)

一个定制的MCP服务器，使用OpenAI的DALL-E 3提供图像生成功能。

特征：

• 高质量图像生成（1024x1024，高清质量）
• Base64图像处理
• 自动文件保存
• 错误处理和日志

使用示例：

# The server exposes the image_creation_openai tool
# Parameters: query (str), image_name (str)
# Returns: Dict with success status, file_path, and message

2.主要应用(main.py)

协调MCP服务器和CrewAI代理之间的集成。

配置：

• 文件系统服务器：管理中的文件 /Users/tylerreed/Downloads
• Brave搜索服务器：提供网络搜索功能
• iMage服务器：自定义图像生成服务器

代理配置：

• 角色：创作者
• 目标：使用MCP工具的AI创建者
• 能力：研究、图像创建、文件管理

📋 示例任务

该应用程序包括演示集成的示例任务：

1. 研究任务：研究模型上下文协议并创建一个深入的图表
2. 摘要任务：总结结果并保存到文本文件

🔄 工作流程

1. 初始化：配置MCP服务器参数
2. 代理设置：使用MCP工具创建CrewAI代理
3. 任务定义：定义研究和创作任务
4. 执行：运行机组人员执行任务
5. 输出：生成图像、执行搜索和保存结果

🛡️ 错误处理

该项目包括全面的错误处理：

• 图像生成：捕获API错误和文件系统问题
• 服务器通信：处理MCP服务器连接问题
• 环境变量：验证所需的API密钥

📝 定制

添加新的MCP服务器

要添加其他MCP服务器，请执行以下操作：

1. 在中定义服务器参数 main.py:

new_server_params = StdioServerParameters(
    command="your_command",
    args=["your", "args"],
    env={"YOUR_ENV_VAR": os.getenv("YOUR_ENV_VAR")}
)

1. 初始化服务器连接
2. 将工具添加到代理的工具列表中

修改图像生成

要自定义图像生成参数，请编辑 image_server.py:

result = client.images.generate(
    model="dall-e-3",
    prompt=f"Your custom prompt: {query}",
    size="1024x1024",  # Options: 1024x1024, 1792x1024, 1024x1792
    quality="hd",      # Options: standard, hd
    response_format="b64_json"
)

更改输出目录

更新 output_dir 变量in image_server.py:

output_dir = "your_custom_directory"

🔍 故障排除

常见问题

1. 缺少API密钥：确保设置了所有必需的环境变量
2. 权限错误：检查输出目录的文件系统权限
3. Node.js依赖关系：验证MCP服务器是否正确安装
4. Python依赖关系：确保安装了所有必需的软件包

调试

通过设置启用详细日志记录：

agent = Agent(
    # ... other parameters
    verbose=True,
)

📦 依赖项

Python包

• crewai：AI代理框架
• mcp：模型上下文协议客户端
• openai：OpenAI API客户端
• httpx：HTTP客户端库
• pydantic：数据验证

Node.js包

• @modelcontextprotocol/server-filesystem
• @modelcontextprotocol/server-brave-search

🤝 贡献

1. 分叉存储库
2. 创建要素分支
3. 进行更改
4. 如果适用，添加测试
5. 提交拉取请求

📄 许可证

此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。

🆘 支持

对于问题和疑问：

1. 检查故障排除部分
2. 审查MCP文件
3. 在存储库中打开问题

🔗 相关资源

• 模型上下文协议文档
• CrewAI文档
• OpenAI API文档
• 勇敢搜索API文档

______________________________________________________________________

备注该项目旨在促进发展和教育。确保您遵守API的所有服务条款和使用限制。