Appearance
MCP 集成
CrewAI 支持将 MCP（Model Context Protocol） 服务器作为工具使用，让 Agent 能够调用外部工具生态。
1. MCP 是什么
MCP 是 Anthropic 提出的模型上下文协议——一个标准化的协议，让 AI 模型能够与外部工具和数据源交互。
前端类比：MCP 类似 REST API 或 GraphQL——定义了客户端（AI 模型）与服务端（工具提供者）之间的通信标准。不同的是，MCP 专门为 AI 工具调用场景设计。
2. 三种传输方式
| 传输方式 | 特点 | 适用场景 |
|---|---|---|
| Stdio | 标准输入输出，本地进程通信 | 本地开发、CLI 工具 |
| SSE | Server-Sent Events，单向流 | Web 服务 |
| Streamable HTTP | 可流式 HTTP，双向通信 | 生产环境、远程服务 |
3. Stdio 传输（本地工具）
python
from crewai import Agent, Task, Crew
from crewai.tools import MCPServerAdapter
# 连接本地 MCP 服务器（以文件系统工具为例）
mcp_tools = MCPServerAdapter(
server_params={
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/tmp"]
}
)
# 启动 MCP 连接并获取工具
with mcp_tools:
agent = Agent(
role="文件管理员",
goal="管理和操作文件",
backstory="文件系统管理专家",
tools=mcp_tools.tools # MCP 工具自动转为 CrewAI 工具
)
task = Task(
description="列出 /tmp 目录下的所有文件",
expected_output="文件列表",
agent=agent
)
crew = Crew(agents=[agent], tasks=[task])
result = crew.kickoff()4. SSE 传输（远程服务）
python
from crewai.tools import MCPServerAdapter
mcp_tools = MCPServerAdapter(
server_params={
"url": "http://localhost:8080/sse"
}
)
with mcp_tools:
agent = Agent(
role="助手",
goal="使用远程工具",
backstory="全能助手",
tools=mcp_tools.tools
)5. Streamable HTTP 传输
python
mcp_tools = MCPServerAdapter(
server_params={
"url": "http://api.example.com/mcp"
}
)6. 连接多个 MCP 服务器
python
from crewai.tools import MCPServerAdapter
# 文件系统工具
fs_tools = MCPServerAdapter(
server_params={
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/data"]
}
)
# 搜索工具
search_tools = MCPServerAdapter(
server_params={
"url": "http://localhost:9090/sse"
}
)
with fs_tools, search_tools:
agent = Agent(
role="研究员",
goal="搜索并整理信息",
backstory="资深研究员",
tools=fs_tools.tools + search_tools.tools # 合并工具
)7. 安全注意事项
- 信任边界：仅连接可信的 MCP 服务器
- 权限控制：MCP 服务器可能有文件系统、网络等访问权限
- 网络安全：远程 MCP 连接应使用 HTTPS
- 资源限制：监控 MCP 工具的调用频率和资源消耗
先修：Tools 工具系统
下一步：
参考：