Content
# 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](https://docs.github.com/en/authentication/keeping-your-account-and-data-secure/managing-your-personal-access-tokens)
- `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:**
```bash
git clone https://github.com/matheus896/mcp-tool-crewai
```
2. **Crie e ative um ambiente virtual:**
```bash
# 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`:**
```bash
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`:
```bash
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):**
```bash
python test_mcp_context7.py
```
2. **Testar Conexão GitHub (Isolado):**
```bash
python test_mcp_github.py
```
3. **Executar Exemplo Combinado CrewAI + Sequential Thinking + GitHub:**
```bash
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`.
