CrewAI Multi-Tool MCP Server (Summarizer & Researcher) 📝🔍

Um servidor MCP (Multi Context Protocol) que utiliza múltiplos agentes CrewAI para fornecer serviços de sumarização (resumo) de texto e pesquisa web.

✨ Features

• Sumarização: Sumariza textos utilizando agentes CrewAI configuráveis, permitindo especificar o tamanho do resumo (curto, médio, longo).
• Pesquisa Web: Realiza pesquisas na internet sobre tópicos específicos usando um agente CrewAI e a ferramenta SerperDevTool.
• Exposição via MCP: Expõe ambas as funcionalidades como tools distintos via protocolo MCP para fácil integração.
• Configuração Flexível: Utiliza definições personalizáveis de Agentes e Tarefas CrewAI (via arquivos .yaml) para cada funcionalidade.
• Suporte a LLMs: Pode ser configurado para usar diferentes LLMs suportados pelo CrewAI (requer ajuste no código e variáveis de ambiente).

🛠️ Tools Expostos via MCP

1. summarize

Processa um texto de entrada e retorna um resumo conciso no tamanho especificado.

Inputs:

• text (string, required): O texto original a ser sumarizado.
• length (string, optional, default: "medium"): O tamanho desejado para o resumo. Valores válidos: "short", "medium", "long".

Output:

• string: O texto resumido gerado pelo agente CrewAI de sumarização.

2. research

Pesquisa na web sobre um tópico específico usando uma AI crew com a ferramenta Serper.

Inputs:

• topic (string, required): O tópico a ser pesquisado.

Output:

• string: Um resumo dos resultados da pesquisa gerado pelo agente CrewAI de pesquisa.

🎯 Usage (Casos de Uso)

Este servidor multi-tool é ideal para:

• Integrar capacidades de sumarização e pesquisa de IA em outros fluxos de trabalho ou ferramentas.
• Obter rapidamente a essência de documentos longos ou informações sobre um tópico.
• Construir aplicações que necessitem de componentes dinâmicos de sumarização e pesquisa.
• Experimentar e expor diferentes funcionalidades CrewAI como microsserviços distintos via MCP a partir de um único servidor.

🚀 Setup & Installation

1. Pré-requisitos:

   • Python >= 3.10, < 3.13
   • git
   • Recomendado: uv (ou pip e venv)

2. Clonar o Repositório (se ainda não o fez):

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

   Copy

   (Se você já clonou e está no diretório summarizer_server, pule esta etapa)

3. Criar e Ativar Ambiente Virtual (Recomendado):

   # Usando venv (se ainda não ativo)
   python -m venv .venv
   source .venv/bin/activate  # Linux/macOS
   # OU
   .\.venv\Scripts\activate  # Windows
   
   # Ou se estiver usando uv (ele pode gerenciar o venv automaticamente)
   

   Copy

4. Instalar/Atualizar Dependências:

   # Usando uv
   uv pip install -e .
   
   # Ou usando pip
   pip install -e .
   

   Copy

   (Verifique se crewai_tools foi instalado, pois crewai[tools] está no pyproject.toml)

5. Configurar Variáveis de Ambiente:

   • Crie um arquivo chamado .env dentro do diretório summarizer_server/ (se ainda não existir).

   • Adicione suas chaves de API necessárias:

     • Chave do LLM: Necessária para ambas as crews.
     • Chave do Serper: Necessária para o tool research.

     # Exemplo para Gemini (LLM)
     GEMINI_API_KEY=SUA_CHAVE_API_GEMINI_AQUI
     
     # Exemplo para OpenAI (LLM)
     # OPENAI_API_KEY=SUA_CHAVE_API_OPENAI_AQUI
     # OPENAI_MODEL_NAME=gpt-4o # Opcional, pode ser definido no código
     
     # Chave da API Serper (Necessária para o tool 'research')
     SERPER_API_KEY=SUA_CHAVE_API_SERPER_AQUI
     

     Copy

   • Importante:

     • Se você quiser usar um LLM diferente do configurado em src/summarizer_server/crew.py e src/summarizer_server/research_crew.py (atualmente Gemini), você precisará editar esses arquivos para importar e instanciar o LLM correto (ex: ChatOpenAI, ChatAnthropic, etc.).
     • Certifique-se que a variável de ambiente correspondente ao LLM escolhido esteja definida no .env.
     • A SERPER_API_KEY é obrigatória para que o tool research funcione.

▶️ Running the Server

A forma recomendada de iniciar o servidor (usando o script definido em pyproject.toml):

uv run run_crew

Alternativamente, se você não estiver usando uv ou quiser rodar diretamente com Python (certifique-se que seu ambiente virtual está ativo):

python src/summarizer_server/main.py

O servidor será iniciado e escutará por conexões MCP via stdio, oferecendo os tools summarize e research.

🔌 Configuration (Example for MCP Clients like Claude Desktop)

Para usar este servidor com um cliente MCP, você precisa informar ao cliente como executar o servidor.

Importante: O cliente MCP precisa executar o comando a partir do diretório correto (summarizer_server) ou ter o ambiente configurado para encontrar o módulo e o arquivo .env. O uso de cwd (Current Working Directory) na configuração do cliente é altamente recomendado.

Exemplo usando uv (Requer uv instalado):

Adicione isto ao seu arquivo de configuração do cliente MCP (ex: claude_desktop_config.json), ajustando o cwd e o nome do servidor (Multi-tool-Server conforme definido em server.py):

{
  "mcpServers": {
    "crewai-multi-tool": { // Nome para o cliente MCP identificar
      "command": "uv",
      "args": [
        "run",
        "run_crew"
      ],
      // MUITO IMPORTANTE: Ajuste este caminho para o local real
      "cwd": "/caminho/completo/para/matheus896-crewai-mcp/summarizer_server"
    }
  }
}

Exemplo usando python (Requer Python e o pacote instalado):

{
  "mcpServers": {
    "crewai-multi-tool": {
       // Pode precisar ser o caminho completo para o python do venv
      "command": "python",
      "args": [
        "-m",
        "summarizer_server.main" // Aponta para o ponto de entrada
      ],
      // MUITO IMPORTANTE: Ajuste este caminho
      "cwd": "/caminho/completo/para/matheus896-crewai-mcp/summarizer_server"
    }
  }
}

Exemplo para linha de comando no Windows (adaptar para outros OS):

{
    "crewai-multi-tool-server": { // Nome do servidor no cliente
      "command": "cmd",
      "args": [
        "/c",
        "uv",
        "--directory",
        "C:\\caminho\\completo\\para\\matheus896-crewai-mcp\\summarizer_server", // <-- ALTERE PARA O SEU CAMINHO
        "run",
        "run_crew"
      ],
      "env": {
        // "GEMINI_API_KEY": "SUA_CHAVE_GEMINI_AQUI",
        // "SERPER_API_KEY": "SUA_CHAVE_SERPER_AQUI"
      },
      "transportType": "stdio",
      "disabled": false,
      "autoApprove": [],
      "timeout": 60
    }
}

Após conectar, o cliente MCP (como o MCP Inspector ou Claude Desktop) deverá listar os tools summarize e research como disponíveis a partir deste servidor.

📜 License

Este projeto é licenciado sob a MIT License.

Observações:

• Substitua /caminho/completo/para/matheus896-crewai-mcp/summarizer_server pelo caminho real onde o diretório summarizer_server está localizado na sua máquina ao configurar o cliente MCP.
• Certifique-se de que o nome do repositório (matheus896/crewai-mcp) esteja correto nos exemplos.