Построить MCP-агент с помощью Crewai

Помощник по обучению Crewai RStudy

️ Архитектурный прорыв

Фронтальный слой

Streamlit app.py - основной веб-интерфейс с красивым пользовательским интерфейсом

• streamlit app backup.py - Резервная версия для безопасности

API и уровень интеграции

Главная api.py - Мост между Streamlit и CrewAI

• app.py - реализация альтернативного интерфейса

Основной слой

Главная.py - Агенты CrewAI (Исследование + Писатель)

• debug summary.py - Утилита для извлечения резюме

####Уровень сервера MCP

Серверы/search server.py - веб-поиск через Brave API Серверы/image server.py - генерация изображений через Segmind API

####Слой хранения данных

Серверы / результаты поиска / - файлы JSON с данными поиска (40+ тем) Серверы/изображения/ - Сгенерированные изображения ИИ (30+ изображений)

️ Конфигурация и удобства

• requirements.txt - Управление зависимостями Setup nodejs.py - Настройка среды Test python version.py - тестирование совместимости

Запустите приложение без UI

Запустите приложение с помощью Streamlit

Потоковый интерфейс

Crewai-MCP

Build an MCP agent using Crewai

Workflow of MCP powered Crewai RStudy Assistant

graph TD
    %% User Interface Layer
    A["🌐 User InterfaceStreamlit App(streamlit_app.py)"] --> B["⚙️ API Layermain_api.py"]
    
    %% API Processing
    B --> C["🚀 Subprocess Callpython main.py {topic}"]
    
    %% CrewAI Core
    C --> D["🤖 CrewAI Application(main.py)Research Agent + Writer Agent"]
    
    %% MCP Protocol Communication
    D --> E["📡 MCP ProtocolModel Context ProtocolCommunication Layer"]
    
    %% MCP Servers
    E --> F["🔍 Search MCP Server(servers/search_server.py)Python Implementation"]
    E --> G["🎨 Image MCP Server(servers/image_server.py)Python Implementation"]
    E --> H["📁 Filesystem MCP Server(NPX - Disabled)Node.js v14 Issue"]
    
    %% External APIs
    F --> I["🦁 Brave Search APIWeb Search Results"]
    G --> J["🎭 Segmind APIAI Image Generation"]
    
    %% File Output Generation
    D --> K["📄 File Generation"]
    K --> L["📊 search_results.jsonSearch Data"]
    K --> M["📝 summary.txtResearch Summary"]
    K --> N["🖼️ generated_images/AI Generated Images"]
    
    %% Result Processing
    B --> O["🔄 Result ExtractionFile Detection & Parsing"]
    O --> P["📋 Summary ExtractionMultiple Pattern Recognition"]
    O --> Q["🔍 Search Results ParsingJSON Processing"]
    O --> R["🖼️ Image CollectionFile Listing"]
    
    %% Display Results
    P --> S["📑 Summary TabStreamlit Display"]
    Q --> T["🔍 Search Results TabStreamlit Cards"]
    R --> U["🎨 Generated Images TabStreamlit Gallery"]
    
    %% User Features
    S --> V["💾 Download SummaryText File"]
    U --> W["💾 Download ImagesZIP Archive"]
    
    %% System Monitoring
    A --> X["📊 System StatusMCP Server Health Check"]
    
    %% Styling for different component types
    classDef streamlit fill:#ff6b6b,stroke:#ff5252,stroke-width:3px,color:#fff
    classDef crewai fill:#4ecdc4,stroke:#26a69a,stroke-width:3px,color:#fff
    classDef mcp fill:#45b7d1,stroke:#039be5,stroke-width:3px,color:#fff
    classDef api fill:#96ceb4,stroke:#66bb6a,stroke-width:3px,color:#fff
    classDef files fill:#feca57,stroke:#ff9800,stroke-width:3px,color:#fff
    
    %% Apply styles
    class A,S,T,U,V,W,X streamlit
    class D crewai
    class E,F,G,H mcp
    class I,J api
    class K,L,M,N,O,P,Q,R files
    class B,C streamlit

🏗️ Architecture Breakdown

📱 Frontend Layer

• streamlit_app.py - Main web interface with beautiful UI
• streamlit_app_backup.py - Backup version for safety

🔄 API & Integration Layer

• main_api.py - Bridge between Streamlit and CrewAI
• app.py - Alternative interface implementation

🤖 AI Core Layer