Criora

Agent-frameworks

De MCP-server van Criora op https://criora.com/mcp werkt in elk agent-framework dat het Model Context Protocol via Streamable HTTP spreekt. Er is geen account en geen sleutel nodig. Elk voorbeeld hieronder geeft een agent alle tools van Criora, en elk is tegen de live server uitgevoerd met de genoemde bibliotheekversies. Data-API en AI-agents noemt de tools en waar elk antwoord op geeft.

LangChain

pip install langchain langchain-anthropic langchain-mcp-adapters
import asyncio

from langchain.agents import create_agent
from langchain_mcp_adapters.client import MultiServerMCPClient

CRIORA = {"transport": "streamable_http", "url": "https://criora.com/mcp"}


async def main():
    tools = await MultiServerMCPClient({"criora": CRIORA}).get_tools()
    agent = create_agent("anthropic:claude-sonnet-5-5", tools)
    question = "Is it safe to travel to Manila next week?"
    answer = await agent.ainvoke({"messages": question})
    print(answer["messages"][-1].content)


asyncio.run(main())

Uitgevoerd met langchain 1.4 en langchain-mcp-adapters 0.3. Elk chatmodel dat LangChain ondersteunt kan de plaats van het Claude-model innemen.

LlamaIndex

pip install llama-index-core llama-index-tools-mcp llama-index-llms-anthropic
import asyncio

from llama_index.core.agent.workflow import FunctionAgent
from llama_index.llms.anthropic import Anthropic
from llama_index.tools.mcp import BasicMCPClient, McpToolSpec


async def main():
    criora = McpToolSpec(client=BasicMCPClient("https://criora.com/mcp"))
    tools = await criora.to_tool_list_async()
    agent = FunctionAgent(tools=tools, llm=Anthropic(model="claude-sonnet-5-5"))
    question = "Which countries face the most dangerous weather this week?"
    print(await agent.run(question))


asyncio.run(main())

Uitgevoerd met llama-index-core 0.14 en llama-index-tools-mcp 0.4.

OpenAI Agents SDK

pip install openai-agents
import asyncio

from agents import Agent, Runner
from agents.mcp import MCPServerStreamableHttp


async def main():
    params = {"url": "https://criora.com/mcp"}
    async with MCPServerStreamableHttp(name="Criora", params=params) as criora:
        agent = Agent(
            name="Risk analyst",
            instructions="Answer with Criora's data and name its sources.",
            mcp_servers=[criora],
        )
        question = "How exposed is Rotterdam to river flooding by 2050?"
        result = await Runner.run(agent, question)
        print(result.final_output)


asyncio.run(main())

Uitgevoerd met openai-agents 0.20. Wil je dat de Responses API van OpenAI de server zelf aanroept, zonder MCP-client in je code, geef de agent dan in plaats daarvan HostedMCPTool(tool_config={"type": "mcp", "server_label": "criora", "server_url": "https://criora.com/mcp", "require_approval": "never"}) in tools.

n8n

  1. Voeg een AI Agent-node toe en koppel er een chatmodel aan.
  2. Voeg onder Tool een MCP Client Tool toe.
  3. Zet Endpoint op https://criora.com/mcp, Server Transport op HTTP Streamable, Authentication op None en Tools to Include op All.

Goed om te weten

  • Antwoorden zijn standaard beknopt: de velden die de vraag beantwoorden. Geef een tool response_format: "detailed" mee voor alle velden, zoals de herkomst van elk bericht of de volledige tekst van een waarschuwing.
  • Elk antwoord noemt zijn bronnen, en een antwoord over gevaren geeft in credit de licentie en naamsvermelding van elke bron. Publiceer je wat een agent vond, vermeld dan Criora en de genoemde bron, zoals Data-API en AI-agents uitlegt bij bronnen en naamsvermelding.
  • De server is alleen-lezen en gratis te gebruiken volgens de Gebruiksvoorwaarden.
Bekijk het op de kaart