Criora

Framework-uri pentru agenți

Serverul MCP Criora de la https://criora.com/mcp funcționează în orice framework pentru agenți care folosește Model Context Protocol prin Streamable HTTP. Nu are nevoie de cont și nici de cheie. Fiecare exemplu de mai jos îi dă unui agent toate instrumentele Criora și fiecare a fost rulat pe serverul public cu versiunile de biblioteci pe care le numește. API de date și agenți AI enumeră instrumentele și la ce răspunde fiecare.

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())

Rulat cu langchain 1.4 și langchain-mcp-adapters 0.3. Orice model de chat acceptat de LangChain poate lua locul modelului Claude.

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())

Rulat cu llama-index-core 0.14 și 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())

Rulat cu openai-agents 0.20. Ca Responses API de la OpenAI să apeleze singur serverul, fără client MCP în codul tău, dă-i agentului în schimb HostedMCPTool(tool_config={"type": "mcp", "server_label": "criora", "server_url": "https://criora.com/mcp", "require_approval": "never"}) în tools.

n8n

  1. Adaugă un nod AI Agent și conectează-i un model de chat.
  2. La Tool, adaugă un MCP Client Tool.
  3. Setează Endpoint la https://criora.com/mcp, Server Transport la HTTP Streamable, Authentication la None și Tools to Include la All.

Bine de știut

  • Răspunsurile sunt concise în mod implicit: câmpurile care răspund la întrebare. Trimite unui instrument response_format: "detailed" pentru toate câmpurile, de exemplu proveniența fiecărui raport sau textul complet al unei avertizări.
  • Fiecare răspuns își numește sursele, iar un răspuns despre pericole dă în credit licența și atribuirea fiecăreia. Când publici ce a găsit un agent, menționează Criora și sursa numită, așa cum explică API de date și agenți AI la surse și atribuire.
  • Serverul este doar pentru citire și se folosește gratuit conform Termenilor și condițiilor.
Vezi pe hartă