Criora

Фреймворки агентов

MCP-сервер Criora по адресу https://criora.com/mcp работает в любом фреймворке агентов, который поддерживает Model Context Protocol через Streamable HTTP. Ни аккаунт, ни ключ не нужны. Каждый пример ниже даёт агенту все инструменты Criora, и каждый был запущен против рабочего сервера с указанными версиями библиотек. Список инструментов и то, на что отвечает каждый, есть на странице API данных и ИИ-агенты.

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())

Запущено с langchain 1.4 и langchain-mcp-adapters 0.3. Вместо модели Claude подойдёт любая чат-модель, которую поддерживает LangChain.

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())

Запущено с llama-index-core 0.14 и 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())

Запущено с openai-agents 0.20. Чтобы Responses API OpenAI сам обращался к серверу, без MCP-клиента в вашем коде, передайте агенту в tools вместо этого HostedMCPTool(tool_config={"type": "mcp", "server_label": "criora", "server_url": "https://criora.com/mcp", "require_approval": "never"}).

n8n

  1. Добавьте узел AI Agent и подключите к нему чат-модель.
  2. В разделе Tool добавьте MCP Client Tool.
  3. Укажите Endpoint https://criora.com/mcp, Server Transport HTTP Streamable, Authentication None и Tools to Include All.

Полезно знать

  • По умолчанию ответы краткие: только поля, которые отвечают на вопрос. Чтобы получить все поля, например происхождение каждого сообщения или полный текст предупреждения, передайте инструменту response_format: "detailed".
  • Каждый ответ называет свои источники, а ответ об опасных явлениях приводит в credit лицензию и требуемую атрибуцию каждого. Публикуя то, что нашёл агент, укажите Criora и названный источник, как описано в разделе об источниках и атрибуции на странице API данных и ИИ-агенты.
  • Сервер только читает данные и бесплатен в рамках Условий использования.
Посмотреть на карте