Criora

Okviri za agente

Criora MCP server na adresi https://criora.com/mcp radi u svakom okviru za agente koji podržava Model Context Protocol preko Streamable HTTP. Nisu potrebni ni nalog ni ključ. Svaki primer ispod daje agentu sve Criora alate, i svaki je pokrenut na živom serveru sa navedenim verzijama biblioteka. Spisak alata i šta koji od njih odgovara nalazi se na stranici API za podatke i AI agenti.

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())

Pokrenuto sa langchain 1.4 i langchain-mcp-adapters 0.3. Umesto Claude modela može se koristiti bilo koji model za čet koji LangChain podržava.

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())

Pokrenuto sa llama-index-core 0.14 i 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())

Pokrenuto sa openai-agents 0.20. Da bi OpenAI Responses API sam pozivao server, bez MCP klijenta u vašem kodu, dajte agentu umesto toga HostedMCPTool(tool_config={"type": "mcp", "server_label": "criora", "server_url": "https://criora.com/mcp", "require_approval": "never"}) u tools.

n8n

  1. Dodajte čvor AI Agent i povežite ga sa modelom za čet.
  2. Pod Tool dodajte MCP Client Tool.
  3. Podesite Endpoint na https://criora.com/mcp, Server Transport na HTTP Streamable, Authentication na None i Tools to Include na All.

Dobro je znati

  • Odgovori su podrazumevano sažeti: samo polja koja odgovaraju na pitanje. Prosledite alatu response_format: "detailed" da biste dobili sva polja, na primer poreklo svakog izveštaja ili ceo tekst upozorenja.
  • Svaki odgovor navodi svoje izvore, a odgovor o opasnostima u polju credit daje licencu i navođenje autorstva za svaki od njih. Kada objavljujete ono što je agent pronašao, navedite Criora i imenovani izvor, kako objašnjava stranica API za podatke i AI agenti u delu o izvorima i navođenju.
  • Server je samo za čitanje i besplatan je za korišćenje prema Uslovima korišćenja.
Pogledajte na mapi