Criora

Фреймворки агентів

MCP-сервер Criora за адресою https://criora.com/mcp працює в будь-якому фреймворку агентів, який підтримує Model Context Protocol через Streamable HTTP. Ні акаунт, ні ключ не потрібні. Кожен приклад нижче дає агенту всі інструменти Criora, і кожен було запущено проти робочого сервера з названими версіями бібліотек. Перелік інструментів і те, на що відповідає кожен, є на сторінці API даних та ШІ-агенти.

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 з langchain 1.4 і langchain-mcp-adapters 0.3. Замість моделі Claude підійде будь-яка чат-модель, яку підтримує 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 з llama-index-core 0.14 і 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 з openai-agents 0.20. Щоб Responses API OpenAI сам звертався до сервера, без MCP-клієнта у вашому коді, передайте агенту в tools натомість HostedMCPTool(tool_config={"type": "mcp", "server_label": "criora", "server_url": "https://criora.com/mcp", "require_approval": "never"}).

n8n

  1. Додайте вузол AI Agent і під’єднайте до нього чат-модель.
  2. У розділі Tool додайте MCP Client Tool.
  3. Вкажіть Endpoint https://criora.com/mcp, Server Transport HTTP Streamable, Authentication None і Tools to Include All.

Варто знати

  • Типово відповіді стислі: лише поля, які відповідають на запитання. Щоб отримати всі поля, наприклад походження кожного повідомлення чи повний текст попередження, передайте інструменту response_format: "detailed".
  • Кожна відповідь називає свої джерела, а відповідь про небезпечні явища наводить у credit ліцензію та потрібну атрибуцію кожного. Публікуючи те, що знайшов агент, зазначте Criora і назване джерело, як описано в розділі про джерела й атрибуцію на сторінці API даних та ШІ-агенти.
  • Сервер лише читає дані й безкоштовний у межах Умов використання.
Подивитися на мапі