Saltearse al contenido

Configuración de LlamaIndex

Conecte un agente de LlamaIndex al servidor MCP de graph8. El paquete llama-index-tools-mcp de LlamaIndex envuelve las herramientas MCP como FunctionTool nativas de LlamaIndex que sus agentes pueden utilizar.

Requisitos previos

  • Python 3.10+
  • llama-index, llama-index-tools-mcp, llama-index-llms-anthropic (o el proveedor de modelo que prefiera)
Ventana de terminal
pip install llama-index llama-index-tools-mcp llama-index-llms-anthropic

MCP alojado (OAuth remoto)

import asyncio
import os


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




async def main() -> None:
    client = BasicMCPClient("https://be.graph8.com/mcp/")
    tool_spec = McpToolSpec(client=client)
    tools = await tool_spec.to_tool_list_async()


    llm = Anthropic(
        model="claude-sonnet-4",
        api_key=os.environ["ANTHROPIC_API_KEY"],
    )
    agent = ReActAgent.from_tools(tools, llm=llm, verbose=True)


    response = await agent.achat(
        "Use g8_find_contacts to preview 10 VP Sales at fintech startups "
        "in New York. Return name, company, title."
    )
    print(response)




if __name__ == "__main__":
    asyncio.run(main())

La primera llamada abre un navegador para OAuth. Las llamadas posteriores reutilizan el token almacenado en caché.

MCP autoalojado (stdio)

Para uso sin interfaz gráfica o en entornos de CI, ejecute el servidor MCP de forma local con stdio y una clave de API personal.

Ventana de terminal
export G8_API_KEY="g8_..."
import asyncio
import os


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




async def main() -> None:
    client = BasicMCPClient(
        command_or_url="uvx",
        args=["g8-mcp-server"],
        env={
            "G8_API_KEY": os.environ["G8_API_KEY"],
            "G8_MCP_MODE": "gtm",
        },
    )
    tool_spec = McpToolSpec(client=client)
    tools = await tool_spec.to_tool_list_async()


    llm = Anthropic(model="claude-sonnet-4")
    agent = ReActAgent.from_tools(tools, llm=llm, verbose=True)


    response = await agent.achat("Search my CRM for contacts at Stripe.")
    print(response)




if __name__ == "__main__":
    asyncio.run(main())

Ejemplo práctico: flujo de prospección SaaS

prompt = (
    "Find 25 VP Engineering at Series B SaaS in the US using g8_find_contacts. "
    "Pick the 10 with the highest signal score. Ask me to confirm before "
    "saving them to a new list via g8_build_contact_list."
)
response = await agent.achat(prompt)

Las herramientas que consumen créditos requieren confirmación explícita. El servidor MCP devuelve un prompt estructurado que el agente presenta al usuario antes de cualquier operación de guardado.

Relacionado