CrewAI Community Version(一)——初步了解以及QuickStart样例

1. CrewAI简介

  CrewAI是一个精简、快如闪电的Python框架，完全独立于LangChain或其他Agent框架。它为开发者提供了高层次简洁性与精准低层次控制的双重优势，是创建适用于任何场景的自主AI代理的理想框架，存在如下的两种模式：
  1. CrewAI Crews：优化自主性与协作智能，使您能够创建具备特定角色、工具、目标的智能体团队。
  2. CrewAI Flows：支持细粒度的事件驱动控制，通过单一LLM调用实现精准任务编排，并原生支持智能体团队协作。

1.1 CrewAI Crews

  下图源自CrewAI。

1.2 CrewAI Flows

  下图源自CrewAI。

1.3 Crews和Flows的使用情景

  当你需要自主解决问题、合作创新或进行探索性任务时，应该选择Crews；当你需要确定性的结果、审计能力或对执行的精准控制，应该选择Flows；当你的应用需要结构化过程和一些自主智能时，应该联合Crews和Flows。

2. CrewAI安装

2.1 安装uv

  uv是用Rust编写的Python包管理器，目前使用Python的新项目基本上都使用它来对项目中的依赖进行管理。Windows上安装的命令：
  powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

2.2 安装CrewAI CLI

  安装CrewAI CLI的命令：
  uv tool install crewai
  配置CrewAI的路径：
  uv tool update-shell
  验证CrewAI安装：
  uv tool list
  更新CrewAI：
  uv tool install crewai --upgrade

3. 官网QuickStart样例

3.1 创建CrewAI Crews项目

  创建CrewAI Crews项目：
  crewai create crew <your-project-name>

3.2 项目结构

  项目结构图如下。

3.3 .env

  CrewAI支持调用和OpenAI的API规范一致的大模型，这里我选择了deepseek-chat。

MODEL=openai/deepseek-chat
OPENAI_API_KEY="your-api-key"
OPENAI_API_BASE="https://api.deepseek.com/v1"

3.4 智能体角色及其任务

3.4.1 agents.yaml

  样例中定义了两个智能体research和reporting_analyst，分别给它们定义了role、goal和backstory。此外，在role、goal和backstory中可以通过{变量名}的方式插入用户输入的内容。

researcher:
  role: >
    {topic}领域的高级数据研究员
  goal: >
    发掘{topic}领域的前沿发展
  backstory: >
    你是一位经验丰富的研究员，擅长发掘{topic}领域的最新进展。你能够找到最相关的信息并以清晰简洁的方式呈现。
    

reporting_analyst:
  role: >
    {topic}领域的报告分析师
  goal: >
    基于{topic}领域的数据分析和研究发现，创建详细的报告
  backstory: >
    你是一位细致入微的分析师，对细节有着敏锐的洞察力。你能够将复杂的数据转化为清晰简洁的报告，使他人能够轻松理解并基于你提供的信息采取行动。

3.4.2 tasks.yaml

  tasks.yaml中给researcher和reporting_analyst分别分配了任务research_task和reporting_task，在每个任务中给出了任务描述description、任务输出expected_output和该任务所属的智能体agent。同样，在description、expected_output中可以通过{变量名}的方式插入用户的内容。

research_task:
  description: >
    对{topic}领域进行深入研究，确保在当前年份{current_year}下找到所有有趣且相关的信息。
  expected_output: >
    列出关于{topic}的10个要点，涵盖最相关的信息。
  agent: researcher

reporting_task:
  description: >
    审查获取的内容，并将每个主题扩展为完整的报告章节。确保报告详尽，包含所有相关信息。
  expected_output: >
    一份完整的报告，每个主要主题均包含详细的信息章节，以Markdown格式呈现（不包含代码块标记）。
  agent: reporting_analyst

3.5 crew.py

 &emsp以下代码皆是创建项目时自动生成的，从下面的代码中可以看出FirstAgent类主要完成3个任务：1. 创建智能体Agent。2. 创建智能体的任务Task。3. 创建最顶层组织Crew。

from crewai import Agent, Crew, Process, Task
from crewai.project import CrewBase, agent, crew, task

# If you want to run a snippet of code before or after the crew starts,
# you can use the @before_kickoff and @after_kickoff decorators
# https://docs.crewai.com/concepts/crews#example-crew-class-with-decorators

@CrewBase
class FirstAgent():
    """FirstAgent crew"""

    # Learn more about YAML configuration files here:
    # Agents: https://docs.crewai.com/concepts/agents#yaml-configuration-recommended
    # Tasks: https://docs.crewai.com/concepts/tasks#yaml-configuration-recommended
    agents_config = 'config/agents.yaml'
    tasks_config = 'config/tasks.yaml'

    # If you would like to add tools to your agents, you can learn more about it here:
    # https://docs.crewai.com/concepts/agents#agent-tools
    @agent
    def researcher(self) -> Agent:
        return Agent(
            config=self.agents_config['researcher'],
            verbose=True
        )

    @agent
    def reporting_analyst(self) -> Agent:
        return Agent(
            config=self.agents_config['reporting_analyst'],
            verbose=True
        )

    # To learn more about structured task outputs,
    # task dependencies, and task callbacks, check out the documentation:
    # https://docs.crewai.com/concepts/tasks#overview-of-a-task
    @task
    def research_task(self) -> Task:
        return Task(
            config=self.tasks_config['research_task'],
        )

    @task
    def reporting_task(self) -> Task:
        return Task(
            config=self.tasks_config['reporting_task'],
            output_file='report.md'
        )

    @crew
    def crew(self) -> Crew:
        """Creates the FirstAgent crew"""
        # To learn how to add knowledge sources to your crew, check out the documentation:
        # https://docs.crewai.com/concepts/knowledge#what-is-knowledge

        return Crew(
            agents=self.agents, # Automatically created by the @agent decorator
            tasks=self.tasks, # Automatically created by the @task decorator
            process=Process.sequential,
            verbose=True,
            # process=Process.hierarchical, # In case you wanna use that instead https://docs.crewai.com/how-to/Hierarchical/
        )

3.6 main.py

  main.py文件主要功能是让你在本地运行Crew，以达到测试的目的。以下代码也是在创建项目时自动生成的。

import sys
import warnings

from datetime import datetime

from first_agent.crew import FirstAgent

warnings.filterwarnings("ignore", category=SyntaxWarning, module="pysbd")

# This main file is intended to be a way for you to run your
# crew locally, so refrain from adding unnecessary logic into this file.
# Replace with inputs you want to test with, it will automatically
# interpolate any tasks and agents information

def run():
    """
    Run the crew.
    """
    inputs = {
        'topic': '大语言模型',
        'current_year': str(datetime.now().year)
    }
    
    try:
        FirstAgent().crew().kickoff(inputs=inputs)
    except Exception as e:
        raise Exception(f"An error occurred while running the crew: {e}")


def train():
    """
    Train the crew for a given number of iterations.
    """
    inputs = {
        "topic": "大语言模型"
    }
    try:
        FirstAgent().crew().train(n_iterations=int(sys.argv[1]), filename=sys.argv[2], inputs=inputs)

    except Exception as e:
        raise Exception(f"An error occurred while training the crew: {e}")

def replay():
    """
    Replay the crew execution from a specific task.
    """
    try:
        FirstAgent().crew().replay(task_id=sys.argv[1])

    except Exception as e:
        raise Exception(f"An error occurred while replaying the crew: {e}")

def test():
    """
    Test the crew execution and returns the results.
    """
    inputs = {
        "topic": "大语言模型",
        "current_year": str(datetime.now().year)
    }
    try:
        FirstAgent().crew().test(n_iterations=int(sys.argv[1]), openai_model_name=sys.argv[2], inputs=inputs)

    except Exception as e:
        raise Exception(f"An error occurred while testing the crew: {e}")

3.7 本地运行

  在项目路径下先安装依赖，然后运行：

crewai install
crewai run

  从上面的Agents.yaml和Tasks.yaml中可以看出，该样例的目的是产出一份指定topic、指定年份year的报告，报告最终输出为Markdown文件。
  生成该报告的过程如下：
  1. research Agent查找关于指定主题topic、指定年份year的内容，并将其总结成10个要点。



  2. research Agent完成任务后，将得到10个要点交给reporting_analyst Agent。reporting_analyst审查获取的10个要点，并将其扩写成一份指定主题topic、指定年份year的报告，并以Markdown文件格式输出。

参考

https://docs.crewai.com/introduction
https://docs.crewai.com/installation
https://docs.crewai.com/quickstart