CrewAI

CrewAI 是一款专为构建和管理多AI智能体系统而设计的开源框架。它提供了一种强大而灵活的方式，让开发者能够定义具有特定“角色”（Roles）、“任务”（Tasks）和“协作方式”（Process）的AI智能体团队，使其能够像人类团队一样，通过分工协作来解决复杂问题。CrewAI 的出现，极大地简化了开发复杂自主AI应用的过程，让大语言模型（LLM）的应用从单次交互走向多步骤、多角色、智能协同的自动化工作流。它为开发者提供了一个直观的蓝图，将宏观目标拆解为可执行的微观任务，并分配给专业的AI智能体。

核心功能与如何使用

CrewAI 的核心功能在于其基于角色的智能体定义、任务驱动型工作流编排、灵活的协作机制和可扩展的工具使用能力。

基于角色的智能体定义（Role-Based Agents）：在 CrewAI 中，开发者可以为每个AI智能体分配一个明确的**“角色”**。这个角色不仅仅是名称，它包含了一系列定义智能体行为的属性，例如：
- 职责（Role）：定义智能体在团队中的身份和主要职责，例如“研究员”、“内容创作者”、“产品经理”等。
- 目标（Goal）：智能体的最终目标或长期使命，引导其整体行为方向。
- 背景知识（Backstory）：为智能体设定一个“背景故事”，使其在执行任务时更具上下文感知和角色一致性。
- 工具（Tools）：分配给智能体可以使用的特定工具或函数，例如搜索工具、代码解释器、API接口等。通过这种方式，每个智能体都像一个虚拟的专家，拥有自己的专长和行为模式，使得团队分工明确，协同效率更高。
任务驱动型工作流编排（Task-Driven Workflow Orchestration）：CrewAI 允许开发者定义一系列具体的**“任务”**，每个任务都有明确的描述、预期输出和可以分配给哪个智能体来执行。这些任务可以按顺序执行，也可以通过智能体之间的协作来动态分配。任务定义包括：
- 描述（Description）：详细说明任务的目标和内容。
- 预期输出（Expected Output）：明确任务完成后需要生成的结果格式和内容。
- 工具（Tools）：指定完成此任务所需的工具。
- 异步执行（Asynchronous Execution）：支持并行处理多个任务，提高效率。通过将复杂目标分解为一系列可管理的任务，CrewAI 使得AI团队能够系统地逐步解决问题，并且每个步骤都具备清晰的进展和可追溯性。
灵活的协作机制（Flexible Process for Collaboration）：CrewAI 提供了两种主要的团队协作模式：
- 顺序协作（Sequential Process）：任务按照预设的顺序，从一个智能体传递到下一个智能体，每个智能体在前一个智能体完成的基础上继续工作。这适用于需要严格步骤和逐步精炼的任务。
- 层级协作（Hierarchical Process）：团队中有一个“经理”智能体，负责接收初始目标，然后将子任务分配给其他“工人”智能体。当工人智能体完成任务后，会将结果反馈给经理智能体，由经理智能体进行汇总、审查或进一步分配。这适用于更复杂、需要动态决策和协调的任务。这种灵活的协作模型，使得 CrewAI 能够适应从简单线性流程到复杂决策树的各种业务场景，更好地模拟真实团队的工作方式。
可扩展的工具使用能力（Extensible Tool Usage）：CrewAI 的智能体能够无缝地与外部工具集成，极大地扩展了其解决问题的边界。这些工具可以是简单的Python函数、API调用（如搜索API、数据库查询）、或者更复杂的现有软件集成。通过为智能体提供必要的工具，它们能够执行搜索网络、读写文件、与数据库交互、运行代码、调用其他AI服务等实际操作，从而让AI团队不仅能思考，更能“行动”，直接影响现实世界的数据和系统。

如何使用

使用 CrewAI 构建一个智能体团队的典型流程：

安装 CrewAI：首先，通过 pip install crewai 命令在你的 Python 环境中安装 CrewAI 库。
配置大语言模型（LLM）：设置你想要使用的LLM服务提供商，如 OpenAI、Anthropic、Groq 等，并配置相应的API密钥。
定义工具（Tools）：编写任何智能体可能需要的自定义工具函数。例如，一个执行网络搜索的函数，一个写入文件的函数。

定义智能体（Agents）：为你的团队定义每个智能体，包括其role、goal、backstory和可以使用的tools。例如：

Python

researcher = Agent(
    role='市场研究员',
    goal='收集最新市场趋势',
    backstory='擅长深度挖掘和分析市场数据',
    tools=[search_tool] # 假设有一个搜索工具
)
writer = Agent(
    role='内容创作者',
    goal='撰写引人入胜的市场报告',
    backstory='以清晰简洁的语言呈现复杂信息',
    # no specific tools needed for this example, or add a writing tool
)

定义任务（Tasks）：为团队定义需要完成的具体任务，包括description、expected_output以及agent（指定由哪个智能体执行，或在多智能体流程中动态分配）。

Python

research_task = Task(
    description='研究2025年人工智能市场的主要增长点。',
    expected_output='一份包含关键增长领域、市场规模和未来趋势的报告。',
    agent=researcher
)
write_report_task = Task(
    description='基于研究员的发现，撰写一份摘要报告。',
    expected_output='一份简洁、专业的市场趋势摘要报告。',
    agent=writer
)

创建团队（Crew）：将定义好的智能体和任务组合成一个“Crew”，并设置process（协作模式，如Process.sequential或Process.hierarchical）。

Python

from crewai import Crew, Process
my_crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, write_report_task],
    process=Process.sequential, # 或者 Process.hierarchical
    verbose=2 # 打印详细的执行日志
)