CrewAI 是一个开源的 Python 框架，用于编排协作的自主 AI 代理，通过角色分配和任务管理实现复杂任务的自动化。本文档基于 CrewAI GitHub 仓库 的信息，旨在帮助用户快速上手 CrewAI，构建并运行 AI 代理团队。

1. 简介

CrewAI 是一个轻量、高性能的框架，专注于多 AI 代理协作，能够通过角色扮演和任务分配实现复杂任务的自动化。它支持灵活的定制、外部工具集成以及多种大型语言模型（LLM）的使用，适用于从简单任务到企业级复杂场景的自动化需求。

主要特性

• 角色驱动的代理设计：为每个代理定义特定的角色、目标和背景故事。
• 自主代理间协作：代理可以自主委托任务并相互交流，提升问题解决效率。
• 灵活的任务管理：动态分配任务并支持自定义工具。
• 高性能与轻量：优化执行速度和资源使用，独立于其他框架如 LangChain。
• 支持多种 LLM：兼容开源和专有模型，支持本地模型（如通过 Ollama 或 LM Studio）。

2. 安装与环境配置

2.1 安装 CrewAI

确保你的系统已安装 Python 3.8 或更高版本。建议使用虚拟环境以避免依赖冲突。

运行以下命令安装 CrewAI：

pip install crewai

如果使用 Poetry 管理依赖，运行：

poetry add crewai

若遇到 Poetry 相关错误，可更新 CrewAI 包：

poetry update crewai

2.2 配置环境变量

CrewAI 需要配置 API 密钥以使用 LLM（如 OpenAI、Anthropic 或本地模型）。创建一个 .env 文件存储密钥，格式如下：

OPENAI_API_KEY=your_openai_api_key
SERPER_API_KEY=your_serper_api_key

确保将 .env 添加到 .gitignore 中以防止泄露密钥。

2.3 项目结构

推荐使用 CrewAI 的 YAML 模板结构来组织项目。运行以下命令创建一个新项目：

crewai create latest-ai-development

这将生成以下目录结构：

latest-ai-development/
├── .gitignore
├── pyproject.toml
├── README.md
├── .env
└── src/
    └── latest_ai_development/
        ├── __init__.py
        ├── main.py
        ├── crew.py
        ├── tools/
        │   ├── custom_tool.py
        │   └── __init__.py
        └── config/
            ├── agents.yaml
            ├── tasks.yaml

• agents.yaml：定义代理的角色、目标和背景。
• tasks.yaml：定义任务的描述和预期输出。
• main.py：主程序入口，加载配置并运行代理团队。

3. 创建你的第一个 AI 代理团队

以下是一个简单的例子，展示如何使用 CrewAI 创建一个研究和报告生成团队。

3.1 定义代理

编辑 src/latest_ai_development/config/agents.yaml 文件，定义两个代理：研究员和报告撰写者。

researcher:
  role: Senior Data Researcher
  goal: Uncover cutting-edge developments in AI
  backstory: You're a seasoned researcher with a knack for uncovering the latest developments in AI. Known for your ability to find relevant information and present it clearly.

writer:
  role: Report Writer
  goal: Create a comprehensive report based on research findings
  backstory: You're an expert writer skilled in transforming complex data into clear, engaging reports.

3.2 定义任务

编辑 src/latest_ai_development/config/tasks.yaml 文件，定义两个任务：研究和报告撰写。

research_task:
  description: Research the latest advancements in AI for 2025
  expected_output: A detailed summary of recent AI developments
  agent: researcher

writing_task:
  description: Write a comprehensive report based on the research findings
  expected_output: A markdown-formatted report
  agent: writer

3.3 配置主程序

编辑 src/latest_ai_development/main.py，加载代理和任务，并运行 CrewAI：

from crewai import Crew, Agent, Task
import os
from dotenv import load_dotenv

# 加载环境变量
load_dotenv()

# 配置代理
researcher = Agent(
    role="Senior Data Researcher",
    goal="Uncover cutting-edge developments in AI",
    backstory="You're a seasoned researcher with a knack for uncovering the latest developments in AI.",
    verbose=True,
    allow_delegation=False
)

writer = Agent(
    role="Report Writer",
    goal="Create a comprehensive report based on research findings",
    backstory="You're an expert writer skilled in transforming complex data into clear, engaging reports.",
    verbose=True,
    allow_delegation=False
)

# 配置任务
research_task = Task(
    description="Research the latest advancements in AI for 2025",
    expected_output="A detailed summary of recent AI developments",
    agent=researcher
)

writing_task = Task(
    description="Write a comprehensive report based on the research findings",
    expected_output="A markdown-formatted report",
    agent=writer
)

# 创建 Crew
crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    verbose=2
)

# 运行 Crew
result = crew.kickoff()

# 输出结果
print(result)

3.4 运行项目

在终端中运行以下命令：

python src/latest_ai_development/main.py

运行后，CrewAI 将按顺序执行任务，生成一个 report.md 文件，包含研究结果和最终报告。

4. 高级功能

4.1 集成外部工具

CrewAI 支持与外部工具、API 和数据库集成。例如，使用 crewAI-tools 包添加搜索功能：

pip install crewai-tools

示例：添加互联网搜索工具。

from crewai_tools import SerperDevTool

search_tool = SerperDevTool()
researcher = Agent(
    role="Senior Data Researcher",
    goal="Uncover cutting-edge developments in AI",
    tools=[search_tool],
    verbose=True
)

需要提供 SERPER_API_KEY，可从 Serper 获取。

4.2 使用本地 LLM

CrewAI 支持本地模型（如 Llama 3.1）。以下是配置 NVIDIA NIM 模型的示例：

from crewai import LLM

local_nvidia_nim_llm = LLM(
    model="openai/meta/llama-3.1-8b-instruct",
    base_url="http://localhost:8000/v1",
    api_key="your_api_key"
)

researcher = Agent(
    role="Senior Data Researcher",
    goal="Uncover cutting-edge developments in AI",
    llm=local_nvidia_nim_llm,
    verbose=True
)

参考 LLM 配置文档 获取更多细节。

4.3 流程管理

CrewAI 支持两种主要流程：

• 顺序流程：任务按顺序执行（默认）。
• 层级流程：自动分配一个管理者代理协调任务。

启用层级流程：

crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    process="hierarchical",
    verbose=2
)

更多流程（如共识流程）正在开发中。

5. 最佳实践

• 优化 token 使用：监控 LLM 的 token 使用，调整上下文窗口和温度参数以平衡性能和成本。
• 使用 YAML 模板：通过 agents.yaml 和 tasks.yaml 保持项目结构清晰。
• 启用详细日志：设置 verbose=True 以调试代理行为。
• 社区资源：参考 CrewAI-examples 仓库 获取实际案例，如旅行规划或股票分析。

6. 贡献与支持

CrewAI 是一个开源项目，欢迎社区贡献。你可以：

• 访问 CrewAI GitHub 提交 Pull Request。
• 加入 CrewAI 社区论坛 与其他开发者交流。
• 查看 官方文档 获取详细教程。

若需企业级功能（如实时监控、安全集成），可探索 CrewAI Enterprise。

7. 注意事项

• 遥测数据：CrewAI 默认启用匿名遥测以改进功能，不收集敏感数据（如提示或 API 密钥）。可通过设置环境变量 OTEL_SDK_DISABLED=true 禁用。
• 依赖管理：定期更新 CrewAI 和相关包以避免兼容性问题。
• Windows 用户：若遇到 chroma-hnswlib 构建错误，安装 Visual Studio Build Tools 并启用 C++ 桌面开发。

8. 总结

CrewAI 提供了一个强大而灵活的框架，用于构建协作 AI 代理团队。通过角色驱动的设计、任务管理和外部工具集成，用户可以轻松实现复杂任务的自动化。遵循本指南，你可以快速创建并运行你的第一个 CrewAI 项目，并根据需求扩展功能。