摘要：CrewAI 是最受欢迎的 Python 框架之一，旨在实现智能多代理协作，从而改变开发人员处理复杂 AI 工作流的方式。与孤立运行的传统单代理系统不同，CrewAI 引入了作为一个团队协同工作的自主 AI 代理——每个代理都扮演一个专门的角色，配备特定的工具
与孤立运行的传统单代理系统不同，CrewAI 引入了作为一个团队协同工作的自主 AI 代理。
Image via Unsplash+.
CrewAI 是最受欢迎的 Python 框架之一，旨在实现智能多代理协作，从而改变开发人员处理复杂 AI 工作流的方式。与孤立运行的传统单代理系统不同，CrewAI 引入了作为一个团队协同工作的自主 AI 代理——每个代理都扮演一个专门的角色，配备特定的工具并朝着明确定义的目标努力。通过促进类似人类的协作并利用先进的工作流程管理，CrewAI 为开发人员提供了一个强大的工具包，用于构建智能、可扩展且适应性强的 AI 系统。
CrewAI 严格遵守上图中概述的原则，该图将 AI 代理的结构分解为关键组成部分：角色、指令、任务、计划、内存、工具和委派。这些元素中的每一个都是 CrewAI 代理设计的基础，能够创建智能的、特定于角色的协作式 AI 系统。
有关详细说明和背景，请参阅我之前关于 AI 代理剖析的文章。
CrewAI 允许开发人员通过指定其工作职能和详细的背景故事来为每个代理定义一个明确的角色。这可确保代理的行为一致，并与其预期角色保持一致。例如，代理可能被配置为具有识别新兴趋势专业知识的市场研究分析师。此角色有助于指导代理在整个工作流程中的操作和决策。
researcher = Agent( role='Market Research Analyst', goal='Identify emerging market trends', backstory='An experienced analyst specializing in technology and startups' )角色为代理的行为创建上下文，使其响应和操作更加量身定制和相关。
CrewAI 中的指令定义了代理的工作描述，指定了它应该如何处理其任务。CrewAI 允许开发人员向每个代理提供清晰、结构化的指令，确保其目标得到充分理解和可操作。
research_task = Task( description='Analyze industry reports to identify top emerging technologies', agent=researcher )这些指令直接影响任务执行过程，确保代理在定义的工作范围内运行。
任务是代理执行的可操作元素。CrewAI 将任务与代理的能力无缝结合，确保角色与特定工作分配保持一致。代理根据所选的工作流程（例如，顺序或并行）独立或协作地处理其任务。CrewAI 支持明确的任务委派，以确保每个代理都知道其目标。
CrewAI 允许以顺序、分层或并行模式执行工作流，从而支持规划。代理可以战略性地采取行动，相互动态协调以实现共同目标。规划使单个代理操作与更广泛的工作流程保持一致，从而确保效率和一致性。例如，CrewAI Flows 使代理能够链接任务、有条件地执行或响应动态事件。
market_crew = Crew( agents=[researcher, writer], tasks=[research_task, writing_task], process='sequential' # Workflow planning )这种方法模拟了现实世界的团队协作，其中角色和职责是在共享策略下定义的。
内存允许代理在任务执行期间保留历史上下文。CrewAI 代理可以配置内存以调用以前的交互，从而确保工作流程的连续性和连贯性。这在代理必须根据过去的结果进行调整的长期运行过程中尤为重要。
researcher = Agent( role='Research Analyst', memory=True, # Retains interaction history goal='Analyze historical data trends for insights' )启用内存后，CrewAI 代理可以根据上下文进行操作，在先前结果的基础上提供更好的结果。
CrewAI 代理通过扩展其功能的工具集成技能。无论任务需要 Web 搜索、数据提取还是 PDF 分析，代理都可以利用工具来访问和处理外部信息。CrewAI 支持多种工具，例如 PDFSearchTool 和 SerperDevTool，使代理能够有效地检索和分析数据。
from crewai_tools import PDFSearchTool research_tool = PDFSearchTool(pdf='industry_report.pdf') researcher = Agent( role='Research Analyst', tools=[research_tool], goal='Extract insights from the industry report' )工具使代理能够执行超出 LLM 单独可以完成的专业任务，从而提高其整体效率。
委派委派是 CrewAI 的一项基本功能，可实现团队管理和代理间通信。代理可以动态分配子任务、协作和共享信息以优化工作流程。CrewAI 支持分层工作流中的结构化委派，其中管理代理监督任务分配和验证。
例如，团队领导代理可以将分析任务委派给研究人员，将内容生成委派给作者，从而确保工作流程顺利进行。
manager = Agent( role='Team Lead', goal='Oversee research and content generation', allow_delegation=True )启用委派后，CrewAI 创建了一个协作生态系统，代理可以在其中适应动态任务要求。
CrewAI 坚持图像中描述的方法，将角色、指令、任务、计划、内存、工具和委派等核心组件整合到其框架中。这种模块化和逻辑结构允许开发人员设计模仿专业团队的 AI 代理，从而实现既智能又适应性强的高级工作流程。通过支持基于角色的角色、任务执行、规划和工具集成，CrewAI 为构建协作式多代理系统提供了全面的解决方案。
来源：AI中国一点号
