crewai

CrewAI 多角色 Agent 协作与任务编排框架。

补充说明

CrewAI 用 Agent（角色、目标、背景）、Task（描述、预期输出）和 Crew（执行顺序）组织多 Agent 工作流。常见模式是研究员检索、写作者成稿、审查者把关，按 Process.sequential 或层级流程执行。

它偏向“角色协作”而不是底层图控制。需要细粒度分支、循环和人工中断时，LangGraph 更合适；CrewAI 的优势是快速搭起可运行的角色团队。

安装与启动

pip install -U crewai crewai-tools
export OPENAI_API_KEY="sk-..."

创建官方脚手架项目，包含 agents/tasks 的 YAML 配置：

crewai create crew ops_crew --skip-provider
cd ops_crew
crewai install
crewai run

常用示例

用两个角色顺序完成一份排障报告：

python - <<'PY'
from crewai import Agent, Task, Crew, Process, LLM

llm = LLM(model="openai/gpt-4o-mini", temperature=0)
researcher = Agent(
    role="SRE 检索员",
    goal="找出 Pod OOMKilled 的根因",
    backstory="熟悉 Kubernetes 资源限制和容器排障。",
    llm=llm, verbose=True, allow_delegation=False, max_iter=3,
)
writer = Agent(
    role="技术写作",
    goal="把根因整理成可执行的修复步骤",
    backstory="擅长把排障过程写成简洁的操作手册。",
    llm=llm, verbose=True, allow_delegation=False,
)
research = Task(
    description="分析 {symptom} 的可能根因，给出排查命令。",
    expected_output="按可能性排序的根因列表，附命令。",
    agent=researcher,
)
report = Task(
    description="基于上一任务输出一份修复清单。",
    expected_output="包含验证与回滚步骤的 Markdown。",
    agent=writer, context=[research],
)
crew = Crew(agents=[researcher, writer], tasks=[research, report],
            process=Process.sequential, verbose=True)
print(crew.kickoff(inputs={"symptom": "Pod 反复 OOMKilled"}).raw)
PY

让 CrewAI 使用本地 vLLM 的 OpenAI 兼容接口：

python - <<'PY'
from crewai import LLM
llm = LLM(model="openai/Qwen/Qwen2.5-7B-Instruct",
          base_url="http://localhost:8000/v1", api_key="EMPTY", temperature=0.2)
print(llm.call("用一句话解释 OOMKilled"))
PY

易错点与排错

• 本地模型不支持 function calling 时，Agent 的工具调用会退化成空转或解析错误；CrewAI 的角色流程高度依赖模型遵循 ReAct 格式。
• allow_delegation=True 会引入额外的委派调用，成本和延迟上升；流程固定时关掉委派。
• 没有设置 max_iter，模型可能反复调用同一工具；为每个 Agent 设置迭代上限并检查工具返回。
• 工具描述和参数 schema 不清晰会导致选错工具；描述里写清输入输出和适用边界。
• CLI 项目读取 config/agents.yaml 和 config/tasks.yaml，只改 Python 文件不会生效；先确认配置来源。
• Process.hierarchical 需要 manager_llm 或 manager_agent，缺失会直接报错；顺序流程不要滥用层级模式。
• CrewAI 版本迭代快，0.x 与 1.x 的导入和配置有差异；升级前锁定版本并跑回归。

读完自测

合上页面，先回答，再展开对照。

1. Agent、Task、Crew 各自负责什么？
2. 本地模型接入 CrewAI 的关键配置是什么？
3. 为什么 Agent 会反复调用同一个工具？

相关条目

• langgraph
• autogen
• langchain
• mcp
• ollama