CrewAI
新收录45K+ Stars的多Agent协作框架，让多个AI Agent扮演不同角色协同完成复杂任务。CrewAI让多Agent协作变得简单高效。
核心功能
评分详情
2900 条评价
替代工具
能力拓展
多角色Agent
点击了解该能力的详细应用场景
任务协作
查看该能力在实际使用中的表现
流程控制
探索该能力如何提升工作效率
输出整合
了解该能力的最新更新和优化
提示： 大多数AI工具支持API接入，您可以根据需要在第三方应用或自动化工作流中集成使用。 该工具提供免费版本，建议先体验再决定是否付费升级。
更新说明
最新更新
如何使用CrewAI
安装CrewAI
pip install crewai crewai-tools 需要Python 3.10+，建议使用虚拟环境。核心依赖包括langchain-core用于LLM调用，redis用于Agent间通信(如需)。可选安装crewai[all]获取全部工具支持。
定义Agent角色
使用Agent类创建Agent，定义role(角色名)、goal(目标)、backstory(背景故事)。例如：researcher = Agent(role="高级研究分析师", goal="提供最相关的信息", backstory="15年市场研究经验")。每个Agent可配置专属工具集。
创建Crew和Task
创建Task定义具体任务，包括description、expected_output、agent分配。使用Crew类组合Agent，设置verbose=True查看执行日志。配置crew.kickoff()启动协作流程，agents按顺序或并行执行任务并共享结果。
适用场景
自动化营销活动
创建由策略师、写手、设计师组成的三Agent团队：策略师分析市场和受众，写手生成文案初稿，设计师产出视觉素材。三者协同完成从策略到执行的完整营销活动。
软件代码审查
设置代码审查团队：架构师Agent审查设计合理性，开发Agent检查代码质量，安全Agent扫描潜在漏洞，安全Agent验证合规性。多个视角全面审查代码。
研究分析报告
研究团队包括数据收集Agent负责信息采集，分析Agent处理数据并发现洞察，写作Agent整合成结构化报告。层级任务设置确保信息流有序传递。
客户支持自动化
分类Agent首先理解并分类客户问题，诊断Agent分析问题原因，解决Agent提供具体方案，升级Agent判断是否需要人工介入。分流处理提升客服效率。
使用技巧
-
Agent的backstory对输出质量影响很大，详细的背景描述能让Agent更准确地理解自己的角色和职责，产生更专业的输出。
-
使用hierarchical=True设置层级流程，主Agent负责协调和整合，其他Agent在各自专业领域执行。这比顺序执行更适合复杂任务。
-
Task之间通过output_pydantic或output_json共享数据。使用Process.sequential确保依赖任务按顺序执行，Process.consensus用于需要多Agent共识的场景。
-
crewai-tools包提供浏览器操作、SQL执行、文件处理等实用工具。合理使用工具扩展Agent能力，但避免让Agent过度依赖工具。