콘텐츠로 이동

CrewAI Multi-Agent Framework Cheat 시트

제품정보

CrewAI는 개발자가 AI-powered 응용 프로그램을 구축하고 배포하는 방법을 변환하는 혁신적인 오픈 소스 멀티 시약 관현 프레임 워크입니다. João Moura에 의해 생성 된이 파이썬 기반 프레임 워크는 여러 AI 에이전트가 공동 작업을 가능하게하며, 각 assuming 특정 역할 및 공유 저장소를 사용하여 단일 에이전트가 혼자 처리 할 수있는 복잡한 작업을 수행 할 수 있습니다.

CrewAI Apart는 에이전트가 서로에게 자율적으로 delegate 작업을 할 수 있는 정교한 다중 시약 시스템을 관현할하는 능력이며 문제 해결 및 전문 도구 및 기능을 활용합니다. 프레임 워크는 모든 비즈니스 또는 기술 요구 사항에 맞게 자율 AI 에이전트를 만드는 데 이상적입니다.

CrewAI는 각 구성 요소에 대한 전문 에이전트를 할당하고, 기존 단일 시약 접근 방식과 비교하여 우수한 결과를 얻을 수 있도록 AI 시스템에 대한 성장의 필요성을 해결합니다.

핵심 개념

이름 *

에이전트는 CrewAI 시스템의 기본 빌딩 블록입니다. 각 에이전트는 특정 역할, 목표 및 능력으로 설계, 이유를 할 수있는 자율적 인 능력으로 기능, 계획, 그리고 자신의 도메인 내의 작업을 수행.

팟캐스트

승무원은 일반적인 목표에 함께 일하는 에이전트의 컬렉션입니다. Crews는 다중 시약 협력의 구조 및 워크플로를 정의하고 에이전트가 어떻게 상호 작용하는지 설정하고 정보를 공유합니다.

기타

작업은 완료해야 할 특정 목표 또는 활동을 나타냅니다. 그들은 개별 에이전트에 할당 될 수 있습니다 또는 여러 에이전트에서 배포, 복잡성 및 요구 사항에 따라.

회사 소개

외부 서비스, API, 데이터베이스, 또는 전문 기능에 액세스하여 에이전트 기능을 확장합니다. 에이전트는 핵심 언어 모델 기능을 넘어 작업을 수행 할 수있는 도구를 사용할 수 있습니다.

설치 및 설치

기본 설치

카지노사이트

환경 설정

카지노사이트

프로젝트 구조

카지노사이트

Agent 구성

기본 에이전트 생성

카지노사이트

고급 에이전트 구성

카지노사이트

주문 LLM을 가진 대리인

카지노사이트

Multimodal 에이전트

카지노사이트

작업 정의 및 관리

기본 작업 생성

카지노사이트

고급 작업 구성

카지노사이트

Custom Output Parsing 작업

카지노사이트

상태 작업 실행

ο 회원 관리

승무원 Orchestration

기본 선원 설정

카지노사이트

고급 Crew 구성

카지노사이트

Hierarchical 과정

카지노사이트

병렬 작업 실행

카지노사이트

Tool 통합

내장 도구

카지노사이트

사용자 정의 도구 개발

카지노사이트

API 통합 도구

카지노사이트

기억과 Context 관리

롱터램 메모리

카지노사이트

Context 공유

오프화이트

사용자 정의 메모리 구현

카지노사이트

고급 기능

에이전트 위임

오프화이트

Reasoning 및 계획

카지노사이트

Callback 및 모니터링

카지노사이트

오류 처리 및 탄력

Retry 논리

카지노사이트

오류 복구

카지노사이트

Fallback 에이전트

카지노사이트

성능 최적화

병렬 실행

카지노사이트

Resource 관리

```python from crewai import Crew import threading

class ResourceManager: def init(self, max_concurrent_agents=5): self.semaphore = threading.Semaphore(max_concurrent_agents) self.active_agents = 0

def acquire_agent_slot(self):
    self.semaphore.acquire()
    self.active_agents += 1

def release_agent_slot(self):
    self.semaphore.release()
    self.active_agents -= 1

resource_manager = ResourceManager(max_concurrent_agents=3)

Crew with resource management

resource_managed_crew = Crew( agents=[researcher, analyst, writer], tasks=[research_task, analysis_task, writing_task], resource_manager=resource_manager, verbose=2 ) ```의 경우

캐싱 및 최적화

```python from crewai import Agent, Task from functools import lru_cache

Agent with caching capabilities

class CachedAgent(Agent): @lru_cache(maxsize=100) def cached_execution(self, task_description): return super().execute_task(task_description)

cached_researcher = CachedAgent( role='Cached Researcher', goal='Perform research with caching', backstory='Efficient researcher with caching capabilities' )

Task with caching

cached_task = Task( description="Research AI trends (cached)", agent=cached_researcher, expected_output="Cached research results", cache_results=True ) ```에 대하여

통합 패턴

Flask 웹 응용 프로그램

```python from flask import Flask, request, jsonify from crewai import Crew, Agent, Task

app = Flask(name)

Initialize crew components

researcher = Agent( role='API Researcher', goal='Research topics via web API', backstory='Researcher accessible via web API' )

@app.route('/research', methods=['POST']) def research_endpoint(): data = request.json topic = data.get('topic')

# Create dynamic task
research_task = Task(
    description=f"Research the topic: \\\\{topic\\\\}",
    agent=researcher,
    expected_output="Research findings"
)

# Execute crew
crew = Crew(agents=[researcher], tasks=[research_task])
result = crew.kickoff()

return jsonify(\\\\{'result': result\\\\})

if name == 'main': app.run(debug=True) ```의 경우

회사 소개 기타

```python from celery import Celery from crewai import Crew, Agent, Task

app = Celery('crewai_tasks')

@app.task def execute_crew_task(topic, agents_config, tasks_config): # Reconstruct agents and tasks from config agents = [create_agent_from_config(config) for config in agents_config] tasks = [create_task_from_config(config) for config in tasks_config]

# Execute crew
crew = Crew(agents=agents, tasks=tasks)
result = crew.kickoff(inputs=\\\\{'topic': topic\\\\})

return result

Usage

result = execute_crew_task.delay( topic="AI in Healthcare", agents_config=[researcher_config, analyst_config], tasks_config=[research_config, analysis_config] ) ```에 대하여

Database 통합

```python from sqlalchemy import create_engine, Column, Integer, String, Text, DateTime from sqlalchemy.ext.declarative import declarative_base from sqlalchemy.orm import sessionmaker from crewai import Crew, Agent, Task import datetime

Base = declarative_base()

class CrewExecution(Base): tablename = 'crew_executions'

id = Column(Integer, primary_key=True)
crew_name = Column(String(100))
input_data = Column(Text)
output_data = Column(Text)
execution_time = Column(DateTime, default=datetime.datetime.utcnow)
status = Column(String(50))

Database-integrated crew

class DatabaseCrew(Crew): def init(self, args, kwargs): super().init(args, **kwargs) self.engine = create_engine('sqlite:///crew_executions.db') Base.metadata.create_all(self.engine) Session = sessionmaker(bind=self.engine) self.session = Session()

def kickoff(self, inputs=None):
    # Log execution start
    execution = CrewExecution(
        crew_name=self.__class__.__name__,
        input_data=str(inputs),
        status='running'
    )
    self.session.add(execution)
    self.session.commit()

    try:
        result = super().kickoff(inputs)
        execution.output_data = str(result)
        execution.status = 'completed'
    except Exception as e:
        execution.status = f'failed: \\\\{str(e)\\\\}'
        raise
    finally:
        self.session.commit()

    return result

```의 경우

최고의 연습

에이전트 디자인 원칙

  • ** 단 하나 책임 **: 각 대리인은 명확해야, 집중된 역할
  • Clear Goals : 각 대리인을 위한 특정한, measurable 목표 정의
  • ** 리치 이야기 **: 에이전트 행동을 개선하기 위한 상세한 컨텍스트 제공
  • Apeque Tools: 자신의 역할과 관련된 도구와 Equip Agent
  • ** 위임 전략 **: 복잡성을 피하기 위해 delegation를 사용

작업 조직

  • Clear 묘사 : 자세한 내용을 작성, unambiguous 작업 설명
  • Expected Output: 출력 포맷이 예상되는지 정확히 지정
  • ** 텍스트 의존 **: Clearly 정의 작업 의존성 및 컨텍스트 공유
  • Error Handling: 강력한 오류 처리 및 복구 메커니즘 구현
  • Performance 감시 : 작업 실행 및 성능 지표 추적

승무원 Orchestration

  • Process Selection: 적절한 공정 유형 선택 (수동, 계층, 병렬)
  • ** 메모리 관리 **: context 보유를 위해 전략적으로 사용하는 메모리
  • Resource Limits: 실행 시간 및 반복에 적합한 제한 설정
  • Monitoring: 종합 로깅 및 모니터링
  • Testing: 각종 입력을 가진 철저한 시험 승무원 행동

성능 최적화

  • ** 특수화 **: 특정 도메인에 대한 전문화된 대리인 만들기
  • 도구 최적화 : 효율적인 도구 및 외부 API 호출 최소화
  • Caching: 자주 액세스 된 데이터에 대한 캐싱 구현
  • Parallel Execution: 적절한 레버리지 처리
  • ** 자원 관리 ** : 계산 자원 모니터링 및 관리

문제 해결

일반적인 문제

에이전트 응답 하지

카지노사이트

메모리 문제

카지노사이트

Tool 통합 문제

카지노사이트

성능 문제

카지노사이트

이 포괄적 인 CrewAI 속임수 시트는 정교한 다중 시약 AI 시스템을 구축하는 데 필요한 모든 것을 제공합니다. 기본 설정에서 고급 관현 패턴에 이르기까지 이러한 예제와 모범 사례를 사용하여 여러 전문 에이전트의 협력력을 활용한 강력한 AI 응용 프로그램을 만들 수 있습니다. 필수