Домашняя страница · Открытый исходный код · Документация · Начать пробный период облака · Блог · Форум

Быстрый и гибкий фреймворк автоматизации с несколькими агентами

CrewAI — это фреймворк с открытым исходным кодом на Python с высокоуровневыми абстракциями и низкоуровневыми API для создания готовых к производству рабочих процессов с несколькими агентами. Он предоставляет разработчикам автономное сотрудничество агентов через «Экипажи» (Crews) и точное, управляемое событиями управление через «Потоки» (Flows).

• CrewAI Crews (Экипажи): Оптимизированы для автономности и совместного интеллекта с помощью ролевых ИИ-агентов.
• CrewAI Flows (Потоки): Создавайте автоматизации, управляемые событиями, которые сочетают точное управление рабочим процессом, одиночные вызовы LLM и нативную поддержку Экипажей.

Более 100 000 разработчиков прошли сертификацию через наши общественные курсы на learn.crewai.com, и CrewAI стремительно становится стандартом для готовой к производству агентной автоматизации.

Набор инструментов CrewAI AMP

Для организаций, которым необходим коммерческий панель управления для CrewAI, CrewAI AMP Suite добавляет управляемое развёртывание, наблюдаемость, управление, безопасность и корпоративную поддержку.

Вы можете попробовать одну часть набора, Панель управления Экипажем, бесплатно.

Ключевые особенности Панели управления Экипажем:

• Трассировка и наблюдаемость: Отслеживайте ваших ИИ-агентов и рабочие процессы в реальном времени, включая метрики, журналы и трассировки.
• Единая панель управления: Централизованная платформа для управления, мониторинга и масштабирования ваших ИИ-агентов и рабочих процессов.
• Бесшовные интеграции: Легко подключайтесь к существующим корпоративным системам, источникам данных и облачной инфраструктуре.
• Продвинутая безопасность: Встроенные надёжные меры безопасности и соответствия, обеспечивающие безопасное развёртывание и управление.
• Практическая аналитика: Аналитика и отчётность в реальном времени для оптимизации производительности и принятия решений.
• Поддержка 24/7: Выделенная корпоративная поддержка для обеспечения бесперебойной работы и быстрого решения проблем.
• Варианты развёртывания на собственном сервере и в облаке: Разворачивайте CrewAI AMP на своём оборудовании или в облаке в зависимости от ваших требований к безопасности и соответствию.

CrewAI AMP разработан для предприятий, ищущих мощное и надёжное решение для превращения сложных бизнес-процессов в эффективные, интеллектуальные автоматизации.

Содержание

• Работайте с ИИ
• Почему CrewAI?
• Начало работы
• Ключевые особенности
• Понимание Потоков и Экипажей
• Примеры
• Быстрое руководство
• Написание описаний вакансий
• Планировщик поездок
• Анализ акций
• Использование Экипажей и Потоков вместе
• Подключение вашего Экипажа к модели
• Когда использовать CrewAI
• Вклад
• Телеметрия
• Лицензия
• Часто задаваемые вопросы (FAQ)

Работайте с ИИ

Используете ИИ-ассистента для кодирования? Научите его лучшим практикам CrewAI одной командой:

Claude Code:

/plugin marketplace add crewAIInc/skills
/plugin install crewai-skills@crewai-plugins
/reload-plugins

Четыре навыка, которые активируются автоматически при задании соответствующих вопросов о CrewAI:

Навык	Когда запускается
getting-started	Создание каркаса новых проектов, выбор между LLM.call() / Agent / Crew / Flow, подключение crew.py / main.py
design-agent	Настройка агентов — роль, цель, предыстория, инструменты, LLM, память, ограничения
design-task	Написание описаний задач, зависимостей, структурированного вывода (output_pydantic, output_json), человеческой проверки
ask-docs	Запрос к работающему серверу MCP документации CrewAI для получения актуальных сведений об API

Cursor, Codex, Windsurf и другие (skills.sh):

npx skills add crewaiinc/skills

Это устанавливает официальные Навыки CrewAI — структурированные инструкции, которые учат ассистентов для кодирования создавать каркасы для Потоков, настраивать Экипажи, проектировать агентов и задачи и следовать паттернам CrewAI.

Почему CrewAI?

CrewAI раскрывает истинный потенциал автоматизации с несколькими агентами, обеспечивая скорость, гибкость и управляемость с помощью Экипажей ИИ-агентов и управляемых событиями Потоков:

• Архитектура, созданная для цели: Разработана специально для оркестрации агентов, с лёгким ядром на Python и чистыми примитивами для реальной автоматизации.
• Высокая производительность: Оптимизирована для скорости и минимального потребления ресурсов, обеспечивая более быстрое выполнение.
• Гибкая низкоуровневая настройка: Полная свобода для настройки всего — от рабочих процессов и системной архитектуры до поведения агентов, внутренних подсказок и логики выполнения.
• Идеально для каждого варианта использования: Доказала свою эффективность для простых задач, сложных рабочих процессов и автоматизации промышленного уровня.
• Надёжное сообщество: Поддерживается быстро растущим сообществом из более чем 100 000 сертифицированных разработчиков, предлагающих всестороннюю поддержку и ресурсы.

CrewAI даёт разработчикам и командам возможность создавать интеллектуальные автоматизации, сочетающие простоту, гибкость и контроль промышленного уровня.

Начало работы

Настройте и запустите ваших первых агентов CrewAI, следуя этому руководству.

Ресурсы для обучения

Изучайте CrewAI с помощью наших всеобъемлющих курсов:

• Мульти-агентные ИИ-системы с CrewAI - Освойте основы мульти-агентных систем
• Практические мульти-агентные ИИ и продвинутые варианты использования - Детально изучите продвинутые реализации

Понимание Потоков и Экипажей

CrewAI предлагает два мощных, дополняющих друг друга подхода, которые бесперебойно работают вместе для создания сложных AI-приложений:

1. Экипажи (Crews): Команды AI-агентов с подлинной автономией и инициативностью, работающие вместе для выполнения сложных задач на основе ролевого взаимодействия. Экипажи обеспечивают:

2. Естественное, автономное принятие решений между агентами

3. Динамическое делегирование задач и сотрудничество
4. Специализированные роли с определёнными целями и экспертизой

5. Гибкие подходы к решению задач

6. Потоки (Flows): Готовые к использованию в продакшене, управляемые событиями рабочие процессы, обеспечивающие точный контроль над сложной автоматизацией. Потоки предоставляют:

7. Детальный контроль над путями выполнения для реальных сценариев

8. Безопасное и согласованное управление состоянием между задачами
9. Чистую интеграцию AI-агентов с продакшен кодом на Python
10. Условное ветвление для сложной бизнес-логики

Настоящая мощь CrewAI проявляется при объединении Экипажей и Потоков. Эта синергия позволяет вам:

• Создавать сложные приложения, готовые к продакшену
• Балансировать автономию с точным контролем
• Обрабатывать сложные реальные сценарии
• Поддерживать чистую, простую в сопровождении структуру кода

Начало работы с установкой

Для начала работы с CrewAI, выполните следующие простые шаги:

1. Установка

Убедитесь, что в вашей системе установлен Python >=3.10 <3.14. CrewAI использует UV для управления зависимостями и обработки пакетов, обеспечивая бесшовную настройку и опыт выполнения.

Сначала установите CrewAI:

uv pip install crewai

Если вы хотите установить пакет 'crewai' вместе с его опциональными функциями, включающими дополнительные инструменты для агентов, вы можете сделать это с помощью следующей команды:

uv pip install 'crewai[tools]'

Вышеуказанная команда устанавливает базовый пакет и также добавляет дополнительные компоненты, которые требуют больше зависимостей для работы.

Устранение проблем с зависимостями

Если вы столкнетесь с проблемами во время установки или использования, вот несколько общих решений:

Типичные проблемы

1. ModuleNotFoundError: No module named 'tiktoken'

2. Явно установите tiktoken: uv pip install 'crewai[embeddings]'

3. Если вы используете embedchain или другие инструменты: uv pip install 'crewai[tools]'

4. Не удалось собрать (building) wheel для tiktoken

5. Убедитесь, что установлен компилятор Rust (см. шаги установки выше)

6. Для Windows: Проверьте, установлены ли инструменты сборки Visual C++
7. Попробуйте обновить pip: uv pip install --upgrade pip
8. Если проблемы сохраняются, используйте предварительно собранный wheel: uv pip install tiktoken --prefer-binary

2. Настройка вашего Экипажа с помощью YAML-конфигурации

Чтобы создать новый проект CrewAI, выполните следующую CLI (командную строку) команду:

crewai create crew <имя_проекта>

Эта команда создает новую папку проекта со следующей структурой:

my_project/
├── .gitignore
├── pyproject.toml
├── README.md
├── .env
└── src/
    └── my_project/
        ├── __init__.py
        ├── main.py
        ├── crew.py
        ├── tools/
        │   ├── custom_tool.py
        │   └── __init__.py
        └── config/
            ├── agents.yaml
            └── tasks.yaml

Теперь вы можете начать разработку вашего экипажа, редактируя файлы в папке src/my_project. Файл main.py является точкой входа в проект, файл crew.py — это место, где вы определяете свой экипаж, файл agents.yaml — это место, где вы определяете своих агентов, а файл tasks.yaml — это место, где вы определяете свои задачи.

Чтобы настроить ваш проект, вы можете:

• Изменить src/my_project/config/agents.yaml для определения ваших агентов.
• Изменить src/my_project/config/tasks.yaml для определения ваших задач.
• Изменить src/my_project/crew.py, чтобы добавить свою собственную логику, инструменты и специфические аргументы.
• Изменить src/my_project/main.py, чтобы добавить пользовательские входные данные для ваших агентов и задач.
• Добавьте ваши переменные окружения в файл .env.

Пример простого экипажа с последовательным процессом:

Инстанцируйте ваш экипаж:

crewai create crew latest-ai-development

При необходимости измените файлы для соответствия вашему варианту использования:

agents.yaml

# src/my_project/config/agents.yaml
researcher:
  role: >
    Старший исследователь данных по теме {topic}
  goal: >
    Выявить новейшие разработки в области {topic}
  backstory: >
    Вы — опытный исследователь, обладающий талантом к выявлению новейших
    разработок в области {topic}. Известны своей способностью находить самую актуальную
    информацию и представлять её в ясном и лаконичном виде.

reporting_analyst:
  role: >
    Аналитик по отчётности по теме {topic}
  goal: >
    Создавать подробные отчёты на основе анализа данных и результатов исследования {topic}
  backstory: >
    Вы — тщательный аналитик с вниманием к деталям. Известны своей
    способностью превращать сложные данные в ясные и лаконичные отчёты, делая
    понятной информацию для других и помогая им действовать на её основе.

tasks.yaml

# src/my_project/config/tasks.yaml
research_task:
  description: >
    Провести всестороннее исследование по теме {topic}
    Убедитесь, что вы находите любую интересную и актуальную информацию, учитывая,
    что текущий год — 2025.
  expected_output: >
    Список из 10 пунктов с самой актуальной информацией о {topic}
  agent: researcher

reporting_task:
  description: >
    Просмотрите полученный контекст и расширите каждую тему в полноценный раздел отчёта.
    Убедитесь, что отчёт подробный и содержит всю актуальную информацию.
  expected_output: >
    Полноценный отчёт с основными темами, каждая из которых представлена полноценным разделом информации.
    Отформатирован как markdown без '```'
  agent: reporting_analyst
  output_file: report.md

crew.py

# src/my_project/crew.py
from crewai import Agent, Crew, Process, Task
from crewai.project import CrewBase, agent, crew, task
from crewai_tools import SerperDevTool
from crewai.agents.agent_builder.base_agent import BaseAgent
from typing import List

@CrewBase
class LatestAiDevelopmentCrew():
    """LatestAiDevelopment crew"""
    agents: List[BaseAgent]
    tasks: List[Task]

    @agent
    def researcher(self) -> Agent:
        return Agent(
            config=self.agents_config['researcher'],
            verbose=True,
            tools=[SerperDevTool()]
        )

    @agent
    def reporting_analyst(self) -> Agent:
        return Agent(
            config=self.agents_config['reporting_analyst'],
            verbose=True
        )

    @task
    def research_task(self) -> Task:
        return Task(
            config=self.tasks_config['research_task'],
        )

    @task
    def reporting_task(self) -> Task:
        return Task(
            config=self.tasks_config['reporting_task'],
            output_file='report.md'
        )

    @crew
    def crew(self) -> Crew:
        """Creates the LatestAiDevelopment crew"""
        return Crew(
            agents=self.agents, # Автоматически создается декоратором @agent
            tasks=self.tasks, # Автоматически создается декоратором @task
            process=Process.sequential,
            verbose=True,
        )

main.py

#!/usr/bin/env python
# src/my_project/main.py
import sys
from latest_ai_development.crew import LatestAiDevelopmentCrew

def run():
    """
    Run the crew.
    """
    inputs = {
        'topic': 'AI Agents'
    }
    LatestAiDevelopmentCrew().crew().kickoff(inputs=inputs)

3. Запуск вашего Экипажа

Перед запуском экипажа убедитесь, что у вас установлены следующие ключи в качестве переменных окружения в файле .env:

• Ключ API OpenAI (или ключ API другой LLM): OPENAI_API_KEY=sk-...
• Ключ API Serper.dev: SERPER_API_KEY=ВАШ_КЛЮЧ_СЮДА

Зафиксируйте зависимости и установите их с помощью CLI-команды, но сначала перейдите в каталог вашего проекта:

cd my_project
crewai install (По желанию)

Для запуска вашего экипажа выполните следующую команду в корне вашего проекта:

crewai run

или

python src/my_project/main.py

Если произошла ошибка из-за использования poetry, пожалуйста, выполните следующую команду для обновления вашего пакета crewai:

crewai update

Вы должны увидеть вывод в консоли, и файл report.md должен быть создан в корне вашего проекта с полным окончательным отчётом.

В дополнение к последовательному процессу, вы можете использовать иерархический процесс, который автоматически назначает менеджера определённому экипажу для надлежащей координации планирования и выполнения задач через делегирование и валидацию результатов. Узнайте больше о процессах здесь.

Основные возможности

CrewAI предоставляет разработчикам практическую основу для создания агентных систем, переходящих от прототипа к продакшену: автономное сотрудничество там, где это помогает, явное управление рабочими процессами там, где это важно, и кастомизация на Python на протяжении всего пути.

• Экипажи для автономности: Моделируйте команды специализированных ИИ-агентов с ролями, целями, инструментами и задачами.
• Потоки для контроля: Создавайте управляемые событиями рабочие процессы с состоянием, ветвлением, маршрутизацией и продакшен-логикой.
• Плавная интеграция: Объединяйте Экипажи и Потоки для создания сложных, реальных автоматизаций.
• Кастомизация на Python: Настраивайте промпты, инструменты, пути выполнения, состояние и интеграции без борьбы с фреймворком.
• Возможности для агентов: Используйте инструменты, память, знания, контрольные точки, асинхронное выполнение и поддержку MCP/A2A для более функциональных продакшен-агентов.
• Шаблоны для продакшена: Добавляйте детерминированные шаги, ручной ввод, структурированные выводы и контрольные точки по мере роста вашей системы.
• Процветающее сообщество: Подкреплено надежной документацией и более чем 100 000 сертифицированных разработчиков, обеспечивая исключительную поддержку и руководство.

Выбирайте CrewAI для создания мощных, адаптивных и готовых к продакшену ИИ-автоматизаций.

Примеры

Вы можете протестировать различные реальные примеры ИИ-экипажей в репозитории CrewAI-examples:

• Генератор целевых страниц
• Использование ручного ввода при выполнении
• Планировщик поездок
• Анализ акций

Краткий туториал

Написание вакансий

Посмотрите код для этого примера или посмотрите видео ниже:

Планировщик поездок

Посмотрите код для этого примера или посмотрите видео ниже:

Анализ акций

Посмотрите код для этого примера или посмотрите видео ниже:

Использование Экипажей и Потоков вместе

Мощность CrewAI по-настоящему раскрывается при комбинировании Экипажей с Потоками для создания сложных автоматизированных конвейеров. Потоки CrewAI поддерживают логические операторы or_ и and_ для комбинирования множественных условий. Это можно использовать с декораторами @start, @listen или @router для создания сложных условий срабатывания.

• or_: Срабатывает, когда выполнено любое из указанных условий.
• and_: Срабатывает, когда выполнены все указанные условия.

Вот как вы можете оркестрировать несколько Экипажей в рамках Потока:

from crewai.flow.flow import Flow, listen, start, router, or_
from crewai import Crew, Agent, Task, Process
from pydantic import BaseModel

# Define structured state for precise control
class MarketState(BaseModel):
    sentiment: str = "neutral"
    confidence: float = 0.0
    recommendations: list = []

class AdvancedAnalysisFlow(Flow[MarketState]):
    @start()
    def fetch_market_data(self):
        # Demonstrate low-level control with structured state
        self.state.sentiment = "analyzing"
        return {"sector": "tech", "timeframe": "1W"}  # These parameters match the task description template

    @listen(fetch_market_data)
    def analyze_with_crew(self, market_data):
        # Show crew agency through specialized roles
        analyst = Agent(
            role="Senior Market Analyst",
            goal="Conduct deep market analysis with expert insight",
            backstory="You're a veteran analyst known for identifying subtle market patterns"
        )
        researcher = Agent(
            role="Data Researcher",
            goal="Gather and validate supporting market data",
            backstory="You excel at finding and correlating multiple data sources"
        )

        analysis_task = Task(
            description="Analyze {sector} sector data for the past {timeframe}",
            expected_output="Detailed market analysis with confidence score",
            agent=analyst
        )
        research_task = Task(
            description="Find supporting data to validate the analysis",
            expected_output="Corroborating evidence and potential contradictions",
            agent=researcher
        )

        # Demonstrate crew autonomy
        analysis_crew = Crew(
            agents=[analyst, researcher],
            tasks=[analysis_task, research_task],
            process=Process.sequential,
            verbose=True
        )
        return analysis_crew.kickoff(inputs=market_data)  # Pass market_data as named inputs

    @router(analyze_with_crew)
    def determine_next_steps(self):
        # Show flow control with conditional routing
        if self.state.confidence > 0.8:
            return "high_confidence"
        elif self.state.confidence > 0.5:
            return "medium_confidence"
        return "low_confidence"

    @listen("high_confidence")
    def execute_strategy(self):
        # Demonstrate complex decision making
        strategy_crew = Crew(
            agents=[
                Agent(role="Strategy Expert",
                      goal="Develop optimal market strategy")
            ],
            tasks=[
                Task(description="Create detailed strategy based on analysis",
                     expected_output="Step-by-step action plan")
            ]
        )
        return strategy_crew.kickoff()

    @listen(or_("medium_confidence", "low_confidence"))
    def request_additional_analysis(self):
        self.state.recommendations.append("Gather more data")
        return "Additional analysis required"

Этот пример демонстрирует, как:

1. Использовать код Python для базовых операций с данными.
2. Создавать и выполнять Экипажи как шаги в вашем рабочем процессе.
3. Использовать декораторы Потоков для управления последовательностью операций.
4. Реализовывать условное ветвление на основе результатов Экипажей.

Подключение вашего Экипажа к модели

CrewAI поддерживает использование различных LLM через множество вариантов подключения. По умолчанию ваши агенты будут использовать API OpenAI при запросе к модели. Однако существует несколько других способов подключить ваших агентов к моделям. Например, вы можете настроить агентов для использования локальной модели через инструмент Ollama.

Пожалуйста, обратитесь к странице Подключение CrewAI к LLM для получения подробной информации о настройке подключения ваших агентов к моделям.

Когда использовать CrewAI

Используйте CrewAI, когда вам нужно большее, чем один промпт или чатбот: многошаговая работа, специализированные агенты, использование инструментов, структурированный вывод, проверка человеком или рабочие процессы, объединяющие автономное рассуждение и явную бизнес-логику.

CrewAI особенно полезен, когда вы хотите:

• Координировать нескольких агентов с четкими ролями и задачами.
• Оборачивать работу агентов в детерминированные, управляемые событиями рабочие процессы.
• Сохранять логику приложения на обычном Python.
• Переходить от эксперимента к продакшену без смены фреймворков.
• Добавлять инструменты, память, контрольные точки и асинхронное выполнение по мере роста вашей системы.

Участие в разработке

CrewAI является проектом с открытым исходным кодом, и мы приветствуем вклад. Если вы хотите внести свой вклад, пожалуйста:

• Сделайте форк репозитория.
• Создайте новую ветку для вашей функции.
• Добавьте вашу функцию или улучшение.
• Отправьте pull request.
• Мы ценим ваш вклад!

Вклад в документацию

Сайт docs.crewai.com публикуется из директории docs/ с помощью Mintlify. Документация использует версионирование по директориям: правки в docs/edge/<lang>/... (например, docs/edge/en/concepts/agents.mdx) сразу попадают под селектор версии Edge и замораживаются в новый версионный снимок в директории docs/v<X.Y.Z>/ при следующем выпуске. Замороженные снимки неизменяемы — CI отклоняет PR, модифицирующие их без префикса [docs-freeze] в заголовке. Инструмент для выпуска (devtools release) обрабатывает заморозку автоматически; полное руководство для контрибьюторов см. в AGENTS.md, а руководство по процессу выпуска — в RELEASING.md.

Установка зависимостей

uv lock
uv sync

Виртуальное окружение

uv venv

Хуки до коммита

pre-commit install

Запуск тестов

uv run pytest .

Запуск статических проверок типов

uvx mypy src

Упаковка

uv build

Локальная установка

uv pip install dist/*.tar.gz

Телеметрия

CrewAI использует анонимную телеметрию для сбора данных об использовании, основная цель которых — помочь нам улучшать библиотеку, сосредоточив наши усилия на наиболее востребованных функциях, интеграциях и инструментах.

Важно понимать, что НЕ собираются данные, касающиеся промптов, описаний задач, предысторий или целей агентов, использования инструментов, вызовов API, ответов, любых данных, обрабатываемых агентами, а также секретов и переменных окружения, за исключением упомянутых условий. Когда функция share_crew включена, собираются подробные данные, включая описания задач, предыстории или целей агентов, а также другие специфические атрибуты, для предоставления более глубокой аналитики с учетом конфиденциальности пользователей. Пользователи могут отключить телеметрию, установив переменную окружения OTEL_SDK_DISABLED в значение true.

Собранные данные включают:

• Версию CrewAI
• Чтобы мы могли понять, сколько пользователей используют последнюю версию
• Версию Python
• Чтобы мы могли решить, какие версии лучше поддерживать
• Общую информацию о ОС (например, количество ЦП, macOS/Windows/Linux)
• Чтобы мы знали, на какой ОС следует сосредоточиться и можно ли создать функции, специфичные для определённой ОС
• Количество агентов и задач в команде (crew)
• Чтобы мы могли убедиться, что тестируем внутри с аналогичными сценариями использования и обучаем людей лучшим практикам
• Используемый процесс команды (Crew Process)
• Чтобы понять, на чём нам следует сфокусировать наши усилия
• Используют ли агенты память или разрешают делегирование
• Чтобы понять, улучшили ли мы функции или, возможно, даже стоит от них отказаться
• Выполняются ли задачи параллельно или последовательно
• Чтобы понять, следует ли нам больше сосредоточиться на параллельном выполнении
• Используемую языковую модель
• Для улучшения поддержки наиболее популярных языков
• Роли агентов в команде
• Чтобы понять сценарии использования высокого уровня, и мы могли создавать более качественные инструменты, интеграции и примеры для них
• Названия доступных инструментов
• Чтобы понять, какие из публично доступных инструментов используются чаще всего, и улучшить их

Пользователи могут отказаться от дополнительной телеметрии, передавая полные данные телеметрии, установив атрибут share_crew в значение True у своих команд. Включение share_crew приводит к сбору подробных данных о команде и выполнении задач, включая цель, предысторию, контекст и результат задач. Это обеспечивает более глубокое понимание моделей использования с учетом выбора пользователя относительно предоставления данных.

Лицензия

CrewAI распространяется под лицензией MIT.

Часто задаваемые вопросы (FAQ)

Общие вопросы

• Что именно такое CrewAI?
• Как установить CrewAI?
• Является ли CrewAI автономным фреймворком?
• Является ли CrewAI проектом с открытым исходным кодом?
• Собирает ли CrewAI данные от пользователей?

Функции и возможности

• Может ли CrewAI обрабатывать сложные сценарии использования?
• Могу ли я использовать CrewAI с локальными моделями ИИ?
• Чем отличаются команды (Crews) от потоков (Flows)?
• Поддерживает ли CrewAI дообучение или обучение пользовательских моделей?

Ресурсы и сообщество

• Где я могу найти реальные примеры использования CrewAI?
• Как я могу внести вклад в CrewAI?

Корпоративные функции

• Какие дополнительные функции предоставляет CrewAI AMP?
• Доступен ли CrewAI AMP для облачных и локальных развертываний?
• Могу ли я бесплатно попробовать CrewAI AMP?

В: Что именно такое CrewAI?

О: CrewAI — это лёгкий и быстрый Python-фреймворк, специально созданный для оркестрации автономных агентов ИИ и готовых к производству агентных рабочих процессов.

В: Как установить CrewAI?

О: Установите CrewAI с помощью pip:

uv pip install crewai

Для дополнительных инструментов используйте:

uv pip install 'crewai[tools]'

В: Является ли CrewAI автономным фреймворком?

О: Да. CrewAI — это автономный Python-фреймворк с собственными примитивами для агентов, задач, команд, потоков, инструментов и оркестрации.

В: Может ли CrewAI обрабатывать сложные сценарии использования?

О: Да. CrewAI отлично справляется как с простыми, так и с Highly complex реальными сценариями, предлагая глубокие возможности настройки как на высоком, так и на низком уровне — от внутренних промптов до сложной оркестрации рабочих процессов.

В: Могу ли я использовать CrewAI с локальными моделями ИИ?

О: Безусловно! CrewAI поддерживает различные языковые модели, включая локальные. Инструменты, такие как Ollama и LM Studio, позволяют обеспечить бесшовную интеграцию. Подробности смотрите в документации по подключению LLM.

В: Чем отличаются команды (Crews) от потоков (Flows)?

О: Команды обеспечивают автономное взаимодействие агентов, что идеально подходит для задач, требующих гибкого принятия решений и динамичного взаимодействия. Потоки предлагают точное, управляемое событиями управление, идеально подходящее для детального управления путями выполнения и безопасного управления состоянием. Вы можете бесшовно комбинировать оба подхода для максимальной эффективности.

В: Является ли CrewAI проектом с открытым исходным кодом?

О: Да, CrewAI является проектом с открытым исходным кодом и активно поощряет вклад сообщества и сотрудничество.

В: Собирает ли CrewAI данные от пользователей?

О: CrewAI собирает анонимные данные телеметрии строго для целей улучшения. Чувствительные данные, такие как промпты, задачи или ответы API, никогда не собираются, если пользователь явно не включил эту функцию.

В: Где я могу найти реальные примеры использования CrewAI?

О: Ознакомьтесь с практическими примерами в репозитории CrewAI-examples, охватывающих сценарии использования, такие как планировщики поездок, анализ акций и публикации вакансий.

В: Как я могу внести вклад в CrewAI?

О: Мы приветствуем вклад! Сделайте форк репозитория, создайте свою ветку, реализуйте свои изменения и отправьте pull request. Подробные инструкции см. в разделе «Вклад» в README.

В: Какие дополнительные функции предоставляет CrewAI AMP?

О: CrewAI AMP предоставляет расширенные функции, такие как единая панель управления, наблюдаемость в реальном времени, безопасные интеграции, расширенные средства безопасности, аналитические данные и выделенная круглосуточная корпоративная поддержка.

В: Доступен ли CrewAI AMP для облачных и локальных развертываний?

О: Да, CrewAI AMP поддерживает как облачные, так и локальные варианты развертывания, позволяя предприятиям удовлетворять свои конкретные требования к безопасности и соответствию.

В: Могу ли я бесплатно попробовать CrewAI AMP?

О: Да, вы можете изучить часть набора CrewAI AMP, бесплатно получив доступ к панели управления командой (Crew Control Plane).

В: Поддерживает ли CrewAI дообучение или обучение пользовательских моделей?

О: Да, CrewAI может интегрироваться с пользовательскими обученными или дообученными моделями, позволяя вам улучшить своих агентов с помощью доменных знаний и точности.

В: Могут ли агенты CrewAI взаимодействовать с внешними инструментами и API?

О: Безусловно! Агенты CrewAI могут легко интегрироваться с внешними инструментами, API и базами данных, что позволяет им использовать реальные данные и ресурсы.

В: Подходит ли CrewAI для производственных сред?

О: Да, CrewAI разработан с использованием производственных шаблонов, обеспечивающих надежные, стабильные и масштабируемые агентные рабочие процессы.

В: Насколько масштабируем CrewAI?

О: CrewAI highly scalable, поддерживает как простую автоматизацию, так и масштабные рабочие процессы с участием множества агентов и сложных задач одновременно.

В: Предлагает ли CrewAI инструменты отладки и мониторинга?

О: Да, CrewAI AMP включает расширенные функции отладки, трассировки и наблюдаемости в реальном времени, упрощая управление и устранение неполадок в ваших автоматизациях.

В: Какие языки программирования поддерживает CrewAI?

О: CrewAI в основном основан на Python, но легко интегрируется с сервисами и API, написанными на любом языке программирования, благодаря своим гибким возможностям интеграции API.

В: Предлагает ли CrewAI образовательные ресурсы для начинающих?

О: Да, CrewAI предоставляет обширные уроки, курсы и документацию для начинающих через learn.crewai.com, поддерживая разработчиков всех уровней навыков.

В: Может ли CrewAI автоматизировать рабочие процессы с участием человека (human-in-the-loop)?

О: Да, CrewAI полностью поддерживает рабочие процессы с участием человека, позволяя бесшовное сотрудничество между экспертами-людьми и агентами ИИ для улучшения принятия решений.