當單一 AI 代理不足以應對複雜、多階段的任務時，多代理協作系統便應運而生。在眾多框架中，CrewAI 以其獨特的「角色導向」設計哲學脫穎而出。它並非簡單地讓多個代理進行對話，而是旨在模擬一個分工明確、目標一致的高效人類團隊。本文將深入剖析 CrewAI 的核心架構，並以一個商業實戰案例，展示如何利用它構建一個能自主完成市場分析報告的 AI 團隊。
一、CrewAI 的核心架構與設計哲學
CrewAI 的設計理念是將複雜任務分解給具有特定角色 (Role) 的代理，每個代理專注於執行其擅長的任務 (Task)。
其系統由五個關鍵元件組成：
- Agents (代理)：具有特定角色、目標 (goal) 和背景故事 (backstory) 的 AI 執行者。這些設定共同定義了代理的「人格」和行為模式。
- Tasks (任務)：分配給代理的具體工作描述，包含清晰的指令和預期輸出 (
expected_output)，確保任務成果可以順利地傳遞給下一個代理。 - Tools (工具)：代理可以使用的外部功能，如 API 或資料庫查詢工具。
- Crew (團隊)：將代理和任務組織在一起的核心協調單位。
- Process (流程)：定義團隊的協作模式，主要分為
sequential(順序處理) 和hierarchical(層級處理)。
圖表解說：CrewAI 核心架構
此組件圖展示了 CrewAI 的核心元件如何協同工作，形成一個以「團隊」為中心的協作系統。
二、實戰：構建市場分析 AI 團隊
我們將構建一個能自動生成「AI 產業市場分析報告」的 AI 團隊。這個團隊需要三個角色：
1. 定義代理 (Agents)
from crewai import Agent
from crewai_tools import SerperDevTool
# 建立一個網路搜尋工具
search_tool = SerperDevTool()
# 市場研究員
researcher = Agent(
role="資深市場研究員",
goal="發掘關於 {topic} 的前緣洞見",
backstory="你是一位在科技巨頭工作的資深市場研究員，擅長識別市場趨勢。",
tools=[search_tool],
allow_delegation=True # 允許將任務委派給其他代理
)
# 策略分析師
analyst = Agent(
role="首席策略分析師",
goal="從市場資料中提煉出可行的策略性見解",
backstory="你擅長分析複雜數據，並從中找出商業機會與潛在風險。",
allow_delegation=False
)
# 報告撰寫員
writer = Agent(
role="專業科技作家",
goal="撰寫一篇引人入勝、格式清晰的技術分析報告",
backstory="你是一位知名的科技專欄作家，以清晰、簡潔的寫作風格著稱。",
allow_delegation=False
)
2. 定義任務 (Tasks)
每個任務都與一個代理綁定，並可以接收來自上游任務的上下文 (context)。
from crewai import Task
# 研究任務
research_task = Task(
description="收集關於 {topic} 的最新市場趨勢與主要競爭者的資訊。",
expected_output="一份包含至少 5 個關鍵洞見的要點報告。",
agent=researcher
)
# 分析任務
analysis_task = Task(
description="分析提供的市場資料，進行 SWOT 分析，並提出至少 3 個策略建議。",
expected_output="一份包含 SWOT 分析和策略建議的完整分析報告。",
context=[research_task], # 此任務的上下文來自研究任務
agent=analyst
)
# 撰寫任務
writing_task = Task(
description="根據提供的分析報告，撰寫一篇結構完整、約 500 字的市場分析文章。",
expected_output="一篇格式化為 Markdown 的市場分析報告。",
context=[analysis_task], # 此任務的上下文來自分析任務
agent=writer
)
3. 組建團隊 (Crew) 並啟動
我們將代理和任務組建成一個團隊，並設定其為順序處理 (Sequential) 模式。
from crewai import Crew, Process
# 建立團隊
market_analysis_crew = Crew(
agents=[researcher, analyst, writer],
tasks=[research_task, analysis_task, writing_task],
process=Process.sequential,
memory=True # 啟用記憶功能，讓代理能記住對話歷史
)
# 啟動團隊
result = market_analysis_crew.kickoff(inputs={"topic": "AI 在醫療領域的應用"})
print(result)
圖表解說：市場分析團隊工作流程
此活動圖展示了市場分析團隊在順序處理模式下的協作流程，清晰地呈現了任務的依賴關係和資訊的流動。
三、處理模式與監控
- 處理模式: 除了
sequential，CrewAI 還支援hierarchical(層級) 模式。在該模式下，需要指定一個manager_llm，由一個管理者代理來動態地協調和委派任務，適用於更複雜、非線性的工作流程。 - 使用 AgentOps 監控: 在開發複雜的多代理系統時，可觀察性至關重要。只需在建立
Crew時傳入agentops物件，即可與 AgentOps 監控平台無縫整合，深入追蹤和分析代理的行為、成本和效能。
結論
CrewAI 透過其獨特的「角色導向」設計，為開發多代理系統提供了一個強大而結構化的框架。它不僅僅是讓多個 AI 進行簡單的對話，而是真正地構建了一個分工明確、目標一致的「AI 團隊」。結合 AgentOps 等監控工具，開發者可以對複雜的代理協作進行全方位的觀測與持續最佳化，從而釋放出多代理系統在解決真實世界複雜問題上的巨大潛力。
