crewai

项目地址： https://github.com/crewAIInc/crewAI

官方文档： https://docs.crewai.com/

PyPI： crewai（1.15.30，截至 2026-10）｜ 工具包：crewai-tools（同版号）

许可证： MIT

概述

crewAI 用两层抽象组织多智能体系统，边界很清楚：

• Crews（自治）：Agent（角色、目标、背景、工具）+ Task（描述、期望产出、依赖）组成团队，Crew 按 Process 调度执行
• Flows（可控）：事件驱动的编排层，@start / @listen / @router 加 or_ / and_ 组合条件，带类型化 state，适合生产级分支与重试
• 两者可混用：Flow 里调 Crew，或 Crew 的某个 Task 触发 Flow，是官方推荐的生产形态
• Python 原生：prompt、工具、执行路径、state 都能直接用 Python 改，不跟框架打架
• 生产特性：结构化输出（output_pydantic/output_json）、memory、knowledge、checkpointing、异步执行、MCP/A2A 支持
• 脚手架：1.x 默认 JSON-first 项目（agents/*.jsonc + crew.jsonc），需要传统 YAML/Python 结构用 --classic

---

环境准备

前置条件

项	要求
Python	>=3.10,<3.14
包管理	官方推荐 uv（CLI 也用它装）
模型	任一经 LiteLLM 支持的 provider（OpenAI、Anthropic、DeepSeek、本地 vLLM/Ollama 均可）

方式一：uv tool（官方推荐，装 CLI）

# macOS / Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

# Windows PowerShell
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

# 安装 crewai CLI
uv tool install crewai
uv tool update-shell      # 若提示 PATH 警告
uv tool list              # 应能看到 crewai

后续升级 CLI：uv tool install crewai --upgrade（只升全局 CLI，不升项目环境里的 crewai）。

方式二：pip（已有虚拟环境时）

python -m venv .venv && . .venv/bin/activate    # Windows: .venv\Scripts\Activate.ps1
python -m pip install -U crewai
python -m pip install -U crewai-tools            # 需要现成工具集时

验证

crewai version
python -c "import crewai, crewai_tools; print(crewai.__version__)"

Windows 上装 chroma-hnswlib 可能报 fatal error C1083: Cannot open include file: 'float.h'——装 Visual Studio Build Tools 的「Desktop development with C++」工作负载即可。

---

核心模型：Agent / Task / Crew

代码式最小 Crew

from crewai import Agent, Crew, Process, Task

researcher = Agent(
    role="Senior Data Researcher",
    goal="Uncover cutting-edge developments in {topic}",
    backstory="You are a seasoned researcher who presents findings clearly.",
    verbose=True,
)

analyst = Agent(
    role="Reporting Analyst",
    goal="Turn research into a clear report",
    backstory="You are a meticulous analyst who writes concisely.",
    verbose=True,
)

research_task = Task(
    description="Research {topic} and list 10 key points.",
    expected_output="A bullet list of 10 relevant points.",
    agent=researcher,
)

report_task = Task(
    description="Expand the research into a full markdown report.",
    expected_output="A markdown report with a section per topic.",
    agent=analyst,
    context=[research_task],
    output_file="output/report.md",
)

crew = Crew(
    agents=[researcher, analyst],
    tasks=[research_task, report_task],
    process=Process.sequential,
    verbose=True,
)

result = crew.kickoff(inputs={"topic": "AI Agents"})
print(result.raw)