构建你的第一个 CrewAI Agent

如果你一直在探索 AI Agent 生态系统，你可能已经意识到协调的多 AI Agent 系统背后的潜力。CrewAI 是一个开源框架，专门设计用于简化这些协作式 Agent 网络的开发，无需典型的实现麻烦即可实现复杂的任务委托和执行。

本指南将逐步引导你从头开始创建你的第一个 Agent Crew，请遵循下面的最新视频教程。

你将学习如何：

1. 使用 CrewAI 及其依赖项设置你的开发环境
2. 使用我们的 CLI 工具构建新项目
3. 通过基于 YAML 的定义配置你的 Agents 和任务
4. 实现专用的工具用于网页搜索和其他功能
5. 执行你的 Crew 并观察多 Agent 协作的实际运行

先决条件

在深入之前，请确保你的环境满足这些要求：

• uv 包管理器：CrewAI 利用 Astral（Ruff 的创建者）的 uv 进行依赖管理。与传统的 pip 相比，这个超快速的包管理器显著提高了安装速度和可靠性。
• Python：CrewAI 需要 Python >3.10 和 <3.13。验证你的版本：

python3 --version

安装：设置你的环境

1. 安装 uv 包管理器

选择适合你的操作系统的相应方法：

macOS / Linux

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

Windows (PowerShell)

powershell -c "irm https://astral.sh/uv/install.ps1 | iex"

验证安装：

uv --version

注意：有关高级安装选项或故障排除，请参阅官方 uv 文档。

2. 安装 CrewAI CLI

准备好 uv 后，安装 CrewAI 命令行界面：

uv tool install crewai

如果这是你第一次使用 uv tool，你可能会看到一个关于更新 PATH 的提示。请遵循说明（通常运行 uv tool update-shell），并在必要时重启终端。

验证你的安装：

uv tool list

你应该看到 crewai 及其版本号（例如，crewai v0.119.0）。

项目创建：构建你的第一个 Crew

CrewAI 提供了一个结构化的项目生成器，用于为你 Agent Crew 设置基础。导航到你的项目目录并运行：

crewai create crew latest-ai-development

将 latest-ai-development 替换为你项目的描述性名称。

CLI 将提示你：

1. 选择一个 LLM 提供商：选择你偏好的大型语言模型提供商 (OpenAI, Anthropic, Gemini, Ollama 等)
2. 选择一个模型：从提供商中选择一个特定模型 (例如，gpt-4o-mini)
3. 输入 API 密钥：你可以现在或稍后添加这些密钥

生成的项目结构

CLI 会创建一个组织良好的目录结构：

latest-ai-development/
├── .env                  # Environment variables and API keys
├── .gitignore            # Pre-configured to prevent committing 
                          # sensitive data
├── pyproject.toml        # Project dependencies and metadata
├── README.md             # Basic project information
├── knowledge/            # Storage for knowledge files (PDFs, etc.)
└── src/                  # Main source code
    └── latest_ai_development/
        ├── config/       # YAML configuration files
        │   ├── agents.yaml
        │   └── tasks.yaml
        ├── tools/        # Custom tool implementations
        │   └── custom_tool.py
        ├── crew.py       # Crew class definition
        └── main.py       # Entry point

导航到你的项目目录：

cd latest-ai-development

配置

在这里，你将通过 YAML 配置文件定义你的 Crew 的 Agents 和任务。

1. API 密钥 (.env)

打开 .env 文件并添加你的 API 密钥：

MODEL=provider/your-preferred-model # e.g gemini/gemini-2.5-pro-preview-05-06
<PROVIDER>_API_KEY=your_preffered_provider_api_key
SERPER_API_KEY=your_serper_api_key  # For web search capability

安全注意：切勿将此文件提交到版本控制。生成的 .gitignore 已配置为排除它。

2. Agent 定义 (agents.yaml)

在 src/<your_project>/config/agents.yaml 中定义你的智能 Agents：

researcher:
  role: '{topic} Senior Data Researcher'
  goal: 'Uncover cutting-edge developments in {topic} with comprehensive research'
  backstory: 'You are a seasoned researcher with expertise in identifying emerging trends. Your specialty is finding information that others miss, particularly in technical domains.'

reporting_analyst:
  role: '{topic} Reporting Analyst'
  goal: 'Create detailed, actionable reports based on {topic} research data'
  backstory: 'You are a meticulous analyst with a talent for transforming raw research into coherent narratives. Your reports are known for their clarity and strategic insights.'

动态变量：注意 {topic} 占位符。这些在运行时会被你的 main.py 文件中的值动态替换。

3. 任务定义 (tasks.yaml)

在 src/<your_project>/config/tasks.yaml 中定义每个 Agent 需要完成的任务：

research_task:
  description: >
    Conduct thorough research about {topic}. Focus on:
    1. Latest developments (make sure to find information from {current_year})
    2. Key players and their contributions
    3. Technical innovations and breakthroughs
    4. Challenges and limitations
    5. Future directions
  expected_output: >
    A list with 10 bullet points covering the most significant findings about {topic},
    with emphasis on technical details relevant to developers.
  agent: researcher

reporting_task:
  description: >
    Review the research findings and create a comprehensive report on {topic}.
    Expand each bullet point with supporting evidence, technical explanations,
    and implementation considerations.
  expected_output: >
    A fully fledged technical report with sections covering each major aspect of {topic}.
    Include code examples where relevant. Format as markdown without code block indicators.
  agent: reporting_analyst
  output_file: report.md  # Automatically saves output to this file

4. 工具集成 (crew.py)

Agents 通常需要专用的工具来与外部系统交互。让我们为我们的研究员 Agent 添加一个网页搜索功能：

首先，在 crew.py 的顶部导入工具：

from crewai_tools import SerperDevTool

然后，找到研究员 Agent 的定义并添加工具：

@agent
def researcher(self) -> Agent:
    return Agent(
        config=self.agents_config['researcher'],
        tools=[SerperDevTool()],  # Enable web search capability
        verbose=True,
        llm=self.openai_llm
    )

5. 入口点 (main.py)

此文件使用动态输入参数初始化你的 Crew：

from datetime import datetime

# Variables that will be interpolated in your YAML configurations
inputs = {
    'topic': 'Open source AI agent frameworks',
    'current_year': str(datetime.now().year)
}

# Initialize and run the crew
LatestAiDevelopment().crew().kickoff(inputs=inputs)

自定义提示：调整 topic 值以更改你的 Crew 的研究主题。

执行：运行你的 Crew

配置完成后，安装项目依赖项：

crewai install

此命令使用 uv 安装并锁定 pyproject.toml 中定义的所有依赖项。

现在，执行你的 Crew：

crewai run

观察你的终端，Agents 将开始工作！你将看到：

1. 研究员 Agent 使用 SerperDev 工具搜索信息
2. 报告分析师 Agent 接收研究结果
3. 两个 Agents 协同工作以生成最终报告

执行完成后，你会在项目目录中找到输出文件（report.md），其中包含由你的 AI Crew 创建的综合报告。

下一步：扩展你的 CrewAI 技能

祝贺你构建了第一个 AI Agent Crew！在此基础上，你可以：

• 为工作流的不同方面添加更多专用的 Agents
• 创建自定义工具用于数据库访问、API 集成或数据处理
• 尝试不同的 LLM 提供商以优化成本或能力
• 使用 Flows 处理更复杂的 Agent 流程
• 使用 CrewAI 企业版 部署你的 Crew 到生产环境。

请按照本教程将我们在此博客中刚刚创建的本地项目部署到 CrewAI 企业版。

资源

• CrewAI 文档 - 全面的文档和指南
• GitHub 仓库 - 源代码和示例
• 社区论坛 - 获取帮助并分享你的创作

有问题或想分享你的 CrewAI 项目？加入我们的社区论坛或在 LinkedIn 和 X 上标记我们！