crewAIInc GitHub avatar

crewAI

Python
角色协作智能体框架crewAIInc最近推送 2026年11月18日
Agent 框架MIT61.0k9,2191,276 issues7 天 +295

AI 分析 · 由大模型根据 README 与仓库数据生成 · 2026年11月17日

用角色分工编排多个 AI 智能体协作完成复杂任务的 Python 框架。

CrewAI 是一个开源 Python 多智能体编排框架,提供 Crews 和 Flows 两层抽象。Crews 让带角色设定的智能体自主协作,Flows 提供事件驱动的精确流程控制,两者可组合使用。

推荐指数

5.0

多智能体编排领域成熟度最高的开源框架之一,适合认真做生产级 Agent 应用的团队。

近 7 天

+295

新增 Star

总 Star 排名

#80

雷达追踪的 3,931 个 AI 仓库中

创建于

2023

2023年10月27日

核心亮点

  • 1角色化智能体

    每个 Agent 有角色、目标、背景故事,按分工协作。

  • 2Crews + Flows

    自主协作与事件驱动流程控制两种模式,可组合使用。

  • 3轻量 Python 核心

    独立于 LangChain 等框架,核心轻量、执行快。

  • 4生产化配套

    官方提供 AMP 商业套件,含部署、可观测、治理与安全。

  • 5生态与学习资源

    官方文档、社区论坛、课程和 AI 编码助手技能包齐全。

适用场景

  • 多角色协作任务

    例如:研究员 + 撰稿人 + 编辑三个 Agent 协作写出一份行业报告。

  • 业务流程自动化

    例如:用 Flow 串联 LLM 调用和 Crew,自动完成线索筛选与跟进邮件。

  • 数据分析类应用

    例如:股票分析 Crew 分工抓数据、做分析、出结论。

  • 快速原型验证

    例如:用 YAML 配置定义 Agent 和 Task,几行代码跑通多智能体流程。

它是怎么工作的

  1. 第 1 步

    定义 Agent

    为每个智能体设定角色、目标、背景和可用工具。

  2. 第 2 步

    定义 Task

    描述任务内容、依赖关系和结构化输出格式。

  3. 第 3 步

    组装 Crew

    把 Agent 和 Task 组合成协作团队并指定执行方式。

  4. 第 4 步

    编排 Flow

    需要精确控制时,用事件驱动 Flow 串联单次 LLM 调用和 Crew。

  5. 第 5 步

    接入模型并运行

    配置 LLM 后启动执行,获得协作结果。

快速上手

  1. 1

    安装

    通过 pip 安装 crewai 包。

    pip install crewai
  2. 2

    配置模型

    在环境变量或配置中指定所用 LLM 的 API Key。

  3. 3

    定义 Crew

    按 README 示例创建 Agent 和 Task,组装成 Crew。

  4. 4

    运行

    调用 crew.kickoff() 启动协作执行。

适合谁

  • 需要构建多智能体应用的 Python 开发者
  • 想把复杂业务流程自动化的团队
  • 需要自主协作与精确流程控制兼得的项目

不太适合

  • 只想做单次 LLM 调用的简单场景
  • 非 Python 技术栈且不愿引入 Python 服务的团队

成熟度

  • 活跃度6.1 万 star、9 千 fork,最近仍有提交,社区活跃。
  • 文档有独立文档站、教程、示例和课程资源。
  • 社区有官方论坛和大量贡献者,但 1200+ 开放 issue 说明维护压力不小。
  • 上手难度高层抽象上手快,深入定制 Flows 需要一定学习成本。

同类项目怎么选

  • LangGraph以图结构编排状态化工作流,控制更底层,CrewAI 更强调角色化协作。
  • AutoGen微软出品,侧重多智能体对话式协作与研究场景。
  • MetaGPT模拟软件公司角色分工,偏向按固定 SOP 生成软件产物。

使用前注意

  • · MIT 许可,可商用,但企业级部署、可观测等能力在商业 AMP 套件中。
  • · 多智能体协作会带来多次 LLM 调用,token 成本需提前评估。
  • · 开放 issue 较多,遇到问题可能需要自行排查或依赖社区。
  • · README 提到遥测(Telemetry),对数据隐私敏感的场景需确认其行为。

主题标签

agentsaiai-agentsllmsaiagentframework