Um guia para fluxos de trabalho multiagentes coordenados

Coordenar muitos agentes diferentes para realizar uma tarefa não é fácil. Mas usando a capacidade de coordenação do Crew AI por meio do planejamento, essa tarefa se torna mais fácil. O aspecto mais útil do planejamento é que o sistema cria um roteiro para os agentes seguirem ao concluir seu projeto. Depois que os agentes tiverem acesso ao mesmo roteiro, eles entenderão como coordenar seu trabalho no projeto.

Neste artigo veremos um exemplo de pocket book que ilustra como o recurso de plano funciona com dois agentes. Um agente faz a pesquisa e o outro agente cria um artigo a partir da pesquisa.

Por que o planejamento é importante

Sem um plano conjunto, os agentes tendem a confiar no raciocínio particular person em relação à tarefa atribuída. Sob certas circunstâncias, este modelo pode produzir resultados satisfatórios; entretanto, é propenso a gerar inconsistências e esforços de redundância entre os agentes. O planejamento cria um esboço de trabalho abrangente para todos os agentes, permitindo-lhes acessar o mesmo documento, levando a uma maior eficiência geral:

Como resultado do planejamento:

• Estrutura Aumentada
• Tarefas Alinhadas
• Maior qualidade de trabalho
• Fluxos de trabalho mais previsíveis

O planejamento é especialmente importante à medida que a complexidade do pipeline aumenta por meio de múltiplas atividades sequenciais.

Passo a passo prático

A prática requer um bom conhecimento do CrewAI. Se você ainda não teve tempo de se atualizar com esta ferramenta robusta, você pode ler mais sobre isso aqui: Construindo Agentes com CrewAI

O passo a passo demonstra a configuração completa e também como configurar seus agentes e tarefas, juntamente com os benefícios do planejamento.

Etapa 1: instalar dependências

Esses pacotes permitem acesso ao CrewAI, às ferramentas do navegador e aos recursos de pesquisa.

!pip set up crewai crewai-tools exa_py ipywidgets

Depois de instalar esses pacotes, você desejará carregar suas variáveis ​​de ambiente.

import dotenv
dotenv.load_dotenv()

Etapa 2: inicializar ferramentas

Os agentes deste exemplo consistem em dois tipos de ferramentas: uma ferramenta de navegador e uma Exa ferramenta de pesquisa.

from crewai_tools import BrowserTool, ExaSearchTool

browser_tool = BrowserTool()
exa_tool = ExaSearchTool()

Essas ferramentas fornecem aos agentes a capacidade de pesquisar dados do mundo actual.

Etapa 3: definir os agentes

Existem duas funções neste exemplo:

Pesquisador de Conteúdo

Esse Agente de IA coleta todas as informações factuais necessárias.

from crewai import Agent

researcher = Agent(
    function="Content material Researcher",
    aim="Analysis info on a given matter and put together structured notes",
    backstory="You collect credible info from trusted sources and summarize it in a transparent format.",
    instruments=(browser_tool, exa_tool),
)

Escritor de conteúdo sênior

Este agente formatará o artigo com base nas notas coletadas pelo Pesquisador de Conteúdo.

author = Agent(
    function="Senior Content material Author",
    aim="Write a elegant article based mostly on the analysis notes",
    backstory="You create clear and interesting content material from analysis findings.",
    instruments=(browser_tool, exa_tool),
)

Etapa 4: crie as tarefas

Cada agente receberá uma tarefa.

Tarefa de Pesquisa

from crewai import Activity

research_task = Activity(
    description="Analysis the subject and produce a structured set of notes with clear headings.",
    expected_output="A well-organized analysis abstract in regards to the matter.",
    agent=researcher,
)

Tarefa de escrita

write_task = Activity(
    description="Write a transparent ultimate article utilizing the analysis notes from the primary job.",
    expected_output="A sophisticated article that covers the subject completely.",
    agent=author,
)

Etapa 5: habilitar o planejamento

Esta é a parte principal. O planejamento é ativado com um sinalizador.

from crewai import Crew

crew = Crew(
    brokers=(researcher, author),
    duties=(research_task, write_task),
    planning=True
)

Depois que o planejamento é ativado, o CrewAI gera um fluxo de trabalho passo a passo antes que os agentes trabalhem em suas tarefas. Esse plano é injetado em ambas as tarefas para que cada agente saiba como é a estrutura geral.

Etapa 6: execute a tripulação

Inicie o fluxo de trabalho com um tópico e uma knowledge.

outcome = crew.kickoff(inputs={"matter":"AI Agent Roadmap", "todays_date": "Dec 1, 2025"})

O processo é assim:

1. CrewAI constrói o plano.
2. O pesquisador segue o plano para coletar informações.
3. O escritor usa tanto as notas de pesquisa quanto o plano para produzir um artigo ultimate.

Exiba a saída.

print(outcome)

Você verá o artigo concluído e as etapas de raciocínio.

Conclusão

Isso demonstra como o planejamento permite Agentes CrewAI para trabalhar de uma maneira muito mais organizada e integrada. Ao gerar esse roteiro compartilhado, os agentes saberão exatamente o que fazer em um determinado momento, sem esquecer o contexto de sua função. Ativar o recurso é muito fácil, e sua aplicação perfeita é em fluxos de trabalho com etapas: pesquisa, redação, análise, criação de conteúdo – a lista continua.

Perguntas frequentes

Olá, sou Janvi, um entusiasta apaixonado pela ciência de dados que atualmente trabalha na Analytics Vidhya. Minha jornada no mundo dos dados começou com uma profunda curiosidade sobre como podemos extrair insights significativos de conjuntos de dados complexos.