基于 CrewAI 多智能体框架，手把手构建一个自动化写作应用实战

创作时间:

作者:

@小白创作中心

基于 CrewAI 多智能体框架，手把手构建一个自动化写作应用实战

引用

来源

https://www.cnblogs.com/obullxl/articles/NTopic2024091401.html

利用 CrewAI 多智能体框架，我们可以更细粒度的控制智能体和任务，通过不同的流程组织协同多智能体共同完成工作。本文将手把手教你构建一个自动化写作应用。

明月皓皓，星河灿烂，中秋佳节，团圆美满。祝大家中秋节快乐！听说台风要来了，也不知道还能不能吃着月饼赏个月？

在上一篇文章中，我们初步理解了什么是 Agent(智能体)、它具备哪些特性等基础知识，并尝试使用 MetaGPT 这个国内开源的多智能体系统来实现需求。然而，MetaGPT 对基础大语言模型有很高的要求，否则根据一句话的需求产出的结果很难尽如人意。因此，我们今天将介绍另一个多智能体框架——CrewAI，它更加轻量化，定制的灵活性更高。

本文将使用 CrewAI 搭建一个自动化写作系统，主要包括以下内容：

CrewAI 框架基本介绍
本地安装 CrewAI 框架依赖
使用 CrewAI 逐步地搭建我们的自动化写作系统

本文所有涉及到的源代码，不出意外的话，源代码地址会放在评论区。

CrewAI 框架基本介绍

CrewAI 官方开源地址：https://github.com/crewAIInc/crewAI

CrewAI 是一个多智能体框架，主要为角色扮演中的智能体提供自动化配置，以促进智能体之间的合作，共同解决复杂问题。CrewAI 主要由 Agent(智能体)、Task(任务)、Tool(工具)和 Crew(团队)模块组成。智能体是具有角色和背景故事、目标和记忆的团队成员；任务是智能体需要完成的任务；工具是智能体使用的设备，用于辅助完成任务；团队则是智能体和任务相结合的容器，是智能体协调合作执行任务的实际场所，智能体由它共同完成实际任务。

CrewAI 框架比较灵活，它不仅支持 OpenAI 标准 API，还支持 Ollama 标准 API，它具备如下核心特征：

角色定制代理：可以根据不同的角色、目标和工具来量身定制代理。
自动任务委派：代理之间能够自主地分配任务和进行交流，有效提升解题效率。
任务管理灵活性：可以根据需要自定义任务和工具，并灵活地指派给不同代理。
流程导向：目前系统仅支持按顺序执行任务，但更加复杂的如基于共识和层级的流程正在研发中。

本地安装 CrewAI 框架依赖

工欲善其事，必先利其器，我们通过 Miniconda 管理 Python 虚拟环境，Miniconda 的安装和使用可以参考之前的文章：大模型应用研发基础环境配置（Miniconda、Python、Jupyter Lab、Ollama 等）

# Python虚拟环境名：CrewAI，版本号：3.10
conda create -n CrewAI python=3.10 -y
# 激活虚拟环境
conda activate CrewAI

接下来，我们就可以安装 CrewAI 框架依赖了：

pip install crewai

至此，CrewAI 框架依赖就安装好了，我们接下来使用它来构建一个自动化协作应用。

使用 CrewAI 搭建自动化写作系统

前面提到，智能体依赖的大模型既支持 OpenAI 标准接口，也支持 Ollama 标准接口。为了方便演示，使用 Ollama 本地部署 Qwen2-7B 大模型，有关 Ollama 详细介绍和使用，参见之前的文章，本文不在赘述：Ollama 完整教程：本地 LLM 管理、WebUI 对话、Python/Java 客户端 API 应用

第一步：明确我们的需求

我们来当一次“老板”，还是以儿童绘本故事为例，我们只提供一个主题：由第 1 个智能体根据主题产出绘本故事的构思内容，然后由第 2 个智能体根据第 1 个智能体的构思内容，产出故事内容。

因此，我们需要有 2 个智能体（即：需要定义 2 个角色），分别是：故事内容构思者，和故事内容协作者；他们各自都有一个任务，分别是：产出故事内容构思，和根据构思编写故事。

接下来，我们就开始实现我们的智能体了，在此之前，我们先引入 CrewAI 核心模块类，同时配置大模型：

第二步：定义构思者角色的智能体

对于构思者智能体，它的定义如下：

我们要给它设定一个与任务相符的角色（role）：为了简单，我们就设定为构思者
我们为这个智能体设定了一个目标（goal）：要根据给定的主题（{topic}），产出儿童绘本故事内容创意
我们再为规划者智能体设定一个背景故事（backstory）：我们尽可能多地设定相关的上下文，比如它的职责、对它产出物的要求等。
我们还要设置一些其它属性：allow_delegation 代表这个智能体不允许把工作委托给其他的智能体；verbose 代表把它的工作详细记录下来，这样我们可以看到它在执行内部任务时是如何运行的