이 가이드는 클래식 crew.py 파일에서 agent, task, 및 기타 구성 요소를 올바르게 참조하기 위해 어노테이션을 사용하는 방법을 설명합니다.
crewai create crew <name>으로 만든 새 프로젝트는 JSON-first이며 crew.jsonc와 agents/*.jsonc를 사용합니다. 이 가이드는 crewai create crew <name> --classic으로 만든 클래식 프로젝트, 기존 Python/YAML 프로젝트 마이그레이션, 또는 Python 데코레이터 제어가 필요한 경우에 사용하세요.
config/agents.yaml, config/tasks.yaml을 로드하고 Crew 객체를 반환하는 코드를 구조화합니다.
사용 가능한 어노테이션
CrewAI 프레임워크는 다음과 같은 어노테이션을 제공합니다:
@CrewBase: 메인 crew 클래스를 데코레이트할 때 사용합니다.@agent: Agent 객체를 정의하고 반환하는 메서드를 데코레이트합니다.@task: Task 객체를 정의하고 반환하는 메서드를 데코레이트합니다.@crew: Crew 객체를 생성하고 반환하는 메서드를 데코레이트합니다.@llm: Language Model 객체를 초기화하고 반환하는 메서드를 데코레이트합니다.@tool: Tool 객체를 초기화하고 반환하는 메서드를 데코레이트합니다.@callback: 콜백 메서드를 정의할 때 사용합니다.@output_json: JSON 데이터를 출력하는 메서드에 사용합니다.@output_pydantic: Pydantic 모델을 출력하는 메서드에 사용합니다.@cache_handler: 캐시 처리 메서드를 정의할 때 사용합니다.
사용 예시
이러한 주석을 어떻게 사용하는지 예제를 통해 살펴보겠습니다:
1. Crew Base 클래스
@CrewBase
class LinkedinProfileCrew():
"""LinkedinProfile crew"""
agents_config = 'config/agents.yaml'
tasks_config = 'config/tasks.yaml'
@CrewBase 어노테이션은 메인 crew 클래스를 데코레이트하는 데 사용됩니다. 이 클래스는 일반적으로 agent, task, 그리고 crew 자체를 생성하기 위한 구성과 메서드를 포함합니다.
@CrewBase는 단순히 클래스를 등록하는 것 이상을 처리합니다.
- 구성 부트스트래핑: 클래스 파일과 동일한 경로에서
agents_config와 tasks_config(기본값은 각각 config/agents.yaml, config/tasks.yaml)을 찾아 인스턴스화 시점에 불러오며, 파일이 없으면 빈 딕셔너리로 안전하게 대체합니다.
- 데코레이터 오케스트레이션:
@agent, @task, @before_kickoff, @after_kickoff로 표시된 메서드를 메모이즈하여 crew마다 한 번만 인스턴스화하고 선언 순서를 보장합니다.
- 후크 연결: 보존된 킥오프 훅을
@crew 메서드가 반환하는 Crew 객체에 자동으로 연결하여 .kickoff() 호출 전후에 실행되도록 합니다.
- MCP 연동: 클래스에
mcp_server_params가 정의되어 있으면 get_mcp_tools()가 MCP 서버 어댑터를 지연 생성해 도구를 로드하고, 내부 after-kickoff 훅이 킥오프 종료 후 어댑터를 정리합니다. 어댑터 구성 방법은 MCP 개요를 참고하세요.
2. 도구 정의
@tool
def myLinkedInProfileTool(self):
return LinkedInProfileTool()
@tool 애너테이션은 도구 객체를 반환하는 메서드를 데코레이터할 때 사용됩니다. 이러한 도구들은 에이전트가 특정 작업을 수행할 때 사용할 수 있습니다.
3. LLM 정의
@llm
def groq_llm(self):
api_key = os.getenv('api_key')
return ChatGroq(api_key=api_key, temperature=0, model_name="mixtral-8x7b-32768")
@llm 애노테이션은 Language Model 객체를 초기화하고 반환하는 메서드를 데코레이팅하는 데 사용됩니다. 이러한 LLM은 에이전트가 자연어 처리 작업을 수행할 때 사용됩니다.
4. 에이전트 정의
@agent
def researcher(self) -> Agent:
return Agent(
config=self.agents_config['researcher']
)
@agent 어노테이션은 에이전트 객체를 정의하고 반환하는 메서드를 데코레이트할 때 사용됩니다.
5. Task 정의
@task
def research_task(self) -> Task:
return Task(
config=self.tasks_config['research_linkedin_task'],
agent=self.researcher()
)
@task 어노테이션은 Task 객체를 정의하고 반환하는 메서드를 데코레이트하는 데 사용됩니다. 이러한 메서드는 task 구성과 해당 task를 담당하는 agent를 지정합니다.
6. Crew 생성
@crew
def crew(self) -> Crew:
"""Creates the LinkedinProfile crew"""
return Crew(
agents=self.agents,
tasks=self.tasks,
process=Process.sequential,
verbose=True
)
@crew 어노테이션은 Crew 객체를 생성하고 반환하는 메서드를 데코레이션하는 데 사용됩니다. 이 메서드는 모든 구성 요소(agents와 tasks)를 기능적인 crew로 조합합니다.
클래식 YAML 구성
클래식 프로젝트에서 에이전트 구성은 일반적으로 YAML 파일에 저장됩니다. 아래는 연구원 에이전트에 대한 agents.yaml 파일 예시입니다.
researcher:
role: >
LinkedIn Profile Senior Data Researcher
goal: >
Uncover detailed LinkedIn profiles based on provided name {name} and domain {domain}
Generate a Dall-E image based on domain {domain}
backstory: >
You're a seasoned researcher with a knack for uncovering the most relevant LinkedIn profiles.
Known for your ability to navigate LinkedIn efficiently, you excel at gathering and presenting
professional information clearly and concisely.
allow_delegation: False
verbose: True
llm: groq_llm
tools:
- myLinkedInProfileTool
- mySerperDevTool
- myDallETool
LinkedinProfileCrew 클래스에 정의된 연구원 에이전트에 해당합니다. 구성에는 에이전트의 역할, 목표, 배경 이야기와 사용하는 LLM 및 도구와 같은 기타 속성이 명시되어 있습니다.
YAML 파일의 llm과 tools가 Python 클래스에서 @llm 및 @tool로 데코레이션된 메서드와 어떻게 대응되는지 주목하세요.
모범 사례
- 일관성 있는 명명: 메서드에 대해 명확하고 일관성 있는 명명 규칙을 사용하세요. 예를 들어, agent 메서드는 역할에 따라 이름을 지정할 수 있습니다(예: researcher, reporting_analyst).
- 환경 변수: API 키와 같은 민감한 정보를 위해 환경 변수를 사용하세요.
- 유연성: agent와 task를 쉽게 추가 및 제거할 수 있도록 crew를 유연하게 설계하세요.
- YAML-코드 일치: 클래식 프로젝트에서는 YAML 파일의 이름과 구조가 Python 코드의 데코레이터가 적용된 메서드와 정확히 일치하는지 확인하세요.
이 지침을 따르고 어노테이션을 올바르게 사용하면 클래식 crew를 구조적이고 유지보수하기 쉽게 유지할 수 있습니다. 새 crew에는 Crews의 JSON-first 구조를 권장합니다. 