Pular para o conteúdo principal

Assista: Construindo Agents e Flows CrewAI com Coding Agent Skills

Instale nossas coding agent skills (Claude Code, Codex, …) para colocar seus agentes de código para funcionar rapidamente com o CrewAI. Você pode instalar com npx skills add crewaiinc/skills
Neste guia você vai criar um Flow que define um tópico de pesquisa, executa um crew com um agente (um pesquisador com busca na web) e termina com um relatório em Markdown no disco. Flows são a forma recomendada de estruturar apps em produção: eles controlam estado e ordem de execução, enquanto os agentes fazem o trabalho dentro da etapa do crew. Se ainda não instalou o CrewAI, siga primeiro o guia de instalação.

Pré-requisitos

  • Ambiente Python e a CLI do CrewAI (veja instalação)
  • Um LLM configurado com as chaves corretas — veja LLMs
  • Uma chave de API do Serper.dev (SERPER_API_KEY) para busca na web neste tutorial

Construa seu primeiro Flow

1

Crie um projeto Flow

No terminal, gere um projeto Flow (o nome da pasta usa sublinhados, ex.: latest_ai_flow):
crewai create flow latest-ai-flow
cd latest_ai_flow
Isso cria um app Flow em src/latest_ai_flow/, incluindo um crew inicial em crews/content_crew/ que você substituirá por um crew de pesquisa com um único agente nos próximos passos.
2

Configure um agente em JSONC

Crie src/latest_ai_flow/crews/content_crew/agents/researcher.jsonc (crie o diretório agents/ se necessário). Variáveis como {topic} são preenchidas a partir de crew.kickoff(inputs=...).
agents/researcher.jsonc
{
  "role": "Pesquisador(a) Sênior de Dados em {topic}",
  "goal": "Descobrir os desenvolvimentos mais recentes em {topic}",
  "backstory": "Você é um pesquisador experiente que encontra as informações mais relevantes e apresenta tudo com clareza.",
  "tools": ["SerperDevTool"],
  "settings": {
    "verbose": true
  }
}
3

Configure a crew em `crew.jsonc`

Crie src/latest_ai_flow/crews/content_crew/crew.jsonc:
crew.jsonc
{
  "name": "Research Crew",
  "agents": ["researcher"],
  "tasks": [
    {
      "name": "research_task",
      "description": "Faça uma pesquisa aprofundada sobre {topic}. Use busca na web para obter informações recentes e confiáveis.",
      "expected_output": "Um relatório em markdown com seções claras: tendências principais, ferramentas ou empresas relevantes e implicações. Entre 800 e 1200 palavras. Sem cercas de código em volta do documento inteiro.",
      "agent": "researcher",
      "output_file": "output/report.md",
      "markdown": true
    }
  ],
  "process": "sequential",
  "verbose": true
}
4

Carregue a crew JSON (`content_crew.py`)

Substitua o content_crew.py gerado por um pequeno loader que transforma crew.jsonc em uma Crew.
content_crew.py
# src/latest_ai_flow/crews/content_crew/content_crew.py
from pathlib import Path

from crewai.project import load_crew


def kickoff_content_crew(inputs: dict):
  crew, default_inputs = load_crew(Path(__file__).with_name("crew.jsonc"))
  return crew.kickoff(inputs={**default_inputs, **inputs})
5

Defina o Flow em `main.py`

Conecte o crew a um Flow: um passo @start() define o tópico no estado e um @listen executa o crew. O output_file da tarefa continua gravando output/report.md.
main.py
# src/latest_ai_flow/main.py
from pydantic import BaseModel

from crewai.flow import Flow, listen, start

from latest_ai_flow.crews.content_crew.content_crew import kickoff_content_crew


class ResearchFlowState(BaseModel):
  topic: str = ""
  report: str = ""


class LatestAiFlow(Flow[ResearchFlowState]):
  @start()
  def prepare_topic(self, crewai_trigger_payload: dict | None = None):
    if crewai_trigger_payload:
      self.state.topic = crewai_trigger_payload.get("topic", "AI Agents")
    else:
      self.state.topic = "AI Agents"
    print(f"Tópico: {self.state.topic}")

  @listen(prepare_topic)
  def run_research(self):
    result = kickoff_content_crew(inputs={"topic": self.state.topic})
    self.state.report = result.raw
    print("Crew de pesquisa concluído.")

  @listen(run_research)
  def summarize(self):
    print("Relatório em: output/report.md")


def kickoff():
  LatestAiFlow().kickoff()


def plot():
  LatestAiFlow().plot()


if __name__ == "__main__":
  kickoff()
Se o nome do pacote não for latest_ai_flow, ajuste o import de kickoff_content_crew para o caminho de módulo do seu projeto.
6

Variáveis de ambiente

Na raiz do projeto, no arquivo .env, defina:
7

Instalar e executar

crewai install
crewai run
O crewai run executa o ponto de entrada do Flow definido no projeto (o mesmo comando dos crews; o tipo do projeto é "flow" no pyproject.toml).
8

Confira o resultado

Você deve ver logs do Flow e do crew. Abra output/report.md para o relatório gerado (trecho):
# Agentes de IA: panorama e tendências recentes

## Resumo executivo


## Principais tendências
- **Uso de ferramentas e orquestração** — …
- **Adoção empresarial** — …

## Implicações

O arquivo real será mais longo e refletirá resultados de busca ao vivo.

Como isso se encaixa

  1. FlowLatestAiFlow executa prepare_topic, depois run_research, depois summarize. O estado (topic, report) fica no Flow.
  2. Crewkickoff_content_crew carrega crew.jsonc e executa uma tarefa com um agente: o pesquisador usa Serper na web e escreve o relatório.
  3. Artefato — O output_file da tarefa grava o relatório em output/report.md.
Para ir além em Flows (roteamento, persistência, human-in-the-loop), veja Construa seu primeiro Flow e Flows. Para crews sem Flow, veja Crews. Para um único Agent com kickoff() sem tarefas, veja Agents.
Você tem um Flow ponta a ponta com um crew de agente e um relatório salvo — uma base sólida para novas etapas, crews ou ferramentas.

Consistência de nomes

Os nomes em crew.jsonc devem coincidir com os arquivos e referências:
  • agents: ["researcher"] carrega agents/researcher.jsonc
  • tasks[].agent: "researcher" atribui a tarefa a esse agente

Implantação

Envie seu Flow para o CrewAI AMP quando rodar localmente e o projeto estiver em um repositório GitHub. Na raiz do projeto:
crewai login
A primeira implantação costuma levar cerca de 1 minuto. Pré-requisitos completos e fluxo na interface web estão em Implantar no AMP.

Guia de implantação

AMP passo a passo (CLI e painel).

Comunidade

Troque ideias, compartilhe projetos e conecte-se com outros desenvolvedores CrewAI.