이 가이드는 crew.py 파일에서 agent, task, 및 기타 구성 요소를 올바르게 참조하기 위해 주석을 사용하는 방법을 설명합니다.

​
소개

CrewAI 프레임워크에서 어노테이션은 클래스와 메소드를 데코레이트하는 데 사용되며, crew의 다양한 컴포넌트에 메타데이터와 기능을 제공합니다. 이러한 어노테이션은 코드의 구성과 구조화를 돕고, 코드의 가독성과 유지 관리를 용이하게 만듭니다.

​
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.

​
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.

​
YAML 구성

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
이 YAML 구성은 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: YAML 파일의 이름과 구조가 Python 코드의 데코레이터가 적용된 메서드와 정확히 일치하는지 확인하세요.
이 지침을 따르고 주석을 올바르게 사용하면 CrewAI 프레임워크를 이용해 구조적이고 유지보수가 쉬운 crew를 만들 수 있습니다.