A partir da versão 0.140.0, a plataforma CrewAI Enterprise iniciou um processo de migração de seu provedor de login. Como resultado, o fluxo de autenticação via CLI foi atualizado. Usuários que utlizam o Google para fazer login, ou que criaram conta após 3 de julho de 2025 não poderão fazer login com versões anteriores da biblioteca crewai.

​
Visão Geral

O CLI do CrewAI fornece um conjunto de comandos para interagir com o CrewAI, permitindo que você crie, treine, execute e gerencie crews & flows.

​
Instalação

Para usar o CLI do CrewAI, certifique-se de que o CrewAI está instalado:

Terminal
pip install crewai

​
Uso Básico

A estrutura básica de um comando CLI do CrewAI é:

Terminal
crewai [COMMAND] [OPTIONS] [ARGUMENTS]

​
Comandos Disponíveis

​
1. Create

Crie um novo crew ou flow.

Terminal
crewai create [OPTIONS] TYPE NAME
  • TYPE: Escolha entre “crew” ou “flow”
  • NAME: Nome do crew ou flow

Exemplo:

Terminal
crewai create crew my_new_crew
crewai create flow my_new_flow

​
2. Version

Mostre a versão instalada do CrewAI.

Terminal
crewai version [OPTIONS]
  • --tools: (Opcional) Mostra a versão instalada das ferramentas do CrewAI

Exemplo:

Terminal
crewai version
crewai version --tools

​
3. Train

Treine o crew por um número específico de iterações.

Terminal
crewai train [OPTIONS]
  • -n, --n_iterations INTEGER: Número de iterações para treinar o crew (padrão: 5)
  • -f, --filename TEXT: Caminho para um arquivo customizado para treinamento (padrão: “trained_agents_data.pkl”)

Exemplo:

Terminal
crewai train -n 10 -f my_training_data.pkl

# Exemplo de uso programático do comando train
n_iterations = 2
inputs = {"topic": "Treinamento CrewAI"}
filename = "seu_modelo.pkl"

try:
    SuaCrew().crew().train(
      n_iterations=n_iterations, 
      inputs=inputs, 
      filename=filename
    )
except Exception as e:
    raise Exception(f"Ocorreu um erro ao treinar a crew: {e}")

​
4. Replay

Reexecute a execução do crew a partir de uma tarefa específica.

Terminal
crewai replay [OPTIONS]
  • -t, --task_id TEXT: Reexecuta o crew a partir deste task ID, incluindo todas as tarefas subsequentes

Exemplo:

Terminal
crewai replay -t task_123456

​
5. Log-tasks-outputs

Recupere as saídas mais recentes das tarefas crew.kickoff() do seu crew.

Terminal
crewai log-tasks-outputs

​
6. Reset-memories

Redefine as memórias do crew (longa, curta, de entidades, latest_crew_kickoff_outputs).

Terminal
crewai reset-memories [OPTIONS]
  • -l, --long: Redefine a memória de LONGO PRAZO
  • -s, --short: Redefine a memória de CURTO PRAZO
  • -e, --entities: Redefine a memória de ENTIDADES
  • -k, --kickoff-outputs: Redefine as OUTPUTS DA TAREFA KICKOFF MAIS RECENTE
  • -kn, --knowledge: Redefine o armazenamento de CONHECIMENTO
  • -akn, --agent-knowledge: Redefine o armazenamento de CONHECIMENTO DOS AGENTES
  • -a, --all: Redefine TODAS as memórias

Exemplo:

Terminal
crewai reset-memories --long --short
crewai reset-memories --all

​
7. Test

Teste o crew e avalie os resultados.

Terminal
crewai test [OPTIONS]
  • -n, --n_iterations INTEGER: Número de iterações para testar o crew (padrão: 3)
  • -m, --model TEXT: Modelo LLM para executar os testes no Crew (padrão: “gpt-4o-mini”)

Exemplo:

Terminal
crewai test -n 5 -m gpt-3.5-turbo

​
8. Run

Execute o crew ou flow.

Terminal
crewai run

A partir da versão 0.103.0, o comando crewai run pode ser usado para executar tanto crews padrão quanto flows. Para flows, ele detecta automaticamente o tipo a partir do pyproject.toml e executa o comando apropriado. Este é agora o modo recomendado de executar tanto crews quanto flows.

Certifique-se de executar estes comandos a partir do diretório onde seu projeto CrewAI está configurado. Alguns comandos podem exigir configuração ou ajustes adicionais dentro da estrutura do seu projeto.

​
9. Chat

A partir da versão 0.98.0, ao rodar o comando crewai chat, você inicia uma sessão interativa com seu crew. O assistente de IA irá guiá-lo solicitando as entradas necessárias para executar o crew. Uma vez que todas as entradas são fornecidas, o crew executará suas tarefas.

Depois de receber os resultados, você pode continuar interagindo com o assistente para instruções ou perguntas adicionais.

Terminal
crewai chat

Garanta que você execute estes comandos a partir do diretório raiz do seu projeto CrewAI.

IMPORTANTE: Defina a propriedade chat_llm no seu arquivo crew.py para habilitar este comando.

@crew
def crew(self) -> Crew:
    return Crew(
        agents=self.agents,
        tasks=self.tasks,
        process=Process.sequential,
        verbose=True,
        chat_llm="gpt-4o",  # LLM para orquestração de chat
    )

​
10. Deploy

Implemente o crew ou flow no CrewAI Enterprise.

  • Autenticação: Você precisa estar autenticado para implementar no CrewAI Enterprise.

    Terminal
    crewai signup

    Caso já tenha uma conta, você pode fazer login com:

    Terminal
    crewai login

  • Criar um deployment: Depois de autenticado, você pode criar um deployment para seu crew ou flow a partir da raiz do seu projeto local.

    Terminal
    crewai deploy create
    • Lê a configuração do seu projeto local.
    • Solicita a confirmação das variáveis de ambiente (como OPENAI_API_KEY, SERPER_API_KEY) encontradas localmente. Elas serão armazenadas de forma segura junto ao deployment na plataforma Enterprise. Verifique se suas chaves sensíveis estão corretamente configuradas localmente (por exemplo, em um arquivo .env) antes de executar este comando.

​
11. Gerenciamento de Organização

Gerencie suas organizações no CrewAI Enterprise.

Terminal
crewai org [COMMAND] [OPTIONS]

​
Comandos:

  • list: Liste todas as organizações das quais você faz parte
Terminal
crewai org list
  • current: Exibe sua organização ativa atualmente
Terminal
crewai org current
  • switch: Mude para uma organização específica
Terminal
crewai org switch <organization_id>

Você deve estar autenticado no CrewAI Enterprise para usar estes comandos de gerenciamento de organização.

  • Criar um deployment (continuação):

    • Vincula o deployment ao respectivo repositório remoto do GitHub (normalmente detectado automaticamente).

  • Implantar o Crew: Depois de autenticado, você pode implantar seu crew ou flow no CrewAI Enterprise.

    Terminal
    crewai deploy push
    • Inicia o processo de deployment na plataforma CrewAI Enterprise.
    • Após a iniciação bem-sucedida, será exibida a mensagem Deployment created successfully! juntamente com o Nome do Deployment e um Deployment ID (UUID) único.

  • Status do Deployment: Você pode verificar o status do seu deployment com:

    Terminal
    crewai deploy status

    Isso retorna o status mais recente do último deployment iniciado (por exemplo, Building Images for Crew, Deploy Enqueued, Online).

  • Logs do Deployment: Você pode checar os logs do seu deployment com:

    Terminal
    crewai deploy logs

    Isso faz o streaming dos logs do deployment para seu terminal.

  • Listar deployments: Você pode listar todos os seus deployments com:

    Terminal
    crewai deploy list

    Isto lista todos os seus deployments.

  • Deletar um deployment: Você pode deletar um deployment com:

    Terminal
    crewai deploy remove

    Isto exclui o deployment da plataforma CrewAI Enterprise.

  • Comando de Ajuda: Você pode obter ajuda sobre o CLI com:

    Terminal
    crewai deploy --help

    Isto exibe a mensagem de ajuda para o CLI CrewAI Deploy.

Assista ao vídeo tutorial para uma demonstração passo-a-passo de implantação do seu crew no CrewAI Enterprise usando o CLI.

​
11. Chaves de API

Ao executar o comando crewai create crew, o CLI primeiro mostrará os 5 provedores de LLM mais comuns e pedirá para você selecionar um.

Após selecionar um provedor de LLM, será solicitado que você informe as chaves de API.

​
Provedores iniciais de chave de API

Inicialmente, o CLI solicitará as chaves de API para os seguintes serviços:

  • OpenAI
  • Groq
  • Anthropic
  • Google Gemini
  • SambaNova

Ao selecionar um provedor, o CLI solicitará que você insira sua chave de API.

​
Outras opções

Se você selecionar a opção 6, será possível escolher de uma lista de provedores suportados pelo LiteLLM.

Ao escolher um provedor, o CLI solicitará que você informe o nome da chave e a chave de API.

Veja o seguinte link para o nome de chave de cada provedor: