LLMs

Visão Geral

O CrewAI integra-se com múltiplos provedores de LLM através do LiteLLM, oferecendo flexibilidade para você escolher o modelo certo para o seu caso de uso específico. Este guia irá ajudá-lo a entender como configurar e usar diferentes provedores de LLM em seus projetos CrewAI.

O que são LLMs?

Modelos de Linguagem de Grande Escala (LLMs) são a inteligência central por trás dos agentes CrewAI. Eles permitem que os agentes compreendam o contexto, tomem decisões e gerem respostas semelhantes às humanas. Veja o que você precisa saber:

Noções Básicas de LLM

Modelos de Linguagem de Grande Escala são sistemas de IA treinados em grandes volumes de dados textuais. Eles potencializam a inteligência dos agentes CrewAI, permitindo compreender e gerar textos de voz humana.

Janela de Contexto

A janela de contexto determina quanto texto um LLM pode processar de uma só vez. Janelas maiores (por exemplo, 128K tokens) permitem mais contexto, porém podem ser mais caras e lentas.

Temperatura

A temperatura (0.0 a 1.0) controla a aleatoriedade das respostas. Valores mais baixos (ex.: 0.2) produzem respostas mais focadas e determinísticas, enquanto valores mais altos (ex.: 0.8) aumentam criatividade e variabilidade.

Seleção de Provedor

Cada provedor de LLM (ex.: OpenAI, Anthropic, Google) oferece modelos diferentes, com capacidades, preços e recursos variados. Escolha conforme suas necessidades de precisão, velocidade e custo.

Configurando seu LLM

Existem diferentes locais no código do CrewAI onde você pode especificar o modelo a ser utilizado. Após definir o modelo usado, será necessário fornecer a configuração (como uma chave de API) para cada provedor de modelo. Veja a seção de exemplos de configuração de provedores para seu provedor.

1. Variáveis de Ambiente
2. Configuração YAML
3. Código Direto

A maneira mais simples de começar. Defina o modelo diretamente em seu ambiente, usando um arquivo .env ou no código do seu aplicativo. Se você utilizou crewai create para iniciar seu projeto, já estará configurado.

.env

MODEL=model-id  # e.g. gpt-4o, gemini-2.0-flash, claude-3-sonnet-...

# Lembre-se de definir suas chaves de API aqui também. Veja a seção
# do Provedor abaixo.

Nunca envie chaves de API para controle de versão. Use arquivos de ambiente (.env) ou o gerenciamento de segredos do seu sistema.

Crie um arquivo YAML para definir as configurações dos seus agentes. Este método é ótimo para controle de versão e colaboração em equipe:

agents.yaml

researcher:
    role: Research Specialist
    goal: Conduct comprehensive research and analysis
    backstory: A dedicated research professional with years of experience
    verbose: true
    llm: provider/model-id  # e.g. openai/gpt-4o, google/gemini-2.0-flash, anthropic/claude...
    # (veja exemplos de configuração de provedores abaixo para mais)

A configuração YAML permite:

Controlar versões das configurações dos agentes
Trocar facilmente entre diferentes modelos
Compartilhar configurações entre membros da equipe
Documentar escolhas de modelos e seus propósitos

Para máxima flexibilidade, configure os LLMs diretamente no seu código Python:

from crewai import LLM

# Configuração básica
llm = LLM(model="model-id-here")  # gpt-4o, gemini-2.0-flash, anthropic/claude...

# Configuração avançada com parâmetros detalhados
llm = LLM(
    model="openai/gpt-4",
    temperature=0.8,
    max_tokens=150,
    top_p=0.9,
    frequency_penalty=0.1,
    presence_penalty=0.1,
    response_format={"type":"json"},
    stop=["FIM"],
    seed=42
)

Explicações dos parâmetros:

temperature: Controla a aleatoriedade (0.0-1.0)
timeout: Tempo máximo de espera pela resposta
max_tokens: Limita o comprimento da resposta
top_p: Alternativa à temperatura para amostragem
frequency_penalty: Reduz repetição de palavras
presence_penalty: Incentiva novos tópicos
response_format: Especifica formato de saída
seed: Garante resultados consistentes

O CrewAI oferece integrações nativas via SDK para OpenAI, Anthropic, Google (Gemini API), Azure e AWS Bedrock — sem necessidade de instalação extra além dos extras específicos do provedor (ex.: uv add "crewai[openai]").Todos os outros provedores são alimentados pelo LiteLLM. Se você planeja usar algum deles, adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Exemplos de Configuração de Provedores

O CrewAI suporta uma grande variedade de provedores de LLM, cada um com recursos, métodos de autenticação e capacidades de modelo únicos. Nesta seção, você encontrará exemplos detalhados que ajudam a selecionar, configurar e otimizar o LLM que melhor atende às necessidades do seu projeto.

OpenAI

Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

# Obrigatório
OPENAI_API_KEY=sk-...

# Opcional
OPENAI_API_BASE=<custom-base-url>
OPENAI_ORGANIZATION=<your-org-id>

Exemplo de uso em seu projeto CrewAI:

Code

from crewai import LLM

llm = LLM(
    model="openai/gpt-4",
    temperature=0.8,
    max_tokens=150,
    top_p=0.9,
    frequency_penalty=0.1,
    presence_penalty=0.1,
    stop=["FIM"],
    seed=42
)

OpenAI é um dos líderes em modelos LLM com uma ampla gama de modelos e recursos.

Modelo	Janela de Contexto	Melhor Para
GPT-4	8.192 tokens	Tarefas de alta precisão, raciocínio complexo
GPT-4 Turbo	128.000 tokens	Conteúdo longo, análise de documentos
GPT-4o & GPT-4o-mini	128.000 tokens	Processamento de contexto amplo com bom custo-benefício
o3-mini	200.000 tokens	Raciocínio rápido, tarefas complexas
o1-mini	128.000 tokens	Raciocínio rápido, tarefas complexas
o1-preview	128.000 tokens	Raciocínio rápido, tarefas complexas
o1	200.000 tokens	Raciocínio rápido, tarefas complexas

Responses API:A OpenAI oferece duas APIs: Chat Completions (padrão) e a nova Responses API. A Responses API foi projetada desde o início com suporte multimodal nativo—texto, imagens, áudio e chamadas de função são todos cidadãos de primeira classe. Ela oferece melhor performance com modelos de raciocínio e suporta recursos adicionais como auto-encadeamento e ferramentas integradas.

Code

from crewai import LLM

# Usar Responses API em vez de Chat Completions
llm = LLM(
    model="openai/gpt-4o",
    api="responses",  # Habilitar Responses API
    store=True,  # Armazenar respostas para multi-turno (opcional)
    auto_chain=True,  # Auto-encadeamento para modelos de raciocínio (opcional)
)

Parâmetros da Responses API:

api: Defina como "responses" para usar a Responses API (padrão: "completions")
instructions: Instruções de nível de sistema (apenas Responses API)
store: Se deve armazenar respostas para conversas multi-turno
previous_response_id: ID da resposta anterior para multi-turno
include: Dados adicionais para incluir na resposta (ex: ["reasoning.encrypted_content"])
builtin_tools: Lista de ferramentas integradas da OpenAI: "web_search", "file_search", "code_interpreter", "computer_use"
parse_tool_outputs: Retornar ResponsesAPIResult estruturado com saídas de ferramentas integradas parseadas
auto_chain: Rastrear e usar automaticamente IDs de resposta para conversas multi-turno
auto_chain_reasoning: Rastrear itens de raciocínio criptografados para conformidade ZDR (Zero Data Retention)

Use a Responses API para novos projetos, especialmente ao trabalhar com modelos de raciocínio (o1, o3, o4) ou quando precisar de suporte multimodal nativo para arquivos.

Meta-Llama

A API Llama da Meta fornece acesso à família de modelos de linguagem de grande escala da Meta. A API está disponível através da Meta Llama API. Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

# Configuração chave da API Meta Llama
LLAMA_API_KEY=LLM|your_api_key_here

Exemplo de uso em seu projeto CrewAI:

Code

from crewai import LLM

# Inicializar Meta Llama LLM
llm = LLM(
    model="meta_llama/Llama-4-Scout-17B-16E-Instruct-FP8",
    temperature=0.8,
    stop=["FIM"],
    seed=42
)

Todos os modelos listados em https://llama.developer.meta.com/docs/models/ são suportados.

ID do Modelo	Comprimento contexto entrada	Comprimento contexto saída	Modalidades de entrada	Modalidades de saída
`meta_llama/Llama-4-Scout-17B-16E-Instruct-FP8`	128k	4028	Texto, Imagem	Texto
`meta_llama/Llama-4-Maverick-17B-128E-Instruct-FP8`	128k	4028	Texto, Imagem	Texto
`meta_llama/Llama-3.3-70B-Instruct`	128k	4028	Texto	Texto
`meta_llama/Llama-3.3-8B-Instruct`	128k	4028	Texto	Texto

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Anthropic

Code

# Obrigatório
ANTHROPIC_API_KEY=sk-ant-...

# Opcional
ANTHROPIC_API_BASE=<custom-base-url>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="anthropic/claude-3-sonnet-20240229-v1:0",
    temperature=0.7
)

Google (Gemini API)

Defina sua chave de API no seu arquivo .env. Se precisar de uma chave, ou encontrar uma existente, verifique o AI Studio.

.env

# Para API Gemini (uma das seguintes)
GOOGLE_API_KEY=<your-api-key>
GEMINI_API_KEY=<your-api-key>

# Para Vertex AI Express mode (autenticação por chave de API)
GOOGLE_GENAI_USE_VERTEXAI=true
GOOGLE_API_KEY=<your-api-key>

# Para Vertex AI com conta de serviço
GOOGLE_CLOUD_PROJECT=<your-project-id>
GOOGLE_CLOUD_LOCATION=<location>  # Padrão: us-central1

Uso Básico:

Code

from crewai import LLM

llm = LLM(
    model="gemini/gemini-2.0-flash",
    temperature=0.7,
)

Vertex AI Express Mode (Autenticação por Chave de API):O Vertex AI Express mode permite usar o Vertex AI com autenticação simples por chave de API, em vez de credenciais de conta de serviço. Esta é a maneira mais rápida de começar com o Vertex AI.Para habilitar o Express mode, defina ambas as variáveis de ambiente no seu arquivo .env:

.env

GOOGLE_GENAI_USE_VERTEXAI=true
GOOGLE_API_KEY=<your-api-key>

Em seguida, use o LLM normalmente:

Code

from crewai import LLM

llm = LLM(
    model="gemini/gemini-2.0-flash",
    temperature=0.7
)

Para obter uma chave de API do Express mode:

Novos usuários do Google Cloud: Obtenha uma chave de API do Express mode
Usuários existentes do Google Cloud: Obtenha uma chave de API do Google Cloud vinculada a uma conta de serviço

Para mais detalhes, consulte a documentação do Vertex AI Express mode.

Modelos Gemini

O Google oferece uma variedade de modelos poderosos otimizados para diferentes casos de uso.

Modelo	Janela de Contexto	Melhor Para
gemini-2.5-flash-preview-04-17	1M tokens	Pensamento adaptativo, eficiência de custo
gemini-2.5-pro-preview-05-06	1M tokens	Pensamento e raciocínio avançados, compreensão multimodal, codificação avançada, etc.
gemini-2.0-flash	1M tokens	Próxima geração de recursos, velocidade, raciocínio e streaming em tempo real
gemini-2.0-flash-lite	1M tokens	Eficiência de custo e baixa latência
gemini-1.5-flash	1M tokens	Modelo multimodal equilibrado, bom para maioria das tarefas
gemini-1.5-flash-8B	1M tokens	Mais rápido, mais eficiente em custo, adequado para tarefas de alta frequência
gemini-1.5-pro	2M tokens	Melhor desempenho para uma ampla variedade de tarefas de raciocínio, incluindo lógica, codificação e colaboração criativa

A lista completa de modelos está disponível na documentação dos modelos Gemini.

Gemma

A API Gemini também permite uso de sua chave de API para acessar modelos Gemma hospedados na infraestrutura Google.

Modelo	Janela de Contexto
gemma-3-1b-it	32k tokens
gemma-3-4b-it	32k tokens
gemma-3-12b-it	32k tokens
gemma-3-27b-it	128k tokens

Google (Vertex AI)

Obtenha as credenciais pelo Google Cloud Console, salve em um arquivo JSON e carregue com o código a seguir:

Code

import json

file_path = 'path/to/vertex_ai_service_account.json'

# Carregar o arquivo JSON
with open(file_path, 'r') as file:
    vertex_credentials = json.load(file)

# Converter credenciais em string JSON
vertex_credentials_json = json.dumps(vertex_credentials)

Exemplo de uso em seu projeto CrewAI:

Code

from crewai import LLM

llm = LLM(
    model="gemini-1.5-pro-latest", # or vertex_ai/gemini-1.5-pro-latest
    temperature=0.7,
    vertex_credentials=vertex_credentials_json
)

O Google oferece uma variedade de modelos poderosos otimizados para diferentes casos de uso:

Modelo	Janela de Contexto	Melhor Para
gemini-2.5-flash-preview-04-17	1M tokens	Pensamento adaptativo, eficiência de custo
gemini-2.5-pro-preview-05-06	1M tokens	Pensamento e raciocínio avançados, compreensão multimodal, codificação avançada, etc.
gemini-2.0-flash	1M tokens	Próxima geração de recursos, velocidade, raciocínio e streaming em tempo real
gemini-2.0-flash-lite	1M tokens	Eficiência de custo e baixa latência
gemini-1.5-flash	1M tokens	Modelo multimodal equilibrado, bom para maioria das tarefas
gemini-1.5-flash-8B	1M tokens	Mais rápido, mais eficiente em custo, adequado para tarefas de alta frequência
gemini-1.5-pro	2M tokens	Melhor desempenho para uma ampla variedade de tarefas de raciocínio, incluindo lógica, codificação e colaboração criativa

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Azure

Code

# Obrigatório
AZURE_API_KEY=<your-api-key>
AZURE_API_BASE=<your-resource-url>
AZURE_API_VERSION=<api-version>

# Opcional
AZURE_AD_TOKEN=<your-azure-ad-token>
AZURE_API_TYPE=<your-azure-api-type>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="azure/gpt-4",
    api_version="2023-05-15"
)

AWS Bedrock

Code

AWS_ACCESS_KEY_ID=<your-access-key>
AWS_SECRET_ACCESS_KEY=<your-secret-key>
AWS_DEFAULT_REGION=<your-region>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="bedrock/anthropic.claude-3-sonnet-20240229-v1:0"
)

Antes de usar o Amazon Bedrock, certifique-se de ter o boto3 instalado em seu ambienteAmazon Bedrock é um serviço gerenciado que fornece acesso a múltiplos modelos fundamentais dos principais provedores de IA através de uma API unificada, permitindo o desenvolvimento seguro e responsável de aplicações de IA.

Modelo	Janela de Contexto	Melhor Para
Amazon Nova Pro	Até 300k tokens	Alto desempenho, equilíbrio entre precisão, velocidade e custo em tarefas diversas.
Amazon Nova Micro	Até 128k tokens	Modelo texto-only de alta performance, custo-benefício, otimizado para baixa latência.
Amazon Nova Lite	Até 300k tokens	Alto desempenho, processamento multimodal acessível para texto, imagem, vídeo em tempo real.
Claude 3.7 Sonnet	Até 128k tokens	Alto desempenho para raciocínio complexo, programação & agentes de IA
Claude 3.5 Sonnet v2	Até 200k tokens	Modelo avançado especializado em engenharia de software, capacidades agenticas e interação computacional com custo otimizado.
Claude 3.5 Sonnet	Até 200k tokens	Alto desempenho com inteligência e raciocínio excepcionais, equilíbrio entre velocidade-custo.
Claude 3.5 Haiku	Até 200k tokens	Modelo multimodal rápido e compacto, otimizado para respostas rápidas e interações humanas naturais
Claude 3 Sonnet	Até 200k tokens	Modelo multimodal equilibrando inteligência e velocidade para grandes volumes de uso.
Claude 3 Haiku	Até 200k tokens	Compacto, multimodal, otimizado para respostas rápidas e diálogo natural
Claude 3 Opus	Até 200k tokens	Modelo multimodal mais avançado para tarefas complexas com raciocínio humano e entendimento contextual superior.
Claude 2.1	Até 200k tokens	Versão aprimorada com janela de contexto aumentada, maior confiabilidade, menos alucinações para aplicações longas e RAG
Claude	Até 100k tokens	Modelo versátil para diálogos sofisticados, conteúdo criativo e instruções precisas.
Claude Instant	Até 100k tokens	Modelo rápido e de baixo custo para tarefas diárias, como diálogos, análise, sumarização e Q&A em documentos
Llama 3.1 405B Instruct	Até 128k tokens	LLM avançado para geração de dados sintéticos, distilação e inferência para chatbots, programação, tarefas de domínio específico.
Llama 3.1 70B Instruct	Até 128k tokens	Potencializa conversas complexas com entendimento contextual superior, raciocínio e geração de texto.
Llama 3.1 8B Instruct	Até 128k tokens	Modelo de última geração, entendimento de linguagem, raciocínio e geração de texto.
Llama 3 70B Instruct	Até 8k tokens	Potencializa conversas complexas com entendimento contextual superior, raciocínio e geração de texto.
Llama 3 8B Instruct	Até 8k tokens	LLM de última geração com excelente desempenho em linguagem e geração de texto.
Titan Text G1 - Lite	Até 4k tokens	Modelo leve e econômico para tarefas em inglês e ajuste fino, focado em sumarização e geração de conteúdo.
Titan Text G1 - Express	Até 8k tokens	Modelo versátil para tarefas gerais de linguagem, chat e aplicações RAG com suporte a inglês e 100+ línguas.
Cohere Command	Até 4k tokens	Modelo especializado em seguir comandos do usuário e entregar soluções empresariais práticas.
Jurassic-2 Mid	Até 8.191 tokens	Modelo econômico equilibrando qualidade e custo para tarefas como Q&A, sumarização e geração de conteúdo.
Jurassic-2 Ultra	Até 8.191 tokens	Geração avançada de texto e compreensão, excelente em análise e criação de conteúdo complexo.
Jamba-Instruct	Até 256k tokens	Modelo com janela de contexto extendida para geração de texto, sumarização e Q&A de baixo custo.
Mistral 7B Instruct	Até 32k tokens	LLM atende instruções, solicitações e gera texto criativo.
Mistral 8x7B Instruct	Até 32k tokens	MOE LLM que atende instruções, solicitações e gera texto criativo.

Amazon SageMaker

Code

AWS_ACCESS_KEY_ID=<your-access-key>
AWS_SECRET_ACCESS_KEY=<your-secret-key>
AWS_DEFAULT_REGION=<your-region>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="sagemaker/<my-endpoint>"
)

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Mistral

Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

MISTRAL_API_KEY=<your-api-key>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="mistral/mistral-large-latest",
    temperature=0.7
)

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Nvidia NIM

Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

NVIDIA_API_KEY=<your-api-key>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="nvidia_nim/meta/llama3-70b-instruct",
    temperature=0.7
)

O Nvidia NIM oferece uma suíte abrangente de modelos para diversos usos, desde tarefas gerais até aplicações especializadas.

Modelo	Janela de Contexto	Melhor Para
nvidia/mistral-nemo-minitron-8b-8k-instruct	8.192 tokens	Modelo pequeno de linguagem topo de linha para chatbots, assistentes virtuais e geração de conteúdo.
nvidia/nemotron-4-mini-hindi-4b-instruct	4.096 tokens	SLM bilíngue Hindi-Inglês para inferência no dispositivo, específico para língua hindi.
nvidia/llama-3.1-nemotron-70b-instruct	128k tokens	Personalizado para respostas mais úteis
nvidia/llama3-chatqa-1.5-8b	128k tokens	LLM avançado para respostas contextuais de alta qualidade em chatbots e mecanismos de busca.
nvidia/llama3-chatqa-1.5-70b	128k tokens	LLM avançado para respostas contextuais de alta qualidade para chatbots e mecanismos de busca.
nvidia/vila	128k tokens	Modelo multmodal visão-linguagem para compreensão de texto/img/vídeo com respostas informativas
nvidia/neva-22	4.096 tokens	Modelo de visão-linguagem multimodal para compreensão textos/imagens e respostas informativas
nvidia/nemotron-mini-4b-instruct	8.192 tokens	Tarefas gerais
nvidia/usdcode-llama3-70b-instruct	128k tokens	LLM de ponta para queries OpenUSD e geração de código USD-Python.
nvidia/nemotron-4-340b-instruct	4.096 tokens	Gera dados sintéticos diversos simulando características reais.
meta/codellama-70b	100k tokens	LLM capaz de gerar código a partir de linguagem natural e vice-versa.
meta/llama2-70b	4.096 tokens	Modelo de IA avançado para geração de textos e códigos.
meta/llama3-8b-instruct	8.192 tokens	LLM de última geração, entendimento de linguagem, raciocínio e geração de texto.
meta/llama3-70b-instruct	8.192 tokens	Potencializa conversas complexas com entendimento contextual superior, raciocínio e geração de texto.
meta/llama-3.1-8b-instruct	128k tokens	Modelo compacto de última geração, com compreensão, raciocínio e geração de texto superior.
meta/llama-3.1-70b-instruct	128k tokens	Potencializa conversas complexas com entendimento contextual superior, raciocínio e geração de texto.
meta/llama-3.1-405b-instruct	128k tokens	LLM avançado para geração sintética de dados, destilação e inferência para chatbots, código, tarefas de domínio específico.
meta/llama-3.2-1b-instruct	128k tokens	Pequeno modelo de linguagem de última geração, entendimento, raciocínio e geração textual.
meta/llama-3.2-3b-instruct	128k tokens	Pequeno modelo de linguagem de última geração, entendimento, raciocínio e geração textual.
meta/llama-3.2-11b-vision-instruct	128k tokens	Pequeno modelo de linguagem de última geração, entendimento, raciocínio e geração textual multimodal.
meta/llama-3.2-90b-vision-instruct	128k tokens	Pequeno modelo de linguagem de última geração, entendimento, raciocínio e geração textual multimodal.
google/gemma-7b	8.192 tokens	Modelo avançado de geração de texto, compreensão, transformação e programação.
google/gemma-2b	8.192 tokens	Modelo avançado de geração de texto, compreensão, transformação e programação.
google/codegemma-7b	8.192 tokens	Modelo avançado baseado no Gemma-7B do Google, especializado em geração de códigos e autocomplete.
google/codegemma-1.1-7b	8.192 tokens	Modelo avançado para geração, complemento, raciocínio e instrução em código.
google/recurrentgemma-2b	8.192 tokens	Modelo baseado em arquitetura recorrente para inferência mais rápida em sequências longas.
google/gemma-2-9b-it	8.192 tokens	Modelo avançado de geração de texto, compreensão, transformação e programação.
google/gemma-2-27b-it	8.192 tokens	Modelo avançado de geração de texto, compreensão, transformação e programação.
google/gemma-2-2b-it	8.192 tokens	Modelo avançado de geração de texto, compreensão, transformação e programação.
google/deplot	512 tokens	Modelo visual por linguagem para entender gráficos e converter em tabelas.
google/paligemma	8.192 tokens	Modelo visão-linguagem experto em compreender texto e visual, gerando respostas informativas.
mistralai/mistral-7b-instruct-v0.2	32k tokens	LLM que segue instruções, completa pedidos e gera texto criativo.
mistralai/mixtral-8x7b-instruct-v0.1	8.192 tokens	MOE LLM para seguir instruções e gerar versões criativas de texto.
mistralai/mistral-large	4.096 tokens	Geração de dados sintéticos.
mistralai/mixtral-8x22b-instruct-v0.1	8.192 tokens	Geração de dados sintéticos.
mistralai/mistral-7b-instruct-v0.3	32k tokens	LLM que segue instruções, completa pedidos e gera texto criativo.
nv-mistralai/mistral-nemo-12b-instruct	128k tokens	Modelo de linguagem avançado para raciocínio, código, tarefas multilíngues; roda em uma única GPU.
mistralai/mamba-codestral-7b-v0.1	256k tokens	Modelo para escrita e interação com código em múltiplas linguagens e tarefas.
microsoft/phi-3-mini-128k-instruct	128K tokens	LLM leve, de última geração, com habilidades de lógica e matemática.
microsoft/phi-3-mini-4k-instruct	4.096 tokens	LLM leve, de última geração, com habilidades de lógica e matemática.
microsoft/phi-3-small-8k-instruct	8.192 tokens	LLM leve, de última geração, com habilidades de lógica e matemática.
microsoft/phi-3-small-128k-instruct	128K tokens	LLM leve, de última geração, com habilidades de lógica e matemática.
microsoft/phi-3-medium-4k-instruct	4.096 tokens	LLM leve, de última geração, com habilidades de lógica e matemática.
microsoft/phi-3-medium-128k-instruct	128K tokens	LLM leve, de última geração, com habilidades de lógica e matemática.
microsoft/phi-3.5-mini-instruct	128K tokens	LLM multilíngue leve para aplicações de IA restritas em memória e tempo.
microsoft/phi-3.5-moe-instruct	128K tokens	LLM avançada baseada em Mixture of Experts para geração eficiente de conteúdo.
microsoft/kosmos-2	1.024 tokens	Modelo multimodal revolucionário para compreender e raciocinar elementos visuais em imagens.
microsoft/phi-3-vision-128k-instruct	128k tokens	Modelo multimodal aberto de ponta para raciocínio de alta qualidade a partir de imagens.
microsoft/phi-3.5-vision-instruct	128k tokens	Modelo multimodal aberto de ponta para raciocínio de alta qualidade a partir de imagens.
databricks/dbrx-instruct	12k tokens	LLM de uso geral com desempenho no estado da arte para linguagem, programação e RAG.
snowflake/arctic	1.024 tokens	Inferência eficiente para aplicações empresariais focadas em SQL e programação.
aisingapore/sea-lion-7b-instruct	4.096 tokens	LLM para representação e diversidade linguística e cultural do sudeste asiático.
ibm/granite-8b-code-instruct	4.096 tokens	LLM para programação: geração, explicação e diálogo multi-turn de código.
ibm/granite-34b-code-instruct	8.192 tokens	LLM para programação: geração, explicação e diálogo multi-turn de código.
ibm/granite-3.0-8b-instruct	4.096 tokens	Pequeno modelo avançado, com suporte a RAG, sumário, classificação, código e IA agentica.
ibm/granite-3.0-3b-a800m-instruct	4.096 tokens	Modelo Mixture of Experts eficiente para RAG, sumário, extração de entidades, classificação.
mediatek/breeze-7b-instruct	4.096 tokens	Gera dados sintéticos diversos.
upstage/solar-10.7b-instruct	4.096 tokens	Excelente em tarefas de PLN, especialmente seguir instruções, raciocínio e matemática.
writer/palmyra-med-70b-32k	32k tokens	LLM líder para respostas médicas precisas e contextuais.
writer/palmyra-med-70b	32k tokens	LLM líder para respostas médicas precisas e contextuais.
writer/palmyra-fin-70b-32k	32k tokens	LLM especializada em análise financeira, relatórios e processamento de dados.
01-ai/yi-large	32k tokens	Poderoso para inglês e chinês, incluindo chatbot e escrita criativa.
deepseek-ai/deepseek-coder-6.7b-instruct	2k tokens	Modelo avançado para geração de código, autocomplete, infilling.
rakuten/rakutenai-7b-instruct	1.024 tokens	LLM topo de linha, compreensão, raciocínio e geração textual.
rakuten/rakutenai-7b-chat	1.024 tokens	LLM topo de linha, compreensão, raciocínio e geração textual.
baichuan-inc/baichuan2-13b-chat	4.096 tokens	Suporte a chat em chinês/inglês, programação, matemática, seguir instruções, resolver quizzes.

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Local NVIDIA NIM Deployed using WSL2

O NVIDIA NIM permite rodar LLMs potentes localmente em máquinas Windows usando WSL2 (Windows Subsystem for Linux). Este método aproveita o GPU NVIDIA para inferência privativa, segura e econômica, sem depender de serviços em nuvem. Perfeito para desenvolvimento, testes ou produção onde privacidade ou funcionalidades offline são necessárias.Aqui está um guia passo a passo para configurar um modelo local NVIDIA NIM:

Siga as instruções de instalação no site da NVIDIA
Instale o modelo local. Para Llama 3.1-8b siga as instruções
Configure seus modelos locais crewai:

Code

from crewai.llm import LLM

local_nvidia_nim_llm = LLM(
    model="openai/meta/llama-3.1-8b-instruct", # é compatível com openai-api
    base_url="http://localhost:8000/v1",
    api_key="<your_api_key|any text if you have not configured it>", # api_key obrigatório, pode usar qualquer texto
)

# Então pode usá-lo no seu crew:

@CrewBase
class MyCrew():
    # ...

    @agent
    def researcher(self) -> Agent:
        return Agent(
            config=self.agents_config['researcher'], # type: ignore[index]
            llm=local_nvidia_nim_llm
        )

    # ...

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Groq

Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

GROQ_API_KEY=<your-api-key>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="groq/llama-3.2-90b-text-preview",
    temperature=0.7
)

Modelo	Janela de Contexto	Melhor Para
Llama 3.1 70B/8B	131.072 tokens	Alta performance e tarefas de contexto grande
Llama 3.2 Série	8.192 tokens	Tarefas gerais
Mixtral 8x7B	32.768 tokens	Equilíbrio entre performance e contexto

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

IBM watsonx.ai

Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

# Obrigatório
WATSONX_URL=<your-url>
WATSONX_APIKEY=<your-apikey>
WATSONX_PROJECT_ID=<your-project-id>

# Opcional
WATSONX_TOKEN=<your-token>
WATSONX_DEPLOYMENT_SPACE_ID=<your-space-id>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="watsonx/meta-llama/llama-3-1-70b-instruct",
    base_url="https://api.watsonx.ai/v1"
)

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Ollama (LLMs Locais)

Instale o Ollama: ollama.ai
Rode um modelo: ollama run llama3
Configure:

Code

llm = LLM(
    model="ollama/llama3:70b",
    base_url="http://localhost:11434"
)

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Fireworks AI

Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

FIREWORKS_API_KEY=<your-api-key>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="fireworks_ai/accounts/fireworks/models/llama-v3-70b-instruct",
    temperature=0.7
)

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Perplexity AI

Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

PERPLEXITY_API_KEY=<your-api-key>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="llama-3.1-sonar-large-128k-online",
    base_url="https://api.perplexity.ai/"
)

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Hugging Face

Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

HF_TOKEN=<your-api-key>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="huggingface/meta-llama/Meta-Llama-3.1-8B-Instruct"
)

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

SambaNova

Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

SAMBANOVA_API_KEY=<your-api-key>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="sambanova/Meta-Llama-3.1-8B-Instruct",
    temperature=0.7
)

Modelo	Janela de Contexto	Melhor Para
Llama 3.1 70B/8B	Até 131.072 tokens	Alto desempenho, tarefas com grande contexto
Llama 3.1 405B	8.192 tokens	Desempenho e qualidade de saída elevada
Llama 3.2 Série	8.192 tokens	Tarefas gerais e multimodais
Llama 3.3 70B	Até 131.072 tokens	Desempenho e qualidade de saída elevada
Família Qwen2	8.192 tokens	Desempenho e qualidade de saída elevada

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Cerebras

Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

# Obrigatório
CEREBRAS_API_KEY=<your-api-key>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="cerebras/llama3.1-70b",
    temperature=0.7,
    max_tokens=8192
)

Recursos do Cerebras:

Altas velocidades de inferência
Preços competitivos
Equilíbrio entre velocidade e qualidade
Suporte a longas janelas de contexto

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Open Router

Defina as seguintes variáveis de ambiente no seu arquivo .env:

Code

OPENROUTER_API_KEY=<your-api-key>

Exemplo de uso em seu projeto CrewAI:

Code

llm = LLM(
    model="openrouter/deepseek/deepseek-r1",
    base_url="https://openrouter.ai/api/v1",
    api_key=OPENROUTER_API_KEY
)

Modelos do Open Router:

openrouter/deepseek/deepseek-r1
openrouter/deepseek/deepseek-chat

Nota: Este provedor usa o LiteLLM. Adicione-o como dependência ao seu projeto:

uv add 'crewai[litellm]'

Respostas em streaming

O CrewAI suporta respostas em streaming de LLMs, permitindo que sua aplicação receba e processe saídas em tempo real assim que são geradas.

Configuração Básica
Manipulação de Eventos

Ative o streaming definindo o parâmetro stream como True ao inicializar seu LLM:

from crewai import LLM

# Crie um LLM com streaming ativado
llm = LLM(
    model="openai/gpt-4o",
    stream=True  # Ativar streaming
)

Quando o streaming está ativado, as respostas são entregues em partes à medida que vão sendo geradas, criando uma experiência mais responsiva para o usuário.

O CrewAI emite eventos para cada chunk recebido durante o streaming:

from crewai.events import (
  LLMStreamChunkEvent
)
from crewai.events import BaseEventListener

class MyCustomListener(BaseEventListener):
    def setup_listeners(self, crewai_event_bus):
        @crewai_event_bus.on(LLMStreamChunkEvent)
        def on_llm_stream_chunk(self, event: LLMStreamChunkEvent):
          # Clique para cada chunk assim que chegar
          print(f"Received chunk: {event.chunk}")

my_listener = MyCustomListener()

Clique aqui para mais detalhes

Chamada Estruturada de LLM

O CrewAI suporta respostas estruturadas de LLMs permitindo que você defina um response_format usando um modelo Pydantic. Isso permite que o framework automaticamente faça o parsing e valide a saída, facilitando a integração da resposta em sua aplicação sem pós-processamento manual. Por exemplo, é possível definir um modelo Pydantic para representar a resposta esperada e passá-lo como response_format ao instanciar o LLM. O modelo será utilizado para converter a resposta do LLM em um objeto Python estruturado.

Code

from crewai import LLM

class Dog(BaseModel):
    name: str
    age: int
    breed: str


llm = LLM(model="gpt-4o", response_format=Dog)

response = llm.call(
    "Analyze the following messages and return the name, age, and breed. "
    "Meet Kona! She is 3 years old and is a black german shepherd."
)
print(response)

# Output:
# Dog(name='Kona', age=3, breed='black german shepherd')

Recursos Avançados e Otimização

Saiba como obter o máximo da configuração do seu LLM:

Gestão da Janela de Contexto

O CrewAI inclui recursos inteligentes para gerenciamento de contexto:

from crewai import LLM

# O CrewAI automaticamente gerencia:
# 1. Contagem e acompanhamento de tokens
# 2. Resumo de conteúdo quando necessário
# 3. Divisão de tarefas para grandes contextos

llm = LLM(
    model="gpt-4",
    max_tokens=4000,  # Limitar tamanho da resposta
)

Boas práticas para o gerenciamento de contexto:

Prefira modelos com janelas apropriadas
Pré-processe entradas muito longas
Utilize divisão para documentos grandes
Monitore tokens para otimizar custos

Otimização de Performance

Otimização do Uso de Tokens

Escolha a janela de contexto certa para sua tarefa:

Tarefas pequenas (até 4K tokens): Modelos padrão
Tarefas médias (entre 4K-32K): Modelos aprimorados
Tarefas grandes (acima de 32K): Modelos com contexto expandido

# Configure o modelo com as opções certas
llm = LLM(
    model="openai/gpt-4-turbo-preview",
    temperature=0.7,    # Ajuste conforme a tarefa
    max_tokens=4096,    # Defina conforme a necessidade da saída
    timeout=300        # Timeout maior para tarefas complexas
)

Temperaturas baixas (0.1 a 0.3) para respostas factuais
Temperaturas altas (0.7 a 0.9) para tarefas criativas

Boas Práticas

Monitore o uso de tokens
Implemente limites de taxa (rate limiting)
Use cache quando possível
Defina limites apropriados para max_tokens

Lembre-se de monitorar regularmente o uso de tokens e ajustar suas configurações para otimizar custos e desempenho.

Descartar Parâmetros Adicionais

O CrewAI usa Litellm internamente para chamadas LLM, permitindo descartar parâmetros adicionais desnecessários para seu caso de uso. Isso pode simplificar seu código e reduzir a complexidade da configuração do LLM. Por exemplo, se não precisar enviar o parâmetro stop, basta omiti-lo na chamada do LLM:

from crewai import LLM
import os

os.environ["OPENAI_API_KEY"] = "<api-key>"

o3_llm = LLM(
    model="o3",
    drop_params=True,
    additional_drop_params=["stop"]
)

Problemas Comuns e Soluções

Autenticação
Nomes dos Modelos
Comprimento do Contexto

A maioria dos problemas de autenticação pode ser resolvida verificando o formato da chave da API e os nomes das variáveis de ambiente.

# OpenAI
OPENAI_API_KEY=sk-...

# Anthropic
ANTHROPIC_API_KEY=sk-ant-...

Sempre inclua o prefixo do provedor nos nomes dos modelos

# Correto
llm = LLM(model="openai/gpt-4")

# Incorreto
llm = LLM(model="gpt-4")

Use modelos de contexto expandido para tarefas extensas

# Modelo com contexto expandido
llm = LLM(model="openai/gpt-4o")  # 128K tokens

Começando

Guias

Conceitos-Chave

Integração MCP

Ferramentas

Observabilidade

Aprenda

Telemetria

Visão Geral

O que são LLMs?

Noções Básicas de LLM

Janela de Contexto

Temperatura

Seleção de Provedor

Configurando seu LLM

Exemplos de Configuração de Provedores

Modelos Gemini

Gemma

Respostas em streaming

Chamada Estruturada de LLM

Recursos Avançados e Otimização

Problemas Comuns e Soluções

Começando

Guias

Conceitos-Chave

Integração MCP

Ferramentas

Observabilidade

Aprenda

Telemetria

​Visão Geral

​O que são LLMs?

Noções Básicas de LLM

Janela de Contexto

Temperatura

Seleção de Provedor

​Configurando seu LLM

​Exemplos de Configuração de Provedores

​Modelos Gemini

​Gemma

​Respostas em streaming

​Chamada Estruturada de LLM

​Recursos Avançados e Otimização

​Problemas Comuns e Soluções

Visão Geral

O que são LLMs?

Configurando seu LLM

Exemplos de Configuração de Provedores

Modelos Gemini

Gemma

Respostas em streaming

Chamada Estruturada de LLM

Recursos Avançados e Otimização

Problemas Comuns e Soluções