Visão geral

As ferramentas do CrewAI capacitam agentes com habilidades que vão desde busca na web e análise de dados até colaboração e delegação de tarefas entre colegas de trabalho. Esta documentação descreve como criar, integrar e aproveitar essas ferramentas dentro do framework CrewAI, incluindo um novo foco em ferramentas de colaboração.

O que é uma Ferramenta?

Uma ferramenta no CrewAI é uma habilidade ou função que os agentes podem utilizar para executar diversas ações. Isso inclui ferramentas do CrewAI Toolkit e LangChain Tools, permitindo desde buscas simples até interações complexas e trabalho em equipe eficiente entre agentes.

O CrewAI Enterprise oferece um Repositório de Ferramentas abrangente, com integrações pré-construídas para sistemas empresariais e APIs comuns. Implemente agentes com ferramentas corporativas em minutos em vez de dias.

O Repositório de Ferramentas Empresariais inclui:

  • Conectores pré-construídos para sistemas empresariais populares
  • Interface para criação de ferramentas personalizadas
  • Controle de versão e funcionalidades de compartilhamento
  • Recursos de segurança e conformidade

Características Principais das Ferramentas

  • Utilidade: Desenvolvidas para tarefas como busca web, análise de dados, geração de conteúdo e colaboração entre agentes.
  • Integração: Potencializa as habilidades dos agentes ao integrar ferramentas de forma transparente ao seu fluxo de trabalho.
  • Personalização: Oferece flexibilidade para desenvolver ferramentas personalizadas ou utilizar existentes, atendendo necessidades específicas dos agentes.
  • Tratamento de Erros: Incorpora mecanismos robustos de tratamento de erros para garantir operação sem interrupções.
  • Mecanismo de Cache: Possui cache inteligente para otimizar desempenho e reduzir operações redundantes.
  • Suporte Assíncrono: Suporta ferramentas síncronas e assíncronas, permitindo operações não bloqueantes.

Utilizando Ferramentas CrewAI

Para aprimorar as capacidades de seus agentes com as ferramentas do CrewAI, comece instalando nosso pacote extra de ferramentas:

pip install 'crewai[tools]'

Aqui está um exemplo demonstrando seu uso:

Code
import os
from crewai import Agent, Task, Crew
# Importando ferramentas do crewAI
from crewai_tools import (
    DirectoryReadTool,
    FileReadTool,
    SerperDevTool,
    WebsiteSearchTool
)

# Configure as chaves de API
os.environ["SERPER_API_KEY"] = "Your Key" # chave da API serper.dev
os.environ["OPENAI_API_KEY"] = "Your Key"

# Instanciar as ferramentas
docs_tool = DirectoryReadTool(directory='./blog-posts')
file_tool = FileReadTool()
search_tool = SerperDevTool()
web_rag_tool = WebsiteSearchTool()

# Criar agentes
researcher = Agent(
    role='Market Research Analyst',
    goal='Provide up-to-date market analysis of the AI industry',
    backstory='An expert analyst with a keen eye for market trends.',
    tools=[search_tool, web_rag_tool],
    verbose=True
)

writer = Agent(
    role='Content Writer',
    goal='Craft engaging blog posts about the AI industry',
    backstory='A skilled writer with a passion for technology.',
    tools=[docs_tool, file_tool],
    verbose=True
)

# Definir tarefas
research = Task(
    description='Research the latest trends in the AI industry and provide a summary.',
    expected_output='A summary of the top 3 trending developments in the AI industry with a unique perspective on their significance.',
    agent=researcher
)

write = Task(
    description='Write an engaging blog post about the AI industry, based on the research analyst's summary. Draw inspiration from the latest blog posts in the directory.',
    expected_output='A 4-paragraph blog post formatted in markdown with engaging, informative, and accessible content, avoiding complex jargon.',
    agent=writer,
    output_file='blog-posts/new_post.md'  # O post final do blog será salvo aqui
)

# Montar um crew com o planejamento habilitado
crew = Crew(
    agents=[researcher, writer],
    tasks=[research, write],
    verbose=True,
    planning=True,  # Habilitar o recurso de planejamento
)

# Executar tarefas
crew.kickoff()

Ferramentas CrewAI Disponíveis

  • Tratamento de Erros: Todas as ferramentas são construídas com capacidades de tratamento de erros, permitindo que os agentes administrem exceções de forma adequada e prossigam com suas tarefas.
  • Mecanismo de Cache: Todas as ferramentas suportam cache, possibilitando que agentes reutilizem de forma eficiente resultados obtidos anteriormente, reduzindo a carga em recursos externos e acelerando o tempo de execução. Também é possível definir controles mais precisos sobre o mecanismo de cache usando o atributo cache_function na ferramenta.

Aqui está uma lista das ferramentas disponíveis e suas descrições:

FerramentaDescrição
ApifyActorsToolFerramenta que integra Apify Actors aos seus fluxos de trabalho para web scraping e automação.
BrowserbaseLoadToolFerramenta para interação e extração de dados de navegadores web.
CodeDocsSearchToolUma ferramenta RAG otimizada para busca em documentações de código e documentos técnicos.
CodeInterpreterToolFerramenta para interpretar código Python.
ComposioToolPermite o uso de ferramentas Composio.
CSVSearchToolFerramenta RAG projetada para busca em arquivos CSV, ideal para dados estruturados.
DALL-E ToolFerramenta para gerar imagens utilizando a API do DALL-E.
DirectorySearchToolFerramenta RAG para busca em diretórios, útil para navegação em sistemas de arquivos.
DOCXSearchToolFerramenta RAG voltada para busca em documentos DOCX, ideal para processar arquivos Word.
DirectoryReadToolFacilita a leitura e processamento de estruturas de diretórios e seus conteúdos.
EXASearchToolFerramenta projetada para buscas exaustivas em diversas fontes de dados.
FileReadToolPermite a leitura e extração de dados de arquivos, suportando diversos formatos.
FirecrawlSearchToolFerramenta para buscar páginas web usando Firecrawl e retornar os resultados.
FirecrawlCrawlWebsiteToolFerramenta para rastrear páginas web utilizando o Firecrawl.
FirecrawlScrapeWebsiteToolFerramenta para extrair o conteúdo de URLs usando Firecrawl.
GithubSearchToolFerramenta RAG para buscar em repositórios GitHub, útil para pesquisa de código e documentação.
SerperDevToolFerramenta especializada para finalidades de desenvolvimento, com funcionalidades em evolução.
TXTSearchToolFerramenta RAG voltada para busca em arquivos de texto (.txt), adaptada para dados não estruturados.
JSONSearchToolFerramenta RAG para busca em arquivos JSON, voltada ao manuseio de dados estruturados.
LlamaIndexToolPermite o uso das ferramentas LlamaIndex.
MDXSearchToolFerramenta RAG para busca em arquivos Markdown (MDX), útil para documentação.
PDFSearchToolFerramenta RAG para busca em documentos PDF, ideal para processar documentos digitalizados.
PGSearchToolFerramenta RAG otimizada para busca em bancos de dados PostgreSQL, adequada para consultas.
Vision ToolFerramenta para gerar imagens utilizando a API do DALL-E.
RagToolFerramenta RAG de uso geral, capaz de lidar com diferentes fontes e tipos de dados.
ScrapeElementFromWebsiteToolPermite extrair elementos específicos de sites, útil para extração de dados direcionada.
ScrapeWebsiteToolFacilita o scraping de sites inteiros, ideal para coleta abrangente de dados.
WebsiteSearchToolFerramenta RAG para busca em conteúdos de sites, otimizada para extração de dados web.
XMLSearchToolFerramenta RAG para busca em arquivos XML, adequada para formatos de dados estruturados.
YoutubeChannelSearchToolFerramenta RAG para busca em canais do YouTube, útil para análise de conteúdo em vídeo.
YoutubeVideoSearchToolFerramenta RAG para busca em vídeos do YouTube, ideal para extração de dados de vídeo.

Criando suas próprias Ferramentas

Desenvolvedores podem criar ferramentas personalizadas adaptadas para as necessidades de seus agentes ou utilizar opções pré-construídas.

Existem duas formas principais de criar uma ferramenta CrewAI:

Herança de BaseTool

Code
from crewai.tools import BaseTool
from pydantic import BaseModel, Field

class MyToolInput(BaseModel):
    """Input schema for MyCustomTool."""
    argument: str = Field(..., description="Description of the argument.")

class MyCustomTool(BaseTool):
    name: str = "Name of my tool"
    description: str = "What this tool does. It's vital for effective utilization."
    args_schema: Type[BaseModel] = MyToolInput

    def _run(self, argument: str) -> str:
        # Seu código da ferramenta aqui
        return "Tool's result"

Suporte a Ferramentas Assíncronas

O CrewAI suporta ferramentas assíncronas, permitindo que você implemente ferramentas que realizam operações não bloqueantes, como requisições de rede, I/O de arquivos ou outras operações async sem bloquear o fluxo principal de execução.

Criando Ferramentas Assíncronas

Você pode criar ferramentas assíncronas de duas formas:

1. Utilizando o Decorador tool com Funções Assíncronas

Code
from crewai.tools import tool

@tool("fetch_data_async")
async def fetch_data_async(query: str) -> str:
    """Asynchronously fetch data based on the query."""
    # Simulate async operation
    await asyncio.sleep(1)
    return f"Data retrieved for {query}"

2. Implementando Métodos Assíncronos em Classes de Ferramentas Personalizadas

Code
from crewai.tools import BaseTool

class AsyncCustomTool(BaseTool):
    name: str = "async_custom_tool"
    description: str = "An asynchronous custom tool"
    
    async def _run(self, query: str = "") -> str:
        """Asynchronously run the tool"""
        # Sua implementação assíncrona aqui
        await asyncio.sleep(1)
        return f"Processed {query} asynchronously"

Utilizando Ferramentas Assíncronas

Ferramentas assíncronas funcionam perfeitamente tanto em fluxos tradicionais do Crew quanto em fluxos baseados em Flow:

Code
# No Crew tradicional
agent = Agent(role="researcher", tools=[async_custom_tool])

# Em Flow
class MyFlow(Flow):
    @start()
    async def begin(self):
        crew = Crew(agents=[agent])
        result = await crew.kickoff_async()
        return result

O framework CrewAI lida automaticamente com a execução de ferramentas síncronas e assíncronas, então você não precisa se preocupar com diferenças na chamada.

Utilizando o Decorador tool

Code
from crewai.tools import tool
@tool("Name of my tool")
def my_tool(question: str) -> str:
    """Clear description for what this tool is useful for, your agent will need this information to use it."""
    # Lógica da função aqui
    return "Result from your custom tool"

Mecanismo de Cache Personalizado

As ferramentas podem implementar opcionalmente uma cache_function para ajuste fino do comportamento de cache. Esta função determina quando armazenar resultados em cache com base em condições específicas, oferecendo controle granular sobre a lógica de cache.

Code
from crewai.tools import tool

@tool
def multiplication_tool(first_number: int, second_number: int) -> str:
    """Useful for when you need to multiply two numbers together."""
    return first_number * second_number

def cache_func(args, result):
    # Neste exemplo, só cacheamos o resultado se for múltiplo de 2
    cache = result % 2 == 0
    return cache

multiplication_tool.cache_function = cache_func

writer1 = Agent(
        role="Writer",
        goal="You write lessons of math for kids.",
        backstory="You're an expert in writing and you love to teach kids but you know nothing of math.",
        tools=[multiplication_tool],
        allow_delegation=False,
    )
    #...

Conclusão

Ferramentas são fundamentais para expandir as capacidades dos agentes CrewAI, permitindo que assumam uma ampla gama de tarefas e colaborem de forma eficiente. Ao construir soluções com CrewAI, aproveite tanto ferramentas existentes quanto personalizadas para potencializar seus agentes e ampliar o ecossistema de IA. Considere utilizar tratamento de erros, mecanismos de cache e a flexibilidade de argumentos das ferramentas para otimizar o desempenho e as capacidades dos seus agentes.