CrewAI home pagelight logodark logo
  • Start Cloud Trial
  • crewAIInc/crewAI
  • crewAIInc/crewAI
Documentação
Enterprise
Referência da API
Exemplos
Lançamentos
  • Website
  • Fórum
  • Crew GPT
  • Obter Ajuda
  • Começando
    • CrewAI Enterprise
    Funcionalidades
    • Repositório de Ferramentas
    • Webhook Streaming
    • Traces
    • Proteção contra Alucinações
    • Integrações
    Documentação de Integração
    • Integração com Asana
    • Integração com Box
    • Integração com ClickUp
    • Integração com GitHub
    • Integração com Gmail
    • Integração com Google Calendar
    • Integração com Google Sheets
    • Integração com HubSpot
    • Integração com Jira
    • Integração com o Linear
    • Integração com o Notion
    • Integração com Salesforce
    • Integração com Shopify
    • Integração com Slack
    • Integração Stripe
    • Integração com Zendesk
    Guias
    • Build Crew
    • Deploy Crew
    • Kickoff Crew
    • Atualizar Crew
    • Ativar Crew Studio
    • Configuração do Azure OpenAI
    • Gatilho HubSpot
    • Exportação de Componentes React
    • Trigger Salesforce
    • Slack Trigger
    • Gestão de Equipes
    • Automação com Webhook
    • Workflows HITL
    • Trigger Zapier
    Recursos
    • FAQs
    Recursos

    FAQs

    Perguntas frequentes sobre CrewAI Enterprise

    No processo hierárquico, um agente gerente é criado automaticamente e coordena o fluxo de trabalho, delegando tarefas e validando resultados para uma execução eficiente e simplificada. O agente gerente utiliza ferramentas para facilitar a delegação e execução de tarefas por agentes sob sua orientação. O LLM do gerente é fundamental para o processo hierárquico e deve ser configurado corretamente para funcionar adequadamente.

    A documentação mais atualizada da CrewAI está disponível em nosso site oficial de documentação: https://docs.crewai.com/

    CrewAI Docs

    ​
    Processo Hierárquico:

    • As tarefas são delegadas e executadas com base em uma cadeia de comando estruturada
    • Um modelo de linguagem do gerente (manager_llm) deve ser especificado para o agente gerente
    • O agente gerente supervisiona a execução de tarefas, planejamento, delegação e validação
    • As tarefas não são pré-atribuídas; o gerente aloca tarefas para os agentes com base em suas capacidades

    ​
    Processo Sequencial:

    • As tarefas são executadas uma após a outra, garantindo uma progressão ordenada
    • O resultado de uma tarefa serve como contexto para a próxima
    • A execução das tarefas segue a ordem predefinida na lista de tarefas

    ​
    Qual Processo é Melhor para Projetos Complexos?

    O processo hierárquico é mais adequado para projetos complexos porque permite:

    • Alocação e delegação dinâmica de tarefas: O agente gerente pode atribuir tarefas de acordo com as capacidades dos agentes
    • Validação e supervisão estruturadas: O agente gerente revisa os resultados das tarefas e garante a conclusão
    • Gestão de tarefas complexas: Controle preciso da disponibilidade de ferramentas por agente
    • Aprendizado adaptativo: As crews tornam-se mais eficientes ao longo do tempo, adaptando-se a novas informações e aprimorando sua abordagem às tarefas
    • Personalização aprimorada: A memória permite que os agentes recordem preferências do usuário e interações anteriores, possibilitando experiências personalizadas
    • Resolução aprimorada de problemas: O acesso a um repositório rico em memória auxilia os agentes a tomarem decisões mais informadas, baseando-se em aprendizados anteriores e insights contextuais

    Definir um limite máximo de RPM para um agente evita que ele faça solicitações excessivas a serviços externos, o que pode ajudar a evitar limites de taxa e melhorar o desempenho.

    A entrada humana permite que os agentes solicitem informações adicionais ou esclarecimentos quando necessário. Este recurso é fundamental em processos de tomada de decisão complexos ou quando os agentes precisam de mais detalhes para concluir uma tarefa com eficácia.

    Para integrar a entrada humana na execução do agente, defina a flag human_input na definição da tarefa. Quando habilitada, o agente solicitará a entrada do usuário antes de entregar sua resposta final. Essa entrada pode fornecer contexto extra, esclarecer ambiguidades ou validar a saída do agente.

    Para orientações detalhadas de implementação, veja nosso guia Human-in-the-Loop.

    A CrewAI oferece diversas opções avançadas de customização:

    • Customização de Modelo de Linguagem: Os agentes podem ser personalizados com modelos de linguagem específicos (llm) e modelos de linguagem para chamadas de função (function_calling_llm)
    • Configurações de Desempenho e Debug: Ajuste o desempenho do agente e monitore suas operações
    • Modo Verbose: Habilita registros detalhados das ações do agente, útil para depuração e otimização
    • Limite de RPM: Define o número máximo de solicitações por minuto (max_rpm)
    • Máximo de Iterações: O atributo max_iter permite definir o número máximo de iterações que um agente pode executar para uma única tarefa
    • Delegação e Autonomia: Controle a capacidade do agente de delegar ou fazer perguntas com o atributo allow_delegation (padrão: True)
    • Integração de Entrada Humana: Os agentes podem solicitar informações adicionais ou esclarecimentos quando necessário

    A entrada humana é especialmente útil quando:

    • Os agentes precisam de informações adicionais ou esclarecimentos: Quando se deparam com ambiguidade ou dados incompletos
    • Os agentes precisam tomar decisões complexas ou sensíveis: A entrada humana pode auxiliar em decisões éticas ou de nuances
    • Supervisão e validação da saída do agente: A entrada humana pode ajudar a validar resultados e prevenir erros
    • Personalização do comportamento do agente: Entradas humanas podem fornecer feedback para aprimorar respostas dos agentes ao longo do tempo
    • Identificação e resolução de erros ou limitações: A entrada humana auxilia a suprir lacunas de capacidade dos agentes

    Os diferentes tipos de memória disponíveis na CrewAI são:

    • Memória de curto prazo: Armazenamento temporário para contexto imediato
    • Memória de longo prazo: Armazenamento persistente para padrões aprendidos e informações
    • Memória de entidade: Armazenamento focado em entidades específicas e seus atributos
    • Memória contextual: Memória que mantém o contexto ao longo das interações

    Saiba mais sobre os diferentes tipos de memória:

    CrewAI Memory

    Para usar Output Pydantic em uma tarefa, você precisa definir a saída esperada da tarefa como um modelo Pydantic. Veja um exemplo rápido:

    1

    Defina um modelo Pydantic

    Copy
    Ask AI
    from pydantic import BaseModel
    
    class User(BaseModel):
        name: str
        age: int
    
    2

    Crie uma tarefa com Output Pydantic

    Copy
    Ask AI
    from crewai import Task, Crew, Agent
    from my_models import User
    
    task = Task(
        description="Create a user with the provided name and age",
        expected_output=User,  # This is the Pydantic model
        agent=agent,
        tools=[tool1, tool2]
    )
    
    3

    Defina o atributo output_pydantic no seu agente

    Copy
    Ask AI
    from crewai import Agent
    from my_models import User
    
    agent = Agent(
        role='User Creator',
        goal='Create users',
        backstory='I am skilled in creating user accounts',
        tools=[tool1, tool2],
        output_pydantic=User
    )
    

    Aqui está um tutorial de como obter saídas estruturadas de forma consistente dos seus agentes:

    Você pode criar ferramentas personalizadas herdando da classe BaseTool fornecida pela CrewAI ou usando o decorador de ferramenta. Herdar envolve definir uma nova classe que herda de BaseTool, especificando o nome, a descrição e o método _run para a lógica operacional. O decorador de ferramenta permite criar um objeto Tool diretamente com os atributos necessários e uma lógica funcional.

    CrewAI Tools Guide

    O atributo max_rpm define o número máximo de solicitações por minuto que a crew pode realizar para evitar limites de taxa, e irá sobrescrever as definições de max_rpm dos agentes individuais se você defini-lo.

    Esta página foi útil?

    Trigger Zapier
    websitexgithublinkedinyoutubereddit
    Suportado pelo Mintlify
    Assistente
    Responses are generated using AI and may contain mistakes.