> ## Documentation Index
> Fetch the complete documentation index at: https://docs.crewai.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Integração com Weave
> Saiba como usar o Weights & Biases (W&B) Weave para rastrear, experimentar, avaliar e melhorar suas aplicações CrewAI.
# Visão Geral do Weave
[Weights & Biases (W\&B) Weave](https://weave-docs.wandb.ai/) é um framework para rastreamento, experimentação, avaliação, implementação e aprimoramento de aplicações baseadas em LLM.
O Weave oferece suporte completo para todas as etapas do desenvolvimento da sua aplicação CrewAI:
* **Rastreamento e Monitoramento**: Acompanhe automaticamente chamadas LLM e a lógica da aplicação para depuração e análise de sistemas em produção
* **Iteração Sistemática**: Aperfeiçoe e itere em prompts, conjuntos de dados e modelos
* **Avaliação**: Utilize avaliadores personalizados ou pré-construídos para avaliar e aprimorar sistematicamente o desempenho dos agentes
* **Guardrails**: Proteja seus agentes com salvaguardas pré e pós-execução para moderação de conteúdo e segurança de prompts
O Weave captura automaticamente rastreamentos (traces) de suas aplicações CrewAI, permitindo monitorar e analisar o desempenho, as interações e o fluxo de execução dos seus agentes. Isso te ajuda a construir melhores conjuntos de dados para avaliação e a otimizar os fluxos de trabalho dos agentes.
## Instruções de Configuração
```shell theme={null}
pip install crewai weave
```
Cadastre-se em uma [conta Weights & Biases](https://wandb.ai) caso ainda não tenha uma. Você precisará dela para visualizar rastreamentos e métricas.
Adicione o seguinte código à sua aplicação:
```python theme={null}
import weave
# Inicialize o Weave com o nome do seu projeto
weave.init(project_name="crewai_demo")
```
Após a inicialização, o Weave fornecerá uma URL onde você poderá visualizar seus rastreamentos e métricas.
```python theme={null}
from crewai import Agent, Task, Crew, LLM, Process
# Crie um LLM com temperatura 0 para garantir saídas determinísticas
llm = LLM(model="gpt-4o", temperature=0)
# Crie os agentes
pesquisador = Agent(
role='Analista de Pesquisa',
goal='Encontrar e analisar as melhores oportunidades de investimento',
backstory='Especialista em análise financeira e pesquisa de mercado',
llm=llm,
verbose=True,
allow_delegation=False,
)
redator = Agent(
role='Redator de Relatórios',
goal='Escrever relatórios de investimento claros e concisos',
backstory='Experiente na criação de relatórios financeiros detalhados',
llm=llm,
verbose=True,
allow_delegation=False,
)
# Crie as tarefas
pesquisa = Task(
description='Pesquisa aprofundada sobre o {tema}',
expected_output='Dados de mercado abrangentes incluindo principais players, tamanho de mercado e tendências de crescimento.',
agent=pesquisador
)
redacao = Task(
description='Escreva um relatório detalhado com base na pesquisa',
expected_output='O relatório deve ser fácil de ler e entender. Use tópicos quando aplicável.',
agent=redator
)
# Crie o crew
equipe = Crew(
agents=[pesquisador, redator],
tasks=[pesquisa, redacao],
verbose=True,
process=Process.sequential,
)
# Execute o crew
resultado = equipe.kickoff(inputs={"tema": "IA em ciência dos materiais"})
print(resultado)
```
Após executar sua aplicação CrewAI, acesse a URL do Weave fornecida durante a inicialização para visualizar:
* Chamadas LLM e seus metadados
* Interações dos agentes e fluxo de execução das tarefas
* Métricas de desempenho como latência e uso de tokens
* Quaisquer erros ou problemas ocorridos durante a execução
## Funcionalidades
* O Weave captura automaticamente todas as operações do CrewAI: interações dos agentes e execuções das tarefas; chamadas LLM com metadados e uso de tokens; uso de ferramentas e resultados.
* A integração suporta todos os métodos de execução do CrewAI: `kickoff()`, `kickoff_for_each()`, `kickoff_async()` e `kickoff_for_each_async()`.
* Rastreamento automático de todas as [crewAI-tools](https://github.com/crewAIInc/crewAI-tools).
* Suporte ao recurso flow com patching por decorador (`@start`, `@listen`, `@router`, `@or_`, `@and_`).
* Rastreie guardrails personalizados passados para o `Task` do CrewAI com `@weave.op()`.
Para informações detalhadas sobre o que é suportado, acesse a [documentação do Weave CrewAI](https://weave-docs.wandb.ai/guides/integrations/crewai/#getting-started-with-flow).
## Recursos
* [📘 Documentação do Weave](https://weave-docs.wandb.ai)
* [📊 Exemplo de dashboard Weave x CrewAI](https://wandb.ai/ayut/crewai_demo/weave/traces?cols=%7B%22wb_run_id%22%3Afalse%2C%22attributes.weave.client_version%22%3Afalse%2C%22attributes.weave.os_name%22%3Afalse%2C%22attributes.weave.os_release%22%3Afalse%2C%22attributes.weave.os_version%22%3Afalse%2C%22attributes.weave.source%22%3Afalse%2C%22attributes.weave.sys_version%22%3Afalse%7D\&peekPath=%2Fayut%2Fcrewai_demo%2Fcalls%2F0195c838-38cb-71a2-8a15-651ecddf9d89)
* [🐦 X](https://x.com/weave_wb)