> ## 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 Opik

> Saiba como usar o Comet Opik para depurar, avaliar e monitorar suas aplicações CrewAI com rastreamento abrangente, avaliações automatizadas e dashboards prontos para produção.

# Visão Geral do Opik

Com o [Comet Opik](https://www.comet.com/docs/opik/), depure, avalie e monitore suas aplicações LLM, sistemas RAG e fluxos de trabalho agentic com rastreamento detalhado, avaliações automatizadas e dashboards prontos para produção.

![Exemplo de monitoramento de agente Opik com CrewAI](https://mintcdn.com/crewai/qVjgZHKAyEOgSSUS/images/opik-crewai-dashboard.png?fit=max\&auto=format\&n=qVjgZHKAyEOgSSUS\&q=85\&s=6b313c7d767211f2287d7dd074f9dfeb)

Dashboard do Agente Opik

O Opik oferece suporte abrangente para cada etapa do desenvolvimento da sua aplicação CrewAI:

* **Registrar Traces e Spans**: Acompanhe automaticamente chamadas LLM e lógica da aplicação para depurar e analisar sistemas em desenvolvimento e em produção. Anote manualmente ou programaticamente, visualize e compare respostas entre projetos.
* **Avalie a Performance da sua Aplicação LLM**: Avalie contra um conjunto de testes personalizado e execute métricas de avaliação nativas ou defina suas próprias métricas via SDK ou UI.
* **Teste no Pipeline CI/CD**: Estabeleça bases de performance confiáveis com os testes unitários LLM do Opik, baseados em PyTest. Execute avaliações online para monitoramento contínuo em produção.
* **Monitore & Analise Dados de Produção**: Entenda a performance dos seus modelos em dados inéditos em produção e gere conjuntos de dados para novas iterações de desenvolvimento.

## Configuração

A Comet oferece uma versão hospedada da plataforma Opik, ou você pode rodar a plataforma localmente.

Para usar a versão hospedada, basta [criar uma conta gratuita na Comet](https://www.comet.com/signup?utm_medium=github\&utm_source=crewai_docs) e obter sua chave de API.

Para rodar a plataforma Opik localmente, veja nosso [guia de instalação](https://www.comet.com/docs/opik/self-host/overview/) para mais informações.

Neste guia, utilizaremos o exemplo de início rápido da CrewAI.

**1. Instale os pacotes necessários**

```shell theme={null}
pip install crewai crewai-tools opik --upgrade
```

**2. Configure o Opik**

```python theme={null}
import opik
opik.configure(use_local=False)
```

**3. Prepare o ambiente**

Primeiro, configuramos nossas chaves de API do provedor LLM como variáveis de ambiente:

```python theme={null}
import os
import getpass

if "OPENAI_API_KEY" not in os.environ:
os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter your OpenAI API key: ")
```

**4. Usando a CrewAI**

O primeiro passo é criar nosso projeto. Vamos utilizar um exemplo da documentação do CrewAI:

```python theme={null}
from crewai import Agent, Crew, Task, Process


class NomeDaEquipe:
    def agente_um(self) -> Agent:
        return Agent(
            role="Analista de Dados",
            goal="Analisar tendências de dados no mercado",
            backstory="Analista de dados experiente com formação em economia",
            verbose=True,
        )

    def agente_dois(self) -> Agent:
        return Agent(
            role="Pesquisador de Mercado",
            goal="Coletar informações sobre a dinâmica do mercado",
            backstory="Pesquisador dedicado com olhar atento para detalhes",
            verbose=True,
        )

    def tarefa_um(self) -> Task:
        return Task(
            name="Tarefa de Coleta de Dados",
            description="Coletar dados recentes do mercado e identificar tendências.",
            expected_output="Um relatório resumindo as principais tendências do mercado.",
            agent=self.agente_um(),
        )

    def tarefa_dois(self) -> Task:
        return Task(
            name="Tarefa de Pesquisa de Mercado",
            description="Pesquisar fatores que afetam a dinâmica do mercado.",
            expected_output="Uma análise dos fatores que influenciam o mercado.",
            agent=self.agente_dois(),
        )

    def equipe(self) -> Crew:
        return Crew(
            agents=[self.agente_um(), self.agente_dois()],
            tasks=[self.tarefa_um(), self.tarefa_dois()],
            process=Process.sequential,
            verbose=True,
        )

```

Agora podemos importar o tracker do Opik e executar nossa crew:

```python theme={null}
from opik.integrations.crewai import track_crewai

track_crewai(project_name="crewai-integration-demo")

my_crew = NomeDaEquipe().equipe()
result = my_crew.kickoff()

print(result)
```

Após rodar sua aplicação CrewAI, acesse o app Opik para visualizar:

* Traces LLM, spans e seus metadados
* Interações dos agentes e fluxo de execução das tarefas
* Métricas de performance, como latência e uso de tokens
* Métricas de avaliação (nativas ou personalizadas)

## Recursos

* [🦉 Documentação Opik](https://www.comet.com/docs/opik/)
* [👉 Opik + CrewAI Colab](https://colab.research.google.com/github/comet-ml/opik/blob/main/apps/opik-documentation/documentation/docs/cookbook/crewai.ipynb)
* [🐦 X](https://x.com/cometml)
* [💬 Slack](https://slack.comet.com/)


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.