Cách Xây Dựng Hệ Thống Đa Đại Lý Với CrewAI vào Năm 2026
TL;DR
Một hệ thống CrewAI hữu ích bắt đầu với ranh giới nhiệm vụ, không phải nhân vật đại diện. Cung cấp cho mỗi đại diện đầu vào, công cụ, đầu ra mong đợi và điều kiện thất bại khác nhau.
Sử dụng một Crew cho hợp tác không giới hạn và một Flow cho kiểm soát ứng dụng xác định. Hầu hết các hệ thống sản xuất cần một Flow quanh một hoặc nhiều Crew nhỏ.
Mô hình làm việc tối thiểu là Đại diện → Nhiệm vụ → Crew → khởi động. Bắt đầu với việc thực hiện tuần tự để đầu ra và thất bại dễ dàng kiểm tra.
Không cung cấp mọi công cụ cho mọi đại diện. Quyền truy cập công cụ theo nguyên tắc ít nhất giúp giảm chi phí, giảm thiểu nguy cơ tiêm mã, và các tác dụng phụ khó gỡ lỗi.
Thêm đầu ra có cấu trúc, biện pháp bảo vệ, dấu vết, và sự chấp thuận của con người trước khi mở rộng nhóm. Nhiều đại diện hơn sẽ tăng overhead phối hợp và không đảm bảo một câu trả lời tốt hơn.
Đối với các nhóm nghiên cứu trên web, tách biệt việc thu thập dữ liệu khỏi lý luận. Nstproxy Crawl có thể chuẩn bị nội dung trang được giới hạn trong khi các đại diện CrewAI phân tích và báo cáo về nó.
Bạn đang xây dựng gì với CrewAI?
Một hệ thống đa đại diện CrewAI là một tập hợp các đại diện có phạm vi vai trò được giao cho các nhiệm vụ theo một quy trình được xác định. Crew phối hợp các đại diện và nhiệm vụ đó; một Flow có thể bao quanh Crew khi ứng dụng xung quanh cần trạng thái rõ ràng, nhánh, duy trì, hoặc khôi phục. Nếu các đại diện cần bằng chứng từ website được chấp thuận, Nstproxy Crawl có thể cung cấp lớp thu thập thay vì để mỗi đại diện duyệt web mà không có ranh giới.
Hướng dẫn khái niệm CrewAI phân biệt các Crew tự động với các Flow thúc đẩy sự kiện. Điều này quan trọng vì nhiều hướng dẫn mô hình hóa một quy trình kinh doanh cố định như một cuộc hội thoại giữa các đại diện. Trong thực tế, mã xác định nên quyết định khi nào một công việc bắt đầu, trạng thái nào là hợp lệ, và có cần sự chấp thuận hay không; các đại diện nên xử lý các phần thực sự cần phải diễn giải.
Trải nghiem Nstproxy - Bat dau dung thu mien phi ngay
Hướng dẫn này xây dựng một nhóm nghiên cứu nhỏ với hai đại diện:
Một nhà nghiên cứu biến tài liệu nguồn được cung cấp thành một bản tóm tắt bằng chứng.
Một biên tập viên chuyển đổi tóm tắt đó thành một tài liệu quyết định và phải bảo vệ các sự không chắc chắn.
Ví dụ này cố ý tránh các công cụ duyệt web trực tiếp. Một công cụ web có thể được thêm vào sau, sau khi chính sách miền, hợp đồng đầu ra và hành vi lỗi được kiểm tra.
Tại sao thiết kế nhiệm vụ quan trọng hơn số lượng đại diện
Một đại diện chỉ nên tồn tại khi nó có trách nhiệm, bối cảnh, hoặc ranh giới công cụ khác biệt. Việc phân tách “nghiên cứu,” “phân tích,” và “viết” qua ba đại diện là hữu ích nếu mỗi đại diện tạo ra một sản phẩm có thể kiểm tra. Nó là lãng phí nếu cả ba nhận cùng một prompt lớn và lặp lại cùng một tìm kiếm.
Trước khi viết mã, hãy xác định hợp đồng này:
Thành phần
Nhà nghiên cứu
Biên tập viên
Đầu vào
Chủ đề và gói nguồn đã được phê duyệt
Bản tóm tắt bằng chứng của nhà nghiên cứu
Công cụ cho phép
Truy cập dữ liệu đã được phê duyệt
Không có công cụ truy xuất trong ví dụ tối thiểu
Đầu ra
Khẳng định, bằng chứng hỗ trợ, xung đột, điều chưa biết
Tài liệu ngắn gọn với các khẳng định được trích dẫn và câu hỏi mở
Điều kiện thất bại
Thiếu hỗ trợ hoặc nguồn không thể tiếp cận
Khẳng định không được hỗ trợ hoặc sự không chắc chắn ẩn giấu
Cổng con người
Chính sách nguồn
Xuất bản cuối cùng hoặc hành động kinh doanh
Thiết kế này giống như một bộ dụng cụ đại diện đáng tin cậy: vai trò ít quan trọng hơn quyền, trạng thái, dấu vết, và các bài kiểm tra chấp nhận.
Điều kiện tiên quyết và tạo dự án
Sử dụng phiên bản Python được hỗ trợ bởi CrewAI, một thông tin xác thực nhà cung cấp mô hình được lưu trữ bên ngoài kiểm soát nguồn, và đường dẫn cài đặt dựa trên uv hiện tại. Trang trang tài liệu CrewAI liên kết với các trang cài đặt và hướng dẫn nhanh đã được duy trì; hãy theo dõi các trang đó để có dải tương thích Python hiện tại và lệnh CLI thay vì dựa vào một hướng dẫn pip cũ.
Sau khi cài đặt, hãy tạo một dự án với CLI CrewAI và kiểm tra cấu trúc được tạo ra. Một dự án tiêu chuẩn tách biệt cấu hình YAML cho các đại diện và nhiệm vụ khỏi mã lắp ghép Python. Giữ bí mật trong các biến môi trường hoặc một quản lý bí mật đã được phê duyệt, không bao giờ trong YAML được cam kết với Git.
Bố cục được tạo ra rất hữu ích vì nó giúp kiểm tra sự thay đổi prompt:
Phương pháp 1: xây dựng nhóm tối thiểu trong Python
Triển khai hướng dẫn nhỏ nhất giữ các định nghĩa trong một tệp. Nó làm cho luồng dữ liệu trở nên rõ ràng trước khi một đội giới thiệu các bộ trang trí, YAML, công cụ tùy chỉnh, hoặc Flows.
Bước 1: định nghĩa hai đại diện
Tạo crew_demo.py với mã sau. Tên mô hình được truyền qua một biến môi trường để ví dụ không đóng băng một định danh có thể bị loại bỏ.
import os
from crewai import Agent, Crew, Process, Task
model_name = os.environ["CREWAI_MODEL"]researcher = Agent( role="Nhà nghiên cứu bằng chứng",goal="Xây dựng một bản tóm tắt bằng chứng có thể theo dõi cho chủ đề được yêu cầu", backstory="Bạn tách biệt các tuyên bố được hỗ trợ, mâu thuẫn và những điều chưa biết.", llm=model_name, allow_delegation=False, verbose=True,)editor = Agent( role="Biên tập viên quyết định", goal="Biến một bản tóm tắt bằng chứng thành một khuyến nghị ngắn gọn, đủ điều kiện", backstory="Bạn bảo tồn các trích dẫn và không bao giờ che giấu sự không chắc chắn.", llm=model_name, allow_delegation=False, verbose=True,)
role, goal, và backstory ảnh hưởng đến hành vi, nhưng các điều khiển quan trọng là mô hình, các công cụ có sẵn và cài đặt phân công. Bắt đầu với việc tắt phân công. Việc phân công không giới hạn giữa các tác nhân khiến việc sử dụng token và chấm dứt trở nên khó dự đoán hơn.
Bước 2: xác định đầu ra trước khi hướng dẫn
Thêm hai nhiệm vụ. Nhiệm vụ thứ hai tham chiếu đến nhiệm vụ đầu tiên thông qua context, điều này làm cho sự phụ thuộc trở nên rõ ràng.
research_task = Task( description=("Nghiên cứu {topic} chỉ sử dụng gói nguồn được cung cấp trong {source_path}. ""Liệt kê các tuyên bố được hỗ trợ, trích dẫn, mâu thuẫn và những điều chưa biết."), expected_output=("Một bản tóm tắt bằng chứng Markdown với các phần cho các tuyên bố, nguồn, ""mâu thuẫn và các câu hỏi chưa được trả lời."), agent=researcher,)memo_task = Task( description=("Tạo một bản ghi quyết định từ bản tóm tắt bằng chứng. Bảo tồn các ""tham chiếu nguồn, trình bày sự không chắc chắn và đề xuất một thử nghiệm tiếp theo."), expected_output=("Một memọ Markdown chứa một khuyến nghị, bằng chứng, rủi ro, ""những điều chưa biết và hành động tiếp theo."), agent=editor, context=[research_task],)
Một expected_output là một mục tiêu chấp nhận, không phải là một đảm bảo. Mã sản xuất nên xác thực các phần yêu cầu hoặc sử dụng một kết quả Pydantic có cấu trúc nơi nhiệm vụ hỗ trợ điều đó.
Bước 3: lắp ráp và khởi động đoàn
Thêm đoàn và cuộc gọi khởi đầu:
crew = Crew( agents=[researcher, editor], tasks=[research_task, memo_task], process=Process.sequential, verbose=True,)result = crew.kickoff( inputs={"topic":"Liệu có nên áp dụng một mô hình truy Retrieval mới không","source_path":"data/approved-sources.md",})print(result.raw)
Chạy nó chỉ sau khi đặt lựa chọn mô hình và thông tin xác thực yêu cầu bởi nhà cung cấp đó. Mã trong bài viết này đã được kiểm tra cú pháp, nhưng một lần khởi động trực tiếp yêu cầu một môi trường Python được hỗ trợ, gói CrewAI, một tài khoản nhà cung cấp và một gói nguồn thực. Những yêu cầu bên ngoài đó không thể được xác thực bởi một bài xây dựng tĩnh.
Phương pháp 2: di chuyển một đoàn ổn định đến YAML và chú thích
Sau khi nguyên mẫu hoạt động, di chuyển các mô tả vai trò và nhiệm vụ dài đến config/agents.yaml và config/tasks.yaml. Sau đó, lắp ráp chúng trong crew.py với @CrewBase, @agent, @task, và @crew. Hướng dẫn chú thích CrewAI giải thích rằng các khóa cấu hình và tên phương thức được trang trí phải tương ứng.
Cấu trúc này tốt hơn để xem xét vì các thay đổi về lời nhắc không bị trộn lẫn với các thay đổi về tổ chức. Nó cũng làm cho việc lựa chọn mô hình cụ thể cho môi trường dễ dàng hơn. Giữ ba quy tắc:
Đặt các khóa cấu hình có tên ổn định; việc đổi tên chỉ một bên sẽ phá vỡ ánh xạ.
Giữ việc xây dựng công cụ trong Python, nơi các thông tin xác thực và danh sách cho phép có thể được thực thi.
Kiểm tra thứ tự nhiệm vụ cuối cùng đã lắp ráp; thứ tự khai báo và các phụ thuộc ngữ cảnh có thể tạo ra hành vi khác nhau.
Đem đến cho nhóm của bạn một lớp chứng cứ có kiểm soát
Sử dụng Nstproxy Crawl để chuẩn bị nội dung trang web giới hạn trong khi các tác nhân CrewAI tập trung vào phân tích, xác thực và báo cáo.
Thêm dữ liệu web mà không cho phép các tác nhân truy cập trình duyệt không bị hạn chế
Một nhóm nghiên cứu cần chứng cứ mới, nhưng duyệt trực tiếp không phải là kiến trúc duy nhất. Một mô hình an toàn hơn là thu thập các trang đã được phê duyệt trước, lưu trữ nguồn gốc, và cho phép truy xuất chỉ đọc cho nhà nghiên cứu. Nstproxy Crawl có thể giới hạn việc thu thập theo độ sâu trang web, số lượng trang, và quy tắc đường dẫn, xử lý JavaScript, và trả lại các đầu ra đã chọn như Markdown, HTML, JSON, liên kết, hoặc PDF.
Một công việc xác định kiểm tra các miền mục tiêu theo chính sách.
Trình thu thập thông tin thu thập các trang được ủy quyền và ghi lại URL cùng thời gian truy xuất.
Một bộ phân tích lưu trữ nội dung sạch và siêu dữ liệu trong kho chứng cứ.
Tác nhân nghiên cứu nhận được truy xuất chỉ đọc qua kho đó.
Biên tập viên thấy tóm tắt chứng cứ, không phải hướng dẫn duyệt web thô.
Đây là ranh giới tương tự được sử dụng trong nhiều dự án tác nhân AI: các công cụ thu thập hoặc chuyển đổi dữ liệu, trong khi tác nhân quyết định cách sử dụng nó. Xem lại hướng dẫn chỉ mục web trước khi thêm các nhúng để xác định danh tính tài liệu, độ mới, và loại bỏ bản sao trước tiên.
Khi nào cần bao bọc nhóm trong một Luồng
Sử dụng một Luồng khi việc thực thi cần phân nhánh, tạm dừng, tiếp tục, hoặc cập nhật trạng thái bền vững. Các ví dụ bao gồm chuyển các bản ghi thấp tin cậy đến việc xem lại, thử lại một bước thu thập thất bại, và dừng một công việc sau khi vi phạm chính sách. Tài liệu Tài liệu về Luồng CrewAI mô tả các bước theo sự kiện, trạng thái, định tuyến, và tính bền vững.
Một ranh giới sản xuất hợp lý là:
Luồng xác thực yêu cầu và chính sách nguồn.
Luồng bắt đầu công việc thu thập và xử lý các lỗi có thể thử lại.
Một nhóm nhỏ phân tích bằng chứng đã thu thập.
Xác thực xác định kiểm tra đầu ra của nhóm.
Luồng yêu cầu sự chấp thuận của con người trước khi xuất bản hoặc thực hiện hành động bên ngoài.
Không sử dụng một tác nhân để quyết định liệu đầu ra của nó có vượt qua xác thực hay không. Các kiểm tra cấu trúc, quy tắc miền cho phép, trích dẫn được yêu cầu, và ngân sách chạy tối đa thuộc về mã xác định.
Kiểm tra hệ thống trước khi thêm nhiều tác nhân
Đánh giá nên đo lường toàn bộ nhiệm vụ, không phải cách mà bản sao có vẻ thuyết phục. Xây dựng một tập kiểm tra nhỏ với bằng chứng mong đợi và các trường hợp thất bại đã biết, sau đó theo dõi:
tỷ lệ hỗ trợ tuyên bố và tính hợp lệ của trích dẫn;
bằng chứng bị thiếu hoặc mâu thuẫn nổi lên;
tính hợp lệ của đầu ra có cấu trúc;
cuộc gọi công cụ bên ngoài phạm vi dự kiến;
tổng mô hình và công cụ sử dụng cho mỗi memo đã hoàn thành;
các lần thử lại, thời gian chờ, và lý do từ chối của con người.
Kiểm tra văn bản nguồn phản kháng mà bảo tác nhân bỏ qua nhiệm vụ của nó, phản hồi công cụ bị sai định dạng, thu thập rỗng, và tài liệu trùng lặp. Nếu phiên bản hai tác nhân không thể vượt qua những trường hợp này một cách nhất quán, một tác nhân quản lý hoặc một nhóm lớn hơn sẽ thêm nhiều con đường thất bại thay vì giải quyết lỗi thiết kế.
Một chính sách thu thập dữ liệu tự động cũng nên định nghĩa thời gian giữ, khoảng tươi mới, quyền truy cập, và xóa bỏ. Quyền truy cập kỹ thuật vào một trang không tự nó thiết lập quyền thu thập hoặc tái sử dụng nó.
Phán quyết cuối cùng: bắt đầu với một chuyển giao rõ ràng
Để xây dựng một hệ thống đa tác nhân với CrewAI, bắt đầu với hai tác nhân, hai đầu ra nhiệm vụ có thể quan sát, và một quy trình tuần tự. Di chuyển xác thực xác định và kiểm soát vòng đời vào một Luồng, cấp cho mỗi tác nhân chỉ những công cụ cần thiết, và thêm tác nhân chỉ khi một vai trò mới tạo ra một bối cảnh hoặc ranh giới quyền sở hữu thực sự.
Bước tiếp theo là chạy nhóm tối thiểu chống lại một gói bằng chứng nhỏ đã được phê duyệt, lưu lại dấu vết của nó, và viết các khẳng định thất bại trước khi kết nối các công cụ trực tiếp. Đối với nghiên cứu dựa trên trang web, Nstproxy Crawl có thể cung cấp tài liệu nguồn có giới hạn, có thể tái sử dụng trong khi Nhóm vẫn tập trung vào phân tích.
Chuẩn bị bằng chứng trên web có thể theo dõi cho hệ thống CrewAI của bạn
Sử dụng Nstproxy Crawl để biến các trang web được ủy quyền thành các tác phẩm nguồn có kiểm soát để thu thập, đánh giá, và trích dẫn thay vì cho mỗi tác nhân quyền truy cập duyệt web độc lập.
CrewAI là một khung Python để xây dựng các tác nhân dựa trên vai trò, nhiệm vụ, Nhóm, và Luồng dựa trên sự kiện. Nhóm hỗ trợ hợp tác tự động, trong khi Luồng cung cấp kiểm soát ứng dụng rõ ràng hơn.
Q: Một dự án CrewAI đầu tiên nên sử dụng bao nhiêu tác nhân?
Hai tác nhân thường là đủ cho một dự án đầu tiên khi chúng có một chuyển giao có ý nghĩa, chẳng hạn như từ nhà nghiên cứu đến người đánh giá. Thêm một tác nhân khác chỉ khi nó cần bối cảnh khác biệt, công cụ, quyền truy cập, hoặc tiêu chí đánh giá.
Q: Một quy trình CrewAI nên là tuần tự hay phân cấp?
Bắt đầu tuần tự khi thứ tự nhiệm vụ đã biết vì nó dễ theo dõi và kiểm tra hơn. Xem xét điều phối phân cấp chỉ khi phân công động tạo ra những lợi ích đo được mà biện minh cho các cuộc gọi mô hình bổ sung và các chế độ thất bại.
Q: CrewAI có thể duyệt web không?
Các tác nhân CrewAI có thể sử dụng các công cụ web khi các công cụ đó được cấu hình, nhưng truy cập nên được giới hạn theo miền, chỉ đọc ở đâu có thể, và được bảo vệ chống lại các hướng dẫn không đáng tin cậy. Một lớp thu thập tách biệt có thể cung cấp kiểm soát chặt chẽ hơn.
Sản phẩm nghiên cứu sâu không phải đều giải quyết cùng một lớp. Hướng dẫn này phân tách việc thu thập web có kiểm soát khỏi tổng hợp tự động và lựa chọn năm tùy chọn dựa trên trường hợp sử dụng sản xuất.
Lena Zhou
Sep. 2nd 2026
110M+ IP that voi ti le truy cap thanh cong 99.9%
Phan hoi trung binh ~0.5s cho tac vu dong thoi cao
Chi tu $0.1/GB
Truy cap ngay cac pool proxy residential, datacenter, IPv6 va ISP cao cap.
