CrewAI

Was ist CrewAI?

CrewAI ist ein open-source-Framework für die Orchestrierung mehrerer KI-Agenten, das auf Python basiert. Es dient dazu, mehrere KI-Agenten mit unterschiedlichen Rollen, Zielen, Werkzeugen und Kenntnissen dabei zu unterstützen, komplexe Aufgaben gemeinsam zu erledigen. Entwickler können Aufgaben wie Forschung, Analyse, Schreiben, Überprüfung sowie die Interaktion mit externen Systemen verschiedenen Agenten zuweisen und anschließend mithilfe von Crew oder Flow die Ausführungsreihenfolge, den Status sowie die Übergabe der Aufgaben steuern.

Offene Frameworks eignen sich für die lokale Entwicklung und den eigenen Betrieb; CrewAI AMP (Agent Management Platform) hingegen bietet eine kommerzielle Plattform auf Basis dieser Frameworks, die Deployment, Überwachung, Skalierung sowie Berechtigungs- und Unternehmenssteuerungsfunktionen bereitstellt.

Man sollte zwischen den beiden unterscheiden: Die Verwendung von Python-Bibliotheken bedeutet nicht automatisch den Kauf von AMP, und die Fähigkeiten zur Erstellung von AMP sind auch nicht vollständig in den Open-Source-Frameworks enthalten.

Kernkonzepte von CrewAI

Agent

Ein Agent repräsentiert einen intelligenten Akteur mit klaren Aufgaben, der in der Regel eine Rolle, ein Ziel, eine Hintergrundgeschichte, ein LLM, Tools sowie Ausführungsbeschränkungen umfasst. Ein Forschungsagent kann Such- und Dokumentenwerkzeuge aufrufen, während ein Schreibagent auf der Grundlage der Forschungsergebnisse Inhalte erstellt.

Je klarer die Charakterbeschreibung ist, desto leichter kann der Agent konsistente Werkzeuge auswählen und Ergebnisse liefern.

Task

Eine Aufgabe definiert die konkreten Arbeiten, die erwarteten Ergebnisse, den Eingabekontext sowie den zuständigen Agenten. Aufgaben können sequenziell ausgeführt werden oder parallel bzw. hierarchisch zugewiesen werden.

Die erwartete Ausgabe sollte nicht nur „Analyse abgeschlossen“ anzeigen, sondern auch das Format, die Felder, die Qualitätsstandards sowie die Handhabung von Fehlern klar festlegen.

Crew

Crew organisiert Agenten und Aufgaben zu kooperierenden Teams. Der sequenzielle Ablauf eignet sich für feste Schritte wie Forschung und anschließendes Schreiben;

Der hierarchische Ablauf kann durch den Verwaltungs-Agenten mit Aufgaben belegt werden.

Crews betont die Zusammenarbeit der Rollen sowie die eigenverantwortliche Zuweisung von Aufgaben und eignet sich für Szenarien, in denen die Grenzen der Aufgaben klar definiert sind, aber die Zwischenschritte durch den Agenten entschieden werden müssen.

Flow

Flow ist eine ereignisgesteuerte Workflow-Schicht, die Zustände, Listener, Routing, bedingte Abzweigungen, Persistenz sowie eine präzise Kontrolle über die Ausführungsreihenfolge bietet. In Flow können sowohl gewöhnliche Python-Funktionen aufgerufen als auch ein oder mehrere Crews gestartet werden.

Für Systeme, die bestimmte Geschäftsprozesse erfordern, Fehlerbehebung, manuelle Freigabe sowie die Organisation langer Abläufe, ist Flow in der Regel geeigneter als die alleinige Verwendung von Crew.

Tools zur Integration mit Unternehmensanwendungen

Tools ermöglichen es dem Agenten, Webseiten zu durchsuchen, Dateien zu lesen, Datenbanken abzufragen, APIs aufzurufen oder Geschäftsanwendungen zu bedienen. CrewAI Tools umfasst gängige Funktionen, und das Unternehmens-AMP kann außerdem über OAuth mit Anwendungen wie Gmail, Google Drive, HubSpot, Slack usw. verbunden werden.

Bei der Verbindung mit externen Systemen muss der Berechtigungsumfang eingeschränkt werden, und Senden, Ändern sowie Löschvorgänge müssen genehmigt werden.

Gedächtnis und Wissen

Das einheitliche Memory-System kann Fakten in der semantischen Erinnerung speichern und sie anhand von Ähnlichkeit, Zeitpunkt und Bedeutung abrufen. Memory kann einzeln verwendet werden oder mit der Crew, einzelnen Agenten oder Flows geteilt werden.

Bei Aktivierung der Standard-Memory-Einstellungen kann das Embedding-Modell aufgerufen werden, wodurch die Kosten für das Modell steigen; sensible Informationen erfordern außerdem eine Festlegung von Gültigkeitsbereichen und Löschstrategien.

Human-in-the-loop und Guardrails

Der Prozess kann um menschliche Rückmeldung oder Genehmigung der Ergebnisse der einzelnen Schritte gebeten werden. Guardrails dienen dazu, Struktur, Inhalt sowie Geschäftsregeln zu überprüfen. Bei hochriskanten Aufgaben wie der Kommunikation mit Kunden, finanziellen Entscheidungen oder dem Schreiben von Daten sollte die menschliche Genehmigung als Teil des Prozesses berücksichtigt werden – anstatt sich ausschließlich auf die Selbstüberprüfung durch das Modell zu verlassen.

Tracking und Observierbarkeit

Der Produktionsagent muss Aufrufe des Modells, Aufrufe von Tools, Zustandsänderungen, Kosten, Fehler sowie Wiederholungsversuche protokollieren. Das CrewAI-Framework unterstützt die Integration von Ereignissen und Beobachtungen, während AMP eine zentrale Überwachung der Bereitstellung und des Betriebs bietet.

Die Protokolle können Anweisungen, Kundendaten sowie Schlüsselteile enthalten; daher sollten sie maskiert und der Zugriff darauf kontrolliert werden.

Vergleich der CrewAI-Versionen und Preise

Das Open-Source-Framework CrewAI wird unter der MIT-Lizenz bereitgestellt und kann kostenlos installiert, angepasst und für kommerzielle Zwecke genutzt werden. CrewAI AMP richtet sich an Produktions- und Unternehmenskunden. Auf der offiziellen Website werden derzeit keine festen Preise angegeben; es ist notwendig, sich anzumelden oder den Vertrieb zu kontaktieren, um ein Angebot zu erhalten.

Modelle, APIs, Datenbanken, Suchfunktionen sowie die Cloud-Infrastruktur können stets separat berechnet werden.

Die offizielle AMP-Webseite betont, dass die Lösung auf CrewAI Cloud, in einer eigenen VPC oder in eigener Infrastruktur eingesetzt werden kann. Zudem werden Unterstützung für Unternehmen sowie Schulungsangebote bereitgestellt. Der endgültige Preis hängt von der Anzahl der Nutzer, dem Umfang der Durchführung, der Art der Implementierung, dem Support-Niveau sowie den Sicherheitsanforderungen des Unternehmens ab – es gelten dabei die Bestimmungen des Vertrags.

Wie wählt man zwischen Crews und Flows aus?

Anleitung zur Installation und Entwicklung von CrewAI

1. Vorbereitung der Umgebung:Installieren Sie eine unterstützte Version von Python sowie uv, um eigenständige Projekte und virtuelle Umgebungen zu erstellen.
2. Installation von CrewAI:Installieren Sie CrewAI; fügen Sie bei Bedarf das offizielle Werkzeugset mit CrewAI-Tools hinzu.
3. Projekt erstellen:Verwenden Sie die CLI, um eine Crew- oder Flow-Projektstruktur zu erstellen, und speichern Sie die Schlüssel in Umgebungsvariablen statt im Code.
4. Definition von Agent:Für jede Rolle legen Sie Ziele, Hintergrund, Modell, Werkzeuge, Delegationsrechte und eine Obergrenze für Iterationen fest.
5. Definition von Task:Geben Sie Eingabe, erwartetes Ergebnis, verantwortliche Rolle, Kontext und Guardrail klar an.
6. Auswahl der Anordnung:Für einfache Zusammenarbeit wird Crew verwendet; bei der Notwendigkeit von Branchen, Statusinformationen und manueller Freigabe wird Flow genutzt.
7. Lokale Tests:Normaler Betrieb, Abweichungen, Tool-Timeouts und von geringer Qualität stammende Eingaben – hier können Trace-Daten, Kosten sowie die Struktur der Ausgabe angezeigt werden.
8. Einsatz:Es kann als eigenständiger Service verpackt werden oder über CLI, GitHub-Integrationen oder Crew Studio in AMP bereitgestellt werden.

Typische Anwendungsfallen

• Ein Team aus Forschern, die Daten sammeln, Analysten, die Erkenntnisse herausarbeiten, und Schreibern, die die Berichte erstellen;
• Verkaufsautomatisierung durch Datensammlung, Bewertung, personalisierte E-Mails und CRM-Updates;
• Protokolle von Besprechungen einlesen, Handlungspunkte extrahieren und den Betriebsablauf der Projektwerkzeuge synchronisieren;
• Dokumentenfragen, Klassifizierung von Rechnungen und Kundensupport, der eine manuelle Bearbeitung erfordert;
• Kombination der Python-basierten Geschäftslogik mit langfristigen Workflows für mehrere Crews und Genehmigungsstufen.

CrewAI-Anleitung

Erstellung wiederverwendbarer professioneller Workflows

1. Wählen Sie ein real existierendes Projekt mit niedrigem Risiko als Vorlage aus;
2. Festlegung der Kernkonzepte von CrewAI, wie Crews und Flows ausgewählt werden sowie die Reihenfolge der Verwendung in typischen Anwendungsfallen;
3. Erfassen von Umgebung, Modellen, Hinweisen und Fehlbedingungen;
4. Manuelle Freigabe für Schreib-, Bereitstellungs- und Löschvorgänge einrichten;
5. Vergleichen Sie Geschwindigkeit, Kosten, Testbestehensrate und Anzahl der Nacharbeiten;
6. Erst nach Überprüfung der Stabilität auf Team- oder Produktionsumgebung ausweiten;

Vorteile und Bedenken

• Der Vorteil von CrewAI ist das intuitive Konzept: Der Agent übernimmt eine Rolle, die Aufgabe repräsentiert die zu erledigende Arbeit, Crew steuert die Zusammenarbeit und Flow bietet eine bestimmte Kontrolle.
• Das Framework ist neutral, open source und verfügt über umfangreiche Dokumentationen, Cookbooks sowie schnelle Beispiele – ideal für Python-Teams, um Multi-Agentensysteme schnell zu testen.
• Mehr-Agenten sind nicht unbedingt besser als ein einzelner Agent;
• Jeder zusätzliche Charakter führt zu mehr Modellaufrufen, Verzögerungen, Zuständen und Fehlern.
• Vor der Produktion muss zunächst nachgewiesen werden, dass tatsächlich eine Aufteilung der Rollen erforderlich ist, und es müssen Budgets sowie Obergrenzen für wiederholte Aufrufe sowie Fehler bei den Werkzeugen festgelegt werden.
• Dritte LLMs und Tools werden nach ihren jeweiligen Preisen abgerechnet, und selbst wenn das Framework kostenlos ist, können die Betriebskosten hoch sein;
• Wenn ein Agent über Tools mit Berechtigungen verfügt, kann dies zu externen Auswirkungen führen. Daher sollten minimale Berechtigungen, Sandboxes, strukturierte Eingaben, Idempotenz, manuelle Freigabe sowie Audits angewandt werden.
• Veröffentlichen Sie keine Entwicklungsumgebungs-Schlüssel, interne Dateien und Anwendungen mit hohen Berechtigungen direkt an unüberprüfte Anfragen.

Häufige Fragen

Ist CrewAI kostenlos?

Das Open-Source-Python-Framework ist kostenlos und wird unter der MIT-Lizenz bereitgestellt. AMP ist eine kommerzielle Produktionsplattform – auf der offiziellen Website wird kein fester Preis angegeben.

Modelle und Infrastruktur werden ebenfalls extra berechnet.

Muss CrewAI OpenAI verwenden?

Das ist nicht notwendig. CrewAI kann mit verschiedenen Cloud- und lokalen Modellen konfiguriert werden, doch die genauen Funktionalitäten bezüglich der Tool-Aufrufe, der strukturierten Ausgaben sowie der Kontextverarbeitung beeinflussen die Leistung.

Was ist der Unterschied zwischen Crew und Flow?

Crew betont die selbstständige Zusammenarbeit mehrerer Rollen; Flow betont Zustände, Ereignisse, Bedingungen und klare Steuerung.

Komplexe Anwendungen rufen in Flow in der Regel eine oder mehrere Crews auf.

Unterstützt CrewAI eine private Bereitstellung?

Offene Frameworks können eigenständig implementiert werden. Enterprise AMP bietet zudem die Optionen Factory und Hybrid, wodurch sie auf eigener Infrastruktur oder in einem hybriden Umfeld laufen kann. Für weitere Details wenden Sie sich bitte an den Vertrieb.

Ist CrewAI open source?

Der Kernrahmen ist open source; das offizielle GitHub-Repo wird unter der MIT-Lizenz bereitgestellt. Die AMP-Konsole, die Unternehmenssteuerung sowie die Hosting-Dienste sind nicht identisch mit dem open source Framework.