CrewAI

Qu’est-ce que CrewAI ?

CrewAI est un framework d’orchestration multi-agents open source basé sur Python, conçu pour permettre à plusieurs agents IA dotés de rôles, d’objectifs, d’outils et de connaissances différents de collaborer afin d’accomplir des tâches complexes. Les développeurs peuvent assigner des tâches telles que la recherche, l’analyse, la rédaction, la révision et l’interaction avec des systèmes externes à différents agents, puis gérer l’ordre d’exécution, les états et les transferts via Crew ou Flow.

Les frameworks open source conviennent au développement local et à une mise en œuvre personnalisée ; CrewAI AMP (Agent Management Platform) est quant à lui une plateforme commerciale qui, sur la base de ces frameworks, offre des services de déploiement, de surveillance, d’élargissement ou de réduction des ressources, ainsi que des fonctionnalités de gestion des droits et de gouvernance d’entreprise.

Il convient de faire la distinction entre les deux : utiliser un paquet Python ne revient pas à acheter AMP, et la capacité de production d’AMP n’est pas entièrement incluse dans les frameworks open source.

Concepts fondamentaux de CrewAI

Agent

Un Agent représente un agent intelligent doté de responsabilités bien définies, comprenant généralement un rôle, un objectif, un contexte historique, un LLM, des outils et des restrictions d’exécution. Un Agent de recherche peut appeler des outils de recherche et de documentation, tandis qu’un Agent d’écriture génère du contenu en fonction des résultats de la recherche.

Plus la description du rôle est claire, plus il est facile pour l’Agent de faire des choix d’outils et de produire des résultats cohérents.

Task

Une tâche définit le travail spécifique, la sortie attendue, le contexte d’entrée et l’agent responsable. Les tâches peuvent être exécutées séquentiellement, ou de manière parallèle selon une architecture ou réparties hiérarchiquement.

La sortie attendue ne doit pas se limiter à « Analyse terminée », mais doit préciser le format, les champs, les normes de qualité et la gestion des échecs.

Crew

Crew organise les Agents et les Tâches en équipes de collaboration. Le flux séquentiel convient aux étapes fixes telles que la recherche suivie de la rédaction ;

Le flux hiérarchique peut faire attribuer des tâches par l’agent de gestion.

Crews met l’accent sur la collaboration entre les rôles et la délégation autonome, et est adapté aux scénarios où les limites de la tâche sont claires mais où les chemins de raisonnement intermédiaires doivent être déterminés par l’Agent.

Flow

Flow est une couche de flux de travail pilotée par des événements, qui offre un contrôle précis sur l’état, les écouteurs, le routage, les branches conditionnelles, la persistance et l’ordre d’exécution. Dans Flow, il est possible d’appeler des fonctions Python ordinaires ainsi que de lancer une ou plusieurs Crew.

Pour les systèmes qui nécessitent des étapes métier déterministes, une récupération en cas d’erreur, une approbation manuelle et l’orchestration de processus longs, Flow est généralement plus adapté que l’utilisation uniquement de Crew.

Outils d’intégration avec les applications d’entreprise

Les outils permettent à l’agent de rechercher sur le web, de lire des fichiers, de consulter des bases de données, d’appeler des API ou d’interagir avec des applications métier. CrewAI Tools comprend des fonctionnalités couramment utilisées, et les AMP d’entreprise peuvent également se connecter à des applications telles que Gmail, Google Drive, HubSpot, Slack, etc., via OAuth.

Lors de la connexion à des systèmes externes, il est nécessaire de limiter l’étendue des autorisations et d’imposer une validation pour les opérations d’envoi, de modification et de suppression.

Mémoire et Connaissance

Le système Memory unifié peut stocker des faits dans la mémoire sémantique et les récupérer en fonction de la similarité, du temps et de l’importance. Memory peut être utilisé indépendamment ou partagé avec une équipe, un agent individuel ou un flux.

L’activation de la mémoire par défaut peut entraîner l’appel du modèle d’Embedding, ce qui augmente les coûts du modèle ; les informations sensibles nécessitent également une définition de portée et une stratégie de nettoyage.

Human-in-the-loop et Guardrails

Le processus peut demander un retour humain ou l’approbation des résultats des étapes ; Guardrails sert à vérifier la structure, le contenu et les règles métier. Pour les tâches à haut risque telles que la communication avec les clients, les décisions financières ou l’écriture de données, l’approbation humaine doit faire partie des étapes du processus, plutôt que de se fier uniquement aux auto-vérifications du modèle.

Traçage et observabilité

L’agent de production doit enregistrer les appels de modèles, les appels d’outils, les changements d’état, les coûts, les erreurs et les tentatives de réessai. Le framework CrewAI prend en charge l’intégration des événements et des observations, tandis qu’AMP offre une surveillance plus centralisée du déploiement et du fonctionnement.

Les journaux peuvent contenir des prompts, des données clients et des fragments de clés ; ils doivent faire l’objet de masquage et de contrôle d’accès.

Comparaison des versions et des prix de CrewAI

Le framework open source CrewAI est licencié sous la licence MIT, permettant une installation, des modifications et une utilisation commerciale gratuites. CrewAI AMP s’adresse aux clients en environnement de production et aux entreprises ; le site officiel ne divulgue pas actuellement de prix fixes pour les forfaits, il est nécessaire de s’inscrire ou de contacter le service commercial pour obtenir un devis.

L’API du modèle, la base de données, la recherche et l’infrastructure cloud peuvent toujours faire l’objet d’un frais supplémentaire.

Le site officiel d’AMP souligne qu’il peut être déployé sur CrewAI Cloud, une VPC propre ou une infrastructure propre, et propose un accompagnement pour les entreprises débutantes, un soutien technique ainsi que des formations. Le prix final dépend du nombre de postes, de l’échelle d’exécution, du mode de déploiement, du niveau de support et des exigences de sécurité de l’entreprise ; il doit être conforme au contrat.

Comment choisir entre Crews et Flows

Guide d’installation et de développement de CrewAI

1. Préparer l’environnement :Installez des versions supportées de Python et uv, puis créez un projet indépendant et un environnement virtuel.
2. Installer CrewAI :Installez crewai ; ajoutez crewai-tools si vous avez besoin du ensemble d’outils officiels.
3. Créer un projet :Utilisez la CLI pour générer la structure de projet Crew ou Flow, et stockez les clés dans des variables d’environnement plutôt que dans le code.
4. Définition d’Agent :Définir pour chaque rôle des objectifs, un contexte, un modèle, des outils, des autorisations de délégation et une limite d’itérations.
5. Définir une tâche :Indiquez l’entrée, le résultat attendu, le rôle responsable, le contexte et les contraintes.
6. Sélectionner l’agencement :Utilisez Crew pour une collaboration simple ; utilisez Flow lorsque des branches, un suivi d’état et une approbation manuelle sont nécessaires.
7. Test local :Fonctionnement normal, anomalies, délais d’exécution des outils et entrées de faible qualité : consultez les traces, les coûts et la structure des sorties.
8. Déploiement :Il peut être emballé en service indépendant, ou déployé sur AMP via la CLI, des intégrations GitHub ou Crew Studio.

Scénarios d’application typiques

• Équipe de contenu composée de chercheurs qui collectent des informations, d’analystes qui dégagent des opinions et de rédacteurs qui élaborent les rapports ;
• Automatisation des ventes : collecte d’indicateurs, évaluation, e-mails personnalisés et mises à jour CRM ;
• Processus opérationnel de lecture des procès-verbaux de réunion, d’extraction des actions à entreprendre et de synchronisation des outils de projet ;
• Questions-réponses sur les documents, classification des factures et support client nécessitant une intervention manuelle ;
• Intégration de la logique métier Python et de workflows à long terme avec plusieurs équipes et étapes d’approbation.

Guide d’utilisation de CrewAI

Créer des flux de travail professionnels réutilisables

1. Choisir un projet réel à faible risque comme modèle ;
2. Fixer les concepts fondamentaux de CrewAI, la manière de choisir les Crews et les Flows ainsi que l’ordre d’utilisation dans les scénarios d’application typiques ;
3. Enregistrer l’environnement, le modèle, les indications et les conditions d’échec ;
4. Définir une approbation manuelle pour les actions d’écriture, de déploiement et de suppression ;
5. Comparer la vitesse, le coût, le taux de réussite des tests et le volume de rétravail ;
6. Vérifiez la stabilité avant de l’étendre à l’équipe ou à l’environnement de production ;

Avantages et précautions

• L’avantage de CrewAI est son concept intuitif : l’Agent joue un rôle, la Tâche représente le travail, Crew gère la collaboration, et Flow assure un contrôle déterministe.
• Le modèle de cadre est neutre, open source, et dispose d’une abondance de documents, de livres de recettes et d’exemples rapides, ce qui le rend adapté aux équipes Python pour valider rapidement des systèmes multi-agents.
• Plusieurs agents ne sont pas nécessairement meilleurs qu’un seul agent ;
• Chaque ajout de personnage entraîne une augmentation des appels au modèle, des délais, des états et des points de défaillance.
• Avant la production, il convient de démontrer que la tâche nécessite réellement une division des rôles, et d’établir des budgets et des plafonds pour les appels cycliques et répétitifs ainsi que pour les erreurs d’outil.
• Les LLM et outils tiers sont facturés selon leurs prix respectifs, et même si le framework est gratuit, les coûts de fonctionnement peuvent être élevés ;
• Lorsque l’agent dispose de droits d’accès aux outils, cela peut avoir des effets externes ; il convient donc d’appliquer le principe du minimum de privilèges, des sandbox, des entrées structurées, de l’idempotence, de l’approbation manuelle et de l’audit.
• Ne mettez pas en exposition directe les clés d’environnement de développement, les fichiers internes et les applications à hauts privilèges auprès de prompts non vérifiés ;

Questions fréquentes

CrewAI est-il gratuit ?

Le framework Python open source est gratuit et est licencié sous la licence MIT. AMP est une plateforme commerciale de production, et son site officiel ne mentionne pas de prix fixe unique ;

Les modèles et l’infrastructure sont également facturés séparément.

CrewAI doit-il utiliser OpenAI ?

Ce n’est pas obligatoire. CrewAI peut être configuré avec divers modèles cloud et locaux, mais les appels d’outils spécifiques, les sorties structurées et les capacités de contexte influencent la performance.

Quelle est la différence entre Crew et Flow ?

Crew met l’accent sur la collaboration autonome de plusieurs rôles ; Flow met l’accent sur les états, les événements, les conditions et un contrôle clair.

Les applications complexes appellent généralement une ou plusieurs équipes dans Flow.

CrewAI prend-il en charge le déploiement privé ?

Les frameworks open source peuvent être déployés par soi-même. Enterprise AMP propose également des options Factory et Hybrid, permettant de fonctionner sur des infrastructures propres ou dans un environnement hybride ; pour connaître les conditions spécifiques, veuillez contacter le service des ventes.

CrewAI est-il open source ?

Le cadre de base est open source, et le dépôt officiel sur GitHub est soumis à la licence MIT. La console d’AMP, la gouvernance d’entreprise et les services d’hébergement ne sont pas équivalents au framework open source.