Pular para o conteúdo principal

​
A Mentalidade Flow-First

Ao construir aplicações de IA de produção com CrewAI, recomendamos começar com um Flow. Embora seja possível executar Crews ou Agentes individuais, envolvê-los em um Flow fornece a estrutura necessária para uma aplicação robusta e escalável.

​
Por que Flows?

  1. Gerenciamento de Estado: Flows fornecem uma maneira integrada de gerenciar o estado em diferentes etapas da sua aplicação. Isso é crucial para passar dados entre Crews, manter o contexto e lidar com entradas do usuário.
  2. Controle: Flows permitem definir caminhos de execução precisos, incluindo loops, condicionais e lógica de ramificação. Isso é essencial para lidar com casos extremos e garantir que sua aplicação se comporte de maneira previsível.
  3. Observabilidade: Flows fornecem uma estrutura clara que facilita o rastreamento da execução, a depuração de problemas e o monitoramento do desempenho. Recomendamos o uso do CrewAI Tracing para insights detalhados. Basta executar crewai login para habilitar recursos de observabilidade gratuitos.

​
A Arquitetura

Uma aplicação CrewAI de produção típica se parece com isso:

​
1. A Classe Flow

Sua classe Flow é o ponto de entrada. Ela define o esquema de estado e os métodos que executam sua lógica. 
from crewai.flow.flow import Flow, listen, start
from pydantic import BaseModel

class AppState(BaseModel):
    user_input: str = ""
    research_results: str = ""
    final_report: str = ""

class ProductionFlow(Flow[AppState]):
    @start()
    def gather_input(self):
        # ... lógica para obter entrada ...
        pass

    @listen(gather_input)
    def run_research_crew(self):
        # ... acionar um Crew ...
        pass

​
2. Gerenciamento de Estado

Use modelos Pydantic para definir seu estado. Isso garante a segurança de tipos e deixa claro quais dados estão disponíveis em cada etapa.
  • Mantenha o mínimo: Armazene apenas o que você precisa persistir entre as etapas.
  • Use dados estruturados: Evite dicionários não estruturados quando possível.

​
3. Crews como Unidades de Trabalho

Delegue tarefas complexas para Crews. Um Crew deve ser focado em um objetivo específico (por exemplo, “Pesquisar um tópico”, “Escrever uma postagem no blog”).
  • Não superengendre Crews: Mantenha-os focados.
  • Passe o estado explicitamente: Passe os dados necessários do estado do Flow para as entradas do Crew.
    @listen(gather_input)
    def run_research_crew(self):
        crew = ResearchCrew()
        result = crew.kickoff(inputs={"topic": self.state.user_input})
        self.state.research_results = result.raw

​
Primitivas de Controle

Aproveite as primitivas de controle do CrewAI para adicionar robustez e controle aos seus Crews.

​
1. Task Guardrails

Use Task Guardrails para validar as saídas das tarefas antes que sejam aceitas. Isso garante que seus agentes produzam resultados de alta qualidade. 
def validate_content(result: TaskOutput) -> Tuple[bool, Any]:
    if len(result.raw) < 100:
        return (False, "Content is too short. Please expand.")
    return (True, result.raw)

task = Task(
    ...,
    guardrail=validate_content
)

​
2. Saídas Estruturadas

Sempre use saídas estruturadas (output_pydantic ou output_json) ao passar dados entre tarefas ou para sua aplicação. Isso evita erros de análise e garante a segurança de tipos. 
class ResearchResult(BaseModel):
    summary: str
    sources: List[str]

task = Task(
    ...,
    output_pydantic=ResearchResult
)

​
3. LLM Hooks

Use LLM Hooks para inspecionar ou modificar mensagens antes que elas sejam enviadas para o LLM, ou para higienizar respostas. 
@before_llm_call
def log_request(context):
    print(f"Agent {context.agent.role} is calling the LLM...")

​
Padrões de Implantação

Ao implantar seu Flow, considere o seguinte:

​
CrewAI Enterprise

A maneira mais fácil de implantar seu Flow é usando o CrewAI Enterprise. Ele lida com a infraestrutura, autenticação e monitoramento para você. Confira o Guia de Implantação para começar. 
crewai deploy create

​
Execução Assíncrona

Para tarefas de longa duração, use kickoff_async para evitar bloquear sua API.

​
Persistência

Use o decorador @persist para salvar o estado do seu Flow em um banco de dados. Isso permite retomar a execução se o processo falhar ou se você precisar esperar pela entrada humana. 
@persist
class ProductionFlow(Flow[AppState]):
    # ...

​
Resumo

  • Comece com um Flow.
  • Defina um Estado claro.
  • Use Crews para tarefas complexas.
  • Implante com uma API e persistência.