만든 곳 CrewAI
역할 기반 멀티에이전트 오케스트레이션 — 목표와 작업을 가진 에이전트들을 crew로 묶습니다.
문서버전 1.0 · 업데이트
CrewAI는 역할이 다른 에이전트들을 crew(팀)로 묶어 목표를 향해 협업하게 합니다.
각 에이전트는 역할·목표·배경을 갖고, crew에 작업 목록을 주면 kickoff이 순차 또는 병렬로 실행합니다.
flowchart LR agents[agents] --> crew[Crew] tasks[tasks] --> crew crew --> out[result]
코드 샘플 탭에는 단일 에이전트와 멀티에이전트 순차 실행 예시가 있습니다 — 선택기에서 골라 비교해 보세요.
작업이 역할별로 자연스럽게 나뉘고(조사·작성·검토) 그 협업을 고수준으로 구성하고 싶을 때 CrewAI를 쓰세요.
오픈소스 프레임워크라 무료로 셀프호스트할 수 있고, CrewAI AMP 클라우드는 관리형 실행·오케스트레이션을 더합니다.
| 플랜 | 가격 | 비고 |
|---|---|---|
| Free | $0 | 월 50회 실행, 커뮤니티 지원 |
| Pro | $25/월 | 월 100회 실행 포함, 이후 실행당 $0.50 |
| Enterprise | 문의 | SSO·전담 지원·온프레미스 옵션 |
출처 ↗ · 기준일 2026-06-27
역할이 나뉜 에이전트들이 목표를 향해 작업을 협업하게 하고 싶을 때 CrewAI를 쓰세요.
에이전트(역할·목표)와 작업을 선언해 Crew로 묶고, kickoff이 작업을 실행합니다.
flowchart LR agents[agents] --> crew[Crew] tasks[tasks] --> crew crew --> out[result]
from crewai import Agent, Task, Crew
# llm is a provider/model string; CrewAI uses native providers (crewai[anthropic]).
researcher = Agent(
role="Researcher",
goal="Explain tools clearly and briefly",
backstory="A concise technical writer.",
llm="anthropic/claude-opus-4-8",
)
task = Task(
description="Summarize what CrewAI does in one sentence.",
expected_output="a single sentence",
agent=researcher,
)
crew = Crew(agents=[researcher], tasks=[task])
print(crew.kickoff())
한 에이전트가 다음으로 일을 넘기는 구조(조사 후 작성)일 때 여러 에이전트를 순차로 쓰세요.
순차 프로세스가 작업을 순서대로 실행하며 한 에이전트의 맥락을 다음으로 넘깁니다.
flowchart LR r[Researcher] --> w[Writer] w --> out[tweet]
from crewai import Agent, Task, Crew, Process
researcher = Agent(role="Researcher", goal="Find key facts",
backstory="Thorough.", llm="openai/gpt-4o")
writer = Agent(role="Writer", goal="Write a tweet",
backstory="Punchy.", llm="openai/gpt-4o")
facts = Task(description="List 3 facts about vector databases.",
expected_output="3 bullets", agent=researcher)
tweet = Task(description="Turn the facts into one tweet.",
expected_output="a tweet", agent=writer)
crew = Crew(agents=[researcher, writer], tasks=[facts, tweet],
process=Process.sequential)
print(crew.kickoff())
실제로 실행 가능한 미니 프로젝트입니다. 받아서 Docker로 실행해 보세요.
2026년 6월 28일
CrewAI — 한 명짜리 crew아주 작은 CrewAI 스크립트입니다. 에이전트(역할 + 목표)와
작업을 정의해 Crew로 묶고 kickoff으로 실행합니다.
cd samples/crewai_1
cp .env.sample .env
# .env 편집: ANTHROPIC_API_KEY 설정
CrewAI 1.x는 네이티브 모델 provider를 쓰므로, 이 샘플은 crewai[anthropic]을
설치하고 anthropic/claude-opus-4-8을 기본으로 합니다. 다른 제공자를 쓰려면 해당
extra(예: crewai[openai])를 추가하고 MODEL을 바꾸세요. .env는 gitignore 처리되어
있고, .env.sample만 커밋됩니다.
cd samples/crewai_1
docker build -t aas-crewai .
docker run --rm --env-file .env aas-crewai "CrewAI"
호스트 Docker 데몬과 통신하는 dev container(Docker-outside-of-Docker)에서는 위의
포그라운드 docker run이 종종 아무것도 출력하지 않고 exit 0으로 끝납니다. 하지만
실행 자체는 성공한 것입니다. 스크립트는 끝까지 실행되고 출력도 Docker가 모두
캡처하는데, 실시간 attach 스트림만 그 출력을 VM 경계에서 흘려버립니다.
detached로 실행하고 로그를 따라가세요:
cd samples/crewai_1
docker build -t aas-crewai .
docker logs -f "$(docker run -d --env-file .env aas-crewai "CrewAI")"
cd samples/crewai_1
pip install -r requirements.txt
python app.py "CrewAI"
python-dotenv가 .env를 자동으로 불러옵니다.
모델과 실행마다 결과가 달라집니다 — LLM은 비결정적이라 표현이 매번 다릅니다. 아래는
anthropic/claude-opus-4-8로 실행한 한 예입니다.
CrewAI is an open-source framework for orchestrating multiple AI agents that
collaborate as a coordinated team to automate complex tasks.
파일
# Copy this file to `.env` and add your Anthropic API key.
# cp .env.sample .env
#
# CrewAI 1.x uses native model providers (not LiteLLM), so this sample installs
# crewai[anthropic] and defaults to Claude. To use another provider, add its
# extra (e.g. crewai[openai]) and change MODEL.
MODEL=anthropic/claude-opus-4-8
ANTHROPIC_API_KEY=
# Local secrets — never commit the real .env
.env
# ...but keep the committed template (root .gitignore's `.env.*` would hide it).
!.env.sample
"""CrewAI: a one-agent crew that runs a task.
Defines an agent (role + goal) and a task, groups them in a Crew, and kicks it
off. The agent's `llm` is a LiteLLM-style string, so MODEL in `.env` picks the
provider without touching the code.
Run:
docker build -t aas-crewai .
docker run --rm --env-file .env aas-crewai "CrewAI"
"""
import os
import sys
from crewai import Agent, Crew, Task
from dotenv import load_dotenv
# Load .env when running locally; in Docker the keys come from --env-file.
load_dotenv()
MODEL = os.environ.get("MODEL", "anthropic/claude-opus-4-8")
def main() -> None:
topic = " ".join(sys.argv[1:]) or "CrewAI"
writer = Agent(
role="Technical writer",
goal="Explain tools clearly and briefly",
backstory="You write concise one-sentence summaries.",
llm=MODEL,
)
task = Task(
description=f"Summarize what {topic} does in one sentence.",
expected_output="a single sentence",
agent=writer,
)
crew = Crew(agents=[writer], tasks=[task])
print(crew.kickoff())
if __name__ == "__main__":
main()
# Image for the CrewAI sample. CrewAI pulls a large dependency set (litellm,
# chromadb, ...), so the first build is slow.
FROM python:3.13-slim
ENV PYTHONUNBUFFERED=1
# CrewAI sends anonymous telemetry by default; opt out for a clean, offline run.
ENV CREWAI_DISABLE_TELEMETRY=true
ENV OTEL_SDK_DISABLED=true
WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt
COPY app.py .
# Provide your config at run time (.env is NOT baked into the image):
# docker run --rm --env-file .env aas-crewai "<topic>"
ENTRYPOINT ["python", "app.py"]
crewai[anthropic]>=1.0,<2
python-dotenv>=1.2,<2