diff --git a/README.md b/README.md index 3d3eb3324..a448e6355 100644 --- a/README.md +++ b/README.md @@ -62,9 +62,9 @@ With over 100,000 developers certified through our community courses at [learn.crewai.com](https://learn.crewai.com), CrewAI is rapidly becoming the standard for enterprise-ready AI automation. -# CrewAI Enterprise Suite +# CrewAI AMP Suite -CrewAI Enterprise Suite is a comprehensive bundle tailored for organizations that require secure, scalable, and easy-to-manage agent-driven automation. +CrewAI AMP Suite is a comprehensive bundle tailored for organizations that require secure, scalable, and easy-to-manage agent-driven automation. You can try one part of the suite the [Crew Control Plane for free](https://app.crewai.com) @@ -76,9 +76,9 @@ You can try one part of the suite the [Crew Control Plane for free](https://app. - **Advanced Security**: Built-in robust security and compliance measures ensuring safe deployment and management. - **Actionable Insights**: Real-time analytics and reporting to optimize performance and decision-making. - **24/7 Support**: Dedicated enterprise support to ensure uninterrupted operation and quick resolution of issues. -- **On-premise and Cloud Deployment Options**: Deploy CrewAI Enterprise on-premise or in the cloud, depending on your security and compliance requirements. +- **On-premise and Cloud Deployment Options**: Deploy CrewAI AMP on-premise or in the cloud, depending on your security and compliance requirements. -CrewAI Enterprise is designed for enterprises seeking a powerful, reliable solution to transform complex business processes into efficient, +CrewAI AMP is designed for enterprises seeking a powerful, reliable solution to transform complex business processes into efficient, intelligent automations. ## Table of contents @@ -674,9 +674,9 @@ CrewAI is released under the [MIT License](https://github.com/crewAIInc/crewAI/b ### Enterprise Features -- [What additional features does CrewAI Enterprise offer?](#q-what-additional-features-does-crewai-enterprise-offer) -- [Is CrewAI Enterprise available for cloud and on-premise deployments?](#q-is-crewai-enterprise-available-for-cloud-and-on-premise-deployments) -- [Can I try CrewAI Enterprise for free?](#q-can-i-try-crewai-enterprise-for-free) +- [What additional features does CrewAI AMP offer?](#q-what-additional-features-does-crewai-amp-offer) +- [Is CrewAI AMP available for cloud and on-premise deployments?](#q-is-crewai-amp-available-for-cloud-and-on-premise-deployments) +- [Can I try CrewAI AMP for free?](#q-can-i-try-crewai-amp-for-free) ### Q: What exactly is CrewAI? @@ -732,17 +732,17 @@ A: Check out practical examples in the [CrewAI-examples repository](https://gith A: Contributions are warmly welcomed! Fork the repository, create your branch, implement your changes, and submit a pull request. See the Contribution section of the README for detailed guidelines. -### Q: What additional features does CrewAI Enterprise offer? +### Q: What additional features does CrewAI AMP offer? -A: CrewAI Enterprise provides advanced features such as a unified control plane, real-time observability, secure integrations, advanced security, actionable insights, and dedicated 24/7 enterprise support. +A: CrewAI AMP provides advanced features such as a unified control plane, real-time observability, secure integrations, advanced security, actionable insights, and dedicated 24/7 enterprise support. -### Q: Is CrewAI Enterprise available for cloud and on-premise deployments? +### Q: Is CrewAI AMP available for cloud and on-premise deployments? -A: Yes, CrewAI Enterprise supports both cloud-based and on-premise deployment options, allowing enterprises to meet their specific security and compliance requirements. +A: Yes, CrewAI AMP supports both cloud-based and on-premise deployment options, allowing enterprises to meet their specific security and compliance requirements. -### Q: Can I try CrewAI Enterprise for free? +### Q: Can I try CrewAI AMP for free? -A: Yes, you can explore part of the CrewAI Enterprise Suite by accessing the [Crew Control Plane](https://app.crewai.com) for free. +A: Yes, you can explore part of the CrewAI AMP Suite by accessing the [Crew Control Plane](https://app.crewai.com) for free. ### Q: Does CrewAI support fine-tuning or training custom models? @@ -762,7 +762,7 @@ A: CrewAI is highly scalable, supporting simple automations and large-scale ente ### Q: Does CrewAI offer debugging and monitoring tools? -A: Yes, CrewAI Enterprise includes advanced debugging, tracing, and real-time observability features, simplifying the management and troubleshooting of your automations. +A: Yes, CrewAI AMP includes advanced debugging, tracing, and real-time observability features, simplifying the management and troubleshooting of your automations. ### Q: What programming languages does CrewAI support? diff --git a/docs/docs.json b/docs/docs.json index dd2d0f302..37c7679f0 100644 --- a/docs/docs.json +++ b/docs/docs.json @@ -9,7 +9,22 @@ }, "favicon": "/images/favicon.svg", "contextual": { - "options": ["copy", "view", "chatgpt", "claude"] + "options": [ + "copy", + "view", + "chatgpt", + "claude", + "perplexity", + "mcp", + "cursor", + "vscode", + { + "title": "Request a feature", + "description": "Join the discussion on GitHub to request a new feature", + "icon": "plus", + "href": "https://github.com/crewAIInc/crewAI/issues/new/choose" + } + ] }, "navigation": { "languages": [ @@ -40,6 +55,16 @@ ] }, "tabs": [ + { + "tab": "Home", + "icon": "house", + "groups": [ + { + "group": "Welcome", + "pages": ["index"] + } + ] + }, { "tab": "Documentation", "icon": "book-open", @@ -225,9 +250,9 @@ "group": "Integrations", "icon": "plug", "pages": [ - "en/tools/tool-integrations/overview", - "en/tools/tool-integrations/bedrockinvokeagenttool", - "en/tools/tool-integrations/crewaiautomationtool" + "en/tools/integration/overview", + "en/tools/integration/bedrockinvokeagenttool", + "en/tools/integration/crewaiautomationtool" ] }, { @@ -279,6 +304,7 @@ "en/learn/force-tool-output-as-result", "en/learn/hierarchical-process", "en/learn/human-input-on-execution", + "en/learn/human-in-the-loop", "en/learn/kickoff-async", "en/learn/kickoff-for-each", "en/learn/llm-connections", @@ -295,7 +321,7 @@ ] }, { - "tab": "Enterprise", + "tab": "AMP", "icon": "briefcase", "groups": [ { @@ -303,15 +329,27 @@ "pages": ["en/enterprise/introduction"] }, { - "group": "Features", + "group": "Build", + "pages": [ + "en/enterprise/features/automations", + "en/enterprise/features/crew-studio", + "en/enterprise/features/marketplace", + "en/enterprise/features/agent-repositories", + "en/enterprise/features/tools-and-integrations" + ] + }, + { + "group": "Operate", "pages": [ - "en/enterprise/features/rbac", - "en/enterprise/features/tool-repository", - "en/enterprise/features/webhook-streaming", "en/enterprise/features/traces", - "en/enterprise/features/hallucination-guardrail", - "en/enterprise/features/integrations", - "en/enterprise/features/agent-repositories" + "en/enterprise/features/webhook-streaming", + "en/enterprise/features/hallucination-guardrail" + ] + }, + { + "group": "Manage", + "pages": [ + "en/enterprise/features/rbac" ] }, { @@ -335,6 +373,22 @@ "en/enterprise/integrations/zendesk" ] }, + { + "group": "Triggers", + "pages": [ + "en/enterprise/guides/automation-triggers", + "en/enterprise/guides/gmail-trigger", + "en/enterprise/guides/google-calendar-trigger", + "en/enterprise/guides/google-drive-trigger", + "en/enterprise/guides/outlook-trigger", + "en/enterprise/guides/onedrive-trigger", + "en/enterprise/guides/microsoft-teams-trigger", + "en/enterprise/guides/slack-trigger", + "en/enterprise/guides/hubspot-trigger", + "en/enterprise/guides/salesforce-trigger", + "en/enterprise/guides/zapier-trigger" + ] + }, { "group": "How-To Guides", "pages": [ @@ -344,15 +398,11 @@ "en/enterprise/guides/update-crew", "en/enterprise/guides/enable-crew-studio", "en/enterprise/guides/azure-openai-setup", - "en/enterprise/guides/automation-triggers", - "en/enterprise/guides/hubspot-trigger", + "en/enterprise/guides/tool-repository", "en/enterprise/guides/react-component-export", - "en/enterprise/guides/salesforce-trigger", - "en/enterprise/guides/slack-trigger", "en/enterprise/guides/team-management", - "en/enterprise/guides/webhook-automation", "en/enterprise/guides/human-in-the-loop", - "en/enterprise/guides/zapier-trigger" + "en/enterprise/guides/webhook-automation" ] }, { @@ -425,6 +475,16 @@ ] }, "tabs": [ + { + "tab": "Início", + "icon": "house", + "groups": [ + { + "group": "Bem-vindo", + "pages": ["pt-BR/index"] + } + ] + }, { "tab": "Documentação", "icon": "book-open", @@ -600,12 +660,12 @@ ] }, { - "group": "Integrações", + "group": "Integrations", "icon": "plug", "pages": [ - "pt-BR/tools/tool-integrations/overview", - "pt-BR/tools/tool-integrations/bedrockinvokeagenttool", - "pt-BR/tools/tool-integrations/crewaiautomationtool" + "pt-BR/tools/integration/overview", + "pt-BR/tools/integration/bedrockinvokeagenttool", + "pt-BR/tools/integration/crewaiautomationtool" ] }, { @@ -654,6 +714,7 @@ "pt-BR/learn/force-tool-output-as-result", "pt-BR/learn/hierarchical-process", "pt-BR/learn/human-input-on-execution", + "pt-BR/learn/human-in-the-loop", "pt-BR/learn/kickoff-async", "pt-BR/learn/kickoff-for-each", "pt-BR/learn/llm-connections", @@ -670,7 +731,7 @@ ] }, { - "tab": "Enterprise", + "tab": "AMP", "icon": "briefcase", "groups": [ { @@ -678,14 +739,27 @@ "pages": ["pt-BR/enterprise/introduction"] }, { - "group": "Funcionalidades", + "group": "Construir", + "pages": [ + "pt-BR/enterprise/features/automations", + "pt-BR/enterprise/features/crew-studio", + "pt-BR/enterprise/features/marketplace", + "pt-BR/enterprise/features/agent-repositories", + "pt-BR/enterprise/features/tools-and-integrations" + ] + }, + { + "group": "Operar", "pages": [ - "pt-BR/enterprise/features/rbac", - "pt-BR/enterprise/features/tool-repository", - "pt-BR/enterprise/features/webhook-streaming", "pt-BR/enterprise/features/traces", - "pt-BR/enterprise/features/hallucination-guardrail", - "pt-BR/enterprise/features/integrations" + "pt-BR/enterprise/features/webhook-streaming", + "pt-BR/enterprise/features/hallucination-guardrail" + ] + }, + { + "group": "Gerenciar", + "pages": [ + "pt-BR/enterprise/features/rbac" ] }, { @@ -718,14 +792,20 @@ "pt-BR/enterprise/guides/update-crew", "pt-BR/enterprise/guides/enable-crew-studio", "pt-BR/enterprise/guides/azure-openai-setup", - "pt-BR/enterprise/guides/automation-triggers", - "pt-BR/enterprise/guides/hubspot-trigger", + "pt-BR/enterprise/guides/tool-repository", "pt-BR/enterprise/guides/react-component-export", - "pt-BR/enterprise/guides/salesforce-trigger", - "pt-BR/enterprise/guides/slack-trigger", "pt-BR/enterprise/guides/team-management", - "pt-BR/enterprise/guides/webhook-automation", "pt-BR/enterprise/guides/human-in-the-loop", + "pt-BR/enterprise/guides/webhook-automation" + ] + }, + { + "group": "Triggers", + "pages": [ + "pt-BR/enterprise/guides/automation-triggers", + "pt-BR/enterprise/guides/slack-trigger", + "pt-BR/enterprise/guides/hubspot-trigger", + "pt-BR/enterprise/guides/salesforce-trigger", "pt-BR/enterprise/guides/zapier-trigger" ] }, @@ -801,6 +881,16 @@ ] }, "tabs": [ + { + "tab": "홈", + "icon": "house", + "groups": [ + { + "group": "환영합니다", + "pages": ["ko/index"] + } + ] + }, { "tab": "기술 문서", "icon": "book-open", @@ -979,17 +1069,16 @@ "ko/tools/cloud-storage/overview", "ko/tools/cloud-storage/s3readertool", "ko/tools/cloud-storage/s3writertool", - "ko/tools/cloud-storage/bedrockinvokeagenttool", "ko/tools/cloud-storage/bedrockkbretriever" ] }, { - "group": "통합", + "group": "Integrations", "icon": "plug", "pages": [ - "ko/tools/tool-integrations/overview", - "ko/tools/tool-integrations/bedrockinvokeagenttool", - "ko/tools/tool-integrations/crewaiautomationtool" + "ko/tools/integration/overview", + "ko/tools/integration/bedrockinvokeagenttool", + "ko/tools/integration/crewaiautomationtool" ] }, { @@ -1039,6 +1128,7 @@ "ko/learn/force-tool-output-as-result", "ko/learn/hierarchical-process", "ko/learn/human-input-on-execution", + "ko/learn/human-in-the-loop", "ko/learn/kickoff-async", "ko/learn/kickoff-for-each", "ko/learn/llm-connections", @@ -1063,15 +1153,27 @@ "pages": ["ko/enterprise/introduction"] }, { - "group": "특징", + "group": "빌드", + "pages": [ + "ko/enterprise/features/automations", + "ko/enterprise/features/crew-studio", + "ko/enterprise/features/marketplace", + "ko/enterprise/features/agent-repositories", + "ko/enterprise/features/tools-and-integrations" + ] + }, + { + "group": "운영", "pages": [ - "ko/enterprise/features/rbac", - "ko/enterprise/features/tool-repository", - "ko/enterprise/features/webhook-streaming", "ko/enterprise/features/traces", - "ko/enterprise/features/hallucination-guardrail", - "ko/enterprise/features/integrations", - "ko/enterprise/features/agent-repositories" + "ko/enterprise/features/webhook-streaming", + "ko/enterprise/features/hallucination-guardrail" + ] + }, + { + "group": "관리", + "pages": [ + "ko/enterprise/features/rbac" ] }, { @@ -1104,14 +1206,20 @@ "ko/enterprise/guides/update-crew", "ko/enterprise/guides/enable-crew-studio", "ko/enterprise/guides/azure-openai-setup", - "ko/enterprise/guides/automation-triggers", - "ko/enterprise/guides/hubspot-trigger", + "ko/enterprise/guides/tool-repository", "ko/enterprise/guides/react-component-export", - "ko/enterprise/guides/salesforce-trigger", - "ko/enterprise/guides/slack-trigger", "ko/enterprise/guides/team-management", - "ko/enterprise/guides/webhook-automation", "ko/enterprise/guides/human-in-the-loop", + "ko/enterprise/guides/webhook-automation" + ] + }, + { + "group": "트리거", + "pages": [ + "ko/enterprise/guides/automation-triggers", + "ko/enterprise/guides/slack-trigger", + "ko/enterprise/guides/hubspot-trigger", + "ko/enterprise/guides/salesforce-trigger", "ko/enterprise/guides/zapier-trigger" ] }, diff --git a/docs/en/api-reference/introduction.mdx b/docs/en/api-reference/introduction.mdx index 3ee25b14a..3e952574a 100644 --- a/docs/en/api-reference/introduction.mdx +++ b/docs/en/api-reference/introduction.mdx @@ -1,29 +1,29 @@ --- title: "Introduction" -description: "Complete reference for the CrewAI Enterprise REST API" +description: "Complete reference for the CrewAI AMP REST API" icon: "code" mode: "wide" --- -# CrewAI Enterprise API +# CrewAI AMP API -Welcome to the CrewAI Enterprise API reference. This API allows you to programmatically interact with your deployed crews, enabling integration with your applications, workflows, and services. +Welcome to the CrewAI AMP API reference. This API allows you to programmatically interact with your deployed crews, enabling integration with your applications, workflows, and services. ## Quick Start - Navigate to your crew's detail page in the CrewAI Enterprise dashboard and copy your Bearer Token from the Status tab. + Navigate to your crew's detail page in the CrewAI AMP dashboard and copy your Bearer Token from the Status tab. - + Use the `GET /inputs` endpoint to see what parameters your crew expects. - + Call `POST /kickoff` with your inputs to start the crew execution and receive a `kickoff_id`. - + Use `GET /status/{kickoff_id}` to check execution status and retrieve results. @@ -46,7 +46,7 @@ curl -H "Authorization: Bearer YOUR_CREW_TOKEN" \ | **User Bearer Token** | User-scoped access | Limited permissions, suitable for user-specific operations | -You can find both token types in the Status tab of your crew's detail page in the CrewAI Enterprise dashboard. +You can find both token types in the Status tab of your crew's detail page in the CrewAI AMP dashboard. ## Base URL @@ -62,7 +62,7 @@ Replace `your-crew-name` with your actual crew's URL from the dashboard. ## Typical Workflow 1. **Discovery**: Call `GET /inputs` to understand what your crew needs -2. **Execution**: Submit inputs via `POST /kickoff` to start processing +2. **Execution**: Submit inputs via `POST /kickoff` to start processing 3. **Monitoring**: Poll `GET /status/{kickoff_id}` until completion 4. **Results**: Extract the final output from the completed response @@ -82,12 +82,12 @@ The API uses standard HTTP status codes: ## Interactive Testing -**Why no "Send" button?** Since each CrewAI Enterprise user has their own unique crew URL, we use **reference mode** instead of an interactive playground to avoid confusion. This shows you exactly what the requests should look like without non-functional send buttons. +**Why no "Send" button?** Since each CrewAI AMP user has their own unique crew URL, we use **reference mode** instead of an interactive playground to avoid confusion. This shows you exactly what the requests should look like without non-functional send buttons. Each endpoint page shows you: - ✅ **Exact request format** with all parameters -- ✅ **Response examples** for success and error cases +- ✅ **Response examples** for success and error cases - ✅ **Code samples** in multiple languages (cURL, Python, JavaScript, etc.) - ✅ **Authentication examples** with proper Bearer token format @@ -104,7 +104,7 @@ Each endpoint page shows you: **Example workflow:** 1. **Copy this cURL example** from any endpoint page -2. **Replace `your-actual-crew-name.crewai.com`** with your real crew URL +2. **Replace `your-actual-crew-name.crewai.com`** with your real crew URL 3. **Replace the Bearer token** with your real token from the dashboard 4. **Run the request** in your terminal or API client diff --git a/docs/en/changelog.mdx b/docs/en/changelog.mdx index 64674c71d..ed194bebc 100644 --- a/docs/en/changelog.mdx +++ b/docs/en/changelog.mdx @@ -4,6 +4,84 @@ description: "Product updates, improvements, and bug fixes for CrewAI" icon: "clock" mode: "wide" --- + + ## v1.0.0a1 + + [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/1.0.0a1) + + ## What's Changed + + ### Core Improvements & Fixes + - Fixed permission handling for `actions` in agent configuration + - Updated CI workflows and release publishing to support the new monorepo structure + - Bumped Python support to 3.13 and refreshed workspace metadata + + ### New Features & Enhancements + - Added `apps` and `actions` attributes to `Agent` for richer runtime control + - Merged the `crewai-tools` repository into the main workspace (monorepo) + - Bumped all packages to 1.0.0a1 to mark the alpha milestone + + ### Cleanup & Infrastructure + - Delivered a new CI pipeline with version pinning and publishing strategy + - Unified internal code to manage multiple packages coherently + + + + + ## v0.201.1 + + [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.201.1) + + ## What's Changed + + ### Core Improvements & Fixes + - Renamed Watson embedding provider to `watsonx` and refreshed environment variable prefixes + - Added ChromaDB compatibility for `watsonx` and `voyageai` embedding providers + + ### Cleanup & Deprecations + - Standardized environment variable prefixes for all embedding providers + - Bumped CrewAI to 0.201.1 and updated internal dependencies + + + + + ## v0.201.0 + + [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.201.0) + + ## What's Changed + + ### Core Improvements & Fixes + - Made the `ready` parameter optional in `_create_reasoning_plan` + - Fixed nested config handling for embedder configuration + - Added `batch_size` support to avoid token limit errors + - Corrected Quickstart documentation directory naming + - Resolved test duration cache issues and event exports + - Added fallback logic to crew settings + + ### New Features & Enhancements + - Introduced thread-safe platform context management + - Added `crewai uv` wrapper command to run `uv` from the CLI + - Enabled marking traces as failed for observability workflows + - Added custom embedding types and provider migration support + - Upgraded ChromaDB to v1.1.0 with compatibility fixes and type improvements + - Added Pydantic-compatible import validation and reorganized dependency groups + + ### Documentation & Guides + - Updated changelog coverage for recent releases (0.193.x series) + - Documented metadata support for LLM Guardrail events + - Added guidance for fallback behavior and configuration visibility + + ### Cleanup & Deprecations + - Resolved Ruff and MyPy issues across modules + - Improved type annotations and consolidated utilities + - Deprecated legacy utilities in favor of Pydantic-compatible imports + + ### Contributors + - @qizwiz (first contribution) + + + ## v0.193.2 @@ -33,28 +111,28 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.193.0) ## Core Improvements & Fixes - - - Fixed handling of the `model` parameter during OpenAI adapter initialization - - Resolved test duration cache issues in CI workflows - - Fixed flaky test related to repeated tool usage by agents - - Added missing event exports to `__init__.py` for consistent module behavior - - Dropped message storage from metadata in Mem0 to reduce bloat - - Fixed L2 distance metric support for backward compatibility in vector search + + - Fixed handling of the `model` parameter during OpenAI adapter initialization + - Resolved test duration cache issues in CI workflows + - Fixed flaky test related to repeated tool usage by agents + - Added missing event exports to `__init__.py` for consistent module behavior + - Dropped message storage from metadata in Mem0 to reduce bloat + - Fixed L2 distance metric support for backward compatibility in vector search ## New Features & Enhancements - - - Introduced thread-safe platform context management - - Added test duration caching for optimized `pytest-split` runs - - Added ephemeral trace improvements for better trace control - - Made search parameters for RAG, knowledge, and memory fully configurable - - Enabled ChromaDB to use OpenAI API for embedding functions - - Added deeper observability tools for user-level insights - - Unified RAG storage system with instance-specific client support + + - Introduced thread-safe platform context management + - Added test duration caching for optimized `pytest-split` runs + - Added ephemeral trace improvements for better trace control + - Made search parameters for RAG, knowledge, and memory fully configurable + - Enabled ChromaDB to use OpenAI API for embedding functions + - Added deeper observability tools for user-level insights + - Unified RAG storage system with instance-specific client support ## Documentation & Guides - - - Updated `RagTool` references to reflect CrewAI native RAG implementation - - Improved internal docs for `langgraph` and `openai` agent adapters with type annotations and docstrings + + - Updated `RagTool` references to reflect CrewAI native RAG implementation + - Improved internal docs for `langgraph` and `openai` agent adapters with type annotations and docstrings @@ -65,8 +143,8 @@ mode: "wide" ## What's Changed - - Fixed version not being found and silently failing reversion - - Bumped CrewAI version to 0.186.1 and updated dependencies in the CLI + - Fixed version not being found and silently failing reversion + - Bumped CrewAI version to 0.186.1 and updated dependencies in the CLI @@ -86,31 +164,31 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.177.0) - + ## Core Improvements & Fixes - - - Achieved parity between `rag` package and current implementation - - Enhanced LLM event handling with task and agent metadata - - Fixed mutable default arguments by replacing them with `None` - - Suppressed Pydantic deprecation warnings during initialization - - Fixed broken example link in `README.md` - - Removed Python 3.12+ only Ruff rules for compatibility - - Migrated CI workflows to use `uv` and updated dev tooling - + + - Achieved parity between `rag` package and current implementation + - Enhanced LLM event handling with task and agent metadata + - Fixed mutable default arguments by replacing them with `None` + - Suppressed Pydantic deprecation warnings during initialization + - Fixed broken example link in `README.md` + - Removed Python 3.12+ only Ruff rules for compatibility + - Migrated CI workflows to use `uv` and updated dev tooling + ## New Features & Enhancements - - - Added tracing improvements and cleanup - - Centralized event logic by moving `events` module to `crewai.events` - + + - Added tracing improvements and cleanup + - Centralized event logic by moving `events` module to `crewai.events` + ## Documentation & Guides - - - Updated Enterprise Action Auth Token section documentation - - Published documentation updates for `v0.175.0` release - + + - Updated Enterprise Action Auth Token section documentation + - Published documentation updates for `v0.175.0` release + ## Cleanup & Refactoring - - - Refactored parser into modular functions for better structure - + + - Refactored parser into modular functions for better structure + @@ -118,40 +196,40 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.175.0) - + ## Core Improvements & Fixes - - - Fixed migration of the `tool` section during `crewai update` - - Reverted OpenAI pin: now requires `openai >=1.13.3` due to fixed import issues - - Fixed flaky tests and improved test stability - - Improved `Flow` listener resumability for HITL and cyclic flows - - Enhanced timeout handling in `PlusAPI` and `TraceBatchManager` - - Batched entity memory items to reduce redundant operations - + + - Fixed migration of the `tool` section during `crewai update` + - Reverted OpenAI pin: now requires `openai >=1.13.3` due to fixed import issues + - Fixed flaky tests and improved test stability + - Improved `Flow` listener resumability for HITL and cyclic flows + - Enhanced timeout handling in `PlusAPI` and `TraceBatchManager` + - Batched entity memory items to reduce redundant operations + ## New Features & Enhancements - - - Added support for additional parameters in `Flow.start()` methods - - Displayed task names in verbose CLI output - - Added centralized embedding types and introduced a base embedding client - - Introduced generic clients for ChromaDB and Qdrant - - Added support for `crewai config reset` to clear tokens - - Enabled `crewai_trigger_payload` auto-injection - - Simplified RAG client initialization and introduced RAG configuration system - - Added Qdrant RAG provider support - - Improved tracing with better event data - - Added support to remove Auth0 and email entry on `crewai login` - + + - Added support for additional parameters in `Flow.start()` methods + - Displayed task names in verbose CLI output + - Added centralized embedding types and introduced a base embedding client + - Introduced generic clients for ChromaDB and Qdrant + - Added support for `crewai config reset` to clear tokens + - Enabled `crewai_trigger_payload` auto-injection + - Simplified RAG client initialization and introduced RAG configuration system + - Added Qdrant RAG provider support + - Improved tracing with better event data + - Added support to remove Auth0 and email entry on `crewai login` + ## Documentation & Guides - - - Added documentation for automation triggers - - Fixed API Reference OpenAPI sources and redirects - - Added hybrid search alpha parameter to the docs - + + - Added documentation for automation triggers + - Fixed API Reference OpenAPI sources and redirects + - Added hybrid search alpha parameter to the docs + ## Cleanup & Deprecations - - - Added deprecation notice for `Task.max_retries` - - Removed Auth0 dependency from login flow - + + - Added deprecation notice for `Task.max_retries` + - Removed Auth0 dependency from login flow + @@ -159,35 +237,35 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.165.1) - + ## Core Improvements & Fixes - - - Fixed compatibility in `XMLSearchTool` by converting config values to strings for `configparser` - - Fixed flaky Pytest test involving `PytestUnraisableExceptionWarning` - - Mocked telemetry in test suite for more stable CI runs - - Moved Chroma lockfile handling to `db_storage_path` - - Ignored deprecation warnings from `chromadb` - - Pinned OpenAI version `<1.100.0` due to `ResponseTextConfigParam` import issue - + + - Fixed compatibility in `XMLSearchTool` by converting config values to strings for `configparser` + - Fixed flaky Pytest test involving `PytestUnraisableExceptionWarning` + - Mocked telemetry in test suite for more stable CI runs + - Moved Chroma lockfile handling to `db_storage_path` + - Ignored deprecation warnings from `chromadb` + - Pinned OpenAI version `<1.100.0` due to `ResponseTextConfigParam` import issue + ## New Features & Enhancements - - - Included exchanged agent messages into `ExternalMemory` metadata - - Automatically injected `crewai_trigger_payload` - - Renamed internal flag `inject_trigger_input` to `allow_crewai_trigger_context` - - Continued tracing improvements and ephemeral tracing logic - - Consolidated tracing logic conditions - - Added support for `agent_id`-linked memory entries in `Mem0` - + + - Included exchanged agent messages into `ExternalMemory` metadata + - Automatically injected `crewai_trigger_payload` + - Renamed internal flag `inject_trigger_input` to `allow_crewai_trigger_context` + - Continued tracing improvements and ephemeral tracing logic + - Consolidated tracing logic conditions + - Added support for `agent_id`-linked memory entries in `Mem0` + ## Documentation & Guides - - - Added example to Tool Repository docs - - Updated Mem0 documentation for Short-Term and Entity Memory integration - - Revised Korean translations and improved sentence structures - + + - Added example to Tool Repository docs + - Updated Mem0 documentation for Short-Term and Entity Memory integration + - Revised Korean translations and improved sentence structures + ## Cleanup & Chores - - - Removed deprecated AgentOps integration - + + - Removed deprecated AgentOps integration + @@ -195,35 +273,35 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.165.0) - + ## Core Improvements & Fixes - - - Fixed compatibility in `XMLSearchTool` by converting config values to strings for `configparser` - - Fixed flaky Pytest test involving `PytestUnraisableExceptionWarning` - - Mocked telemetry in test suite for more stable CI runs - - Moved Chroma lockfile handling to `db_storage_path` - - Ignored deprecation warnings from `chromadb` - - Pinned OpenAI version `<1.100.0` due to `ResponseTextConfigParam` import issue - + + - Fixed compatibility in `XMLSearchTool` by converting config values to strings for `configparser` + - Fixed flaky Pytest test involving `PytestUnraisableExceptionWarning` + - Mocked telemetry in test suite for more stable CI runs + - Moved Chroma lockfile handling to `db_storage_path` + - Ignored deprecation warnings from `chromadb` + - Pinned OpenAI version `<1.100.0` due to `ResponseTextConfigParam` import issue + ## New Features & Enhancements - - - Included exchanged agent messages into `ExternalMemory` metadata - - Automatically injected `crewai_trigger_payload` - - Renamed internal flag `inject_trigger_input` to `allow_crewai_trigger_context` - - Continued tracing improvements and ephemeral tracing logic - - Consolidated tracing logic conditions - - Added support for `agent_id`-linked memory entries in `Mem0` - + + - Included exchanged agent messages into `ExternalMemory` metadata + - Automatically injected `crewai_trigger_payload` + - Renamed internal flag `inject_trigger_input` to `allow_crewai_trigger_context` + - Continued tracing improvements and ephemeral tracing logic + - Consolidated tracing logic conditions + - Added support for `agent_id`-linked memory entries in `Mem0` + ## Documentation & Guides - - - Added example to Tool Repository docs - - Updated Mem0 documentation for Short-Term and Entity Memory integration - - Revised Korean translations and improved sentence structures - + + - Added example to Tool Repository docs + - Updated Mem0 documentation for Short-Term and Entity Memory integration + - Revised Korean translations and improved sentence structures + ## Cleanup & Chores - - - Removed deprecated AgentOps integration - + + - Removed deprecated AgentOps integration + @@ -231,26 +309,26 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.159.0) - + ## Core Improvements & Fixes - - - Improved LLM message formatting performance for better runtime efficiency - - Fixed use of incorrect endpoint in enterprise configuration auth/parameters - - Commented out listener resumability check for stability during partial flow resumption - + + - Improved LLM message formatting performance for better runtime efficiency + - Fixed use of incorrect endpoint in enterprise configuration auth/parameters + - Commented out listener resumability check for stability during partial flow resumption + ## New Features & Enhancements - - - Added `enterprise configure` command to CLI for streamlined enterprise setup - - Introduced partial flow resumability support - + + - Added `enterprise configure` command to CLI for streamlined enterprise setup + - Introduced partial flow resumability support + ## Documentation & Guides - - - Added documentation for new tools - - Added Korean translations - - Updated documentation with TrueFoundry integration details - - Added RBAC documentation and general cleanup - - Fixed API reference and revamped examples/cookbooks across EN, PT-BR, and KO - + + - Added documentation for new tools + - Added Korean translations + - Updated documentation with TrueFoundry integration details + - Added RBAC documentation and general cleanup + - Fixed API reference and revamped examples/cookbooks across EN, PT-BR, and KO + @@ -259,32 +337,32 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.157.0) ## v0.157.0 What's Changed - + ## Core Improvements & Fixes - - - Enabled word wrapping for long input tool - - Allowed persisting Flow state with `BaseModel` entries - - Optimized string operations using `partition()` for performance - - Dropped support for deprecated User Memory system - - Bumped LiteLLM version to `1.74.9` - - Fixed CLI to show missing modules more clearly during import - - Supported device authorization with Okta - + + - Enabled word wrapping for long input tool + - Allowed persisting Flow state with `BaseModel` entries + - Optimized string operations using `partition()` for performance + - Dropped support for deprecated User Memory system + - Bumped LiteLLM version to `1.74.9` + - Fixed CLI to show missing modules more clearly during import + - Supported device authorization with Okta + ## New Features & Enhancements - - - Added `crewai config` CLI command group with tests - - Added default value support for `crew.name` - - Introduced initial tracing capabilities - - Added support for LangDB integration - - Added support for CLI configuration documentation - + + - Added `crewai config` CLI command group with tests + - Added default value support for `crew.name` + - Introduced initial tracing capabilities + - Added support for LangDB integration + - Added support for CLI configuration documentation + ## Documentation & Guides - - - Updated MCP documentation with `connect_timeout` attribute - - Added LangDB integration documentation - - Added CLI config documentation - - General feature doc updates and cleanup - + + - Updated MCP documentation with `connect_timeout` attribute + - Added LangDB integration documentation + - Added CLI config documentation + - General feature doc updates and cleanup + @@ -292,24 +370,24 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.152.0) - + ## Core Improvements & Fixes - - - Removed `crewai signup` references and replaced them with `crewai login` - - Fixed support for adding memories to Mem0 using `agent_id` - - Changed the default value in Mem0 configuration - - Updated import error to show missing module files clearly - - Added timezone support to event timestamps - + + - Removed `crewai signup` references and replaced them with `crewai login` + - Fixed support for adding memories to Mem0 using `agent_id` + - Changed the default value in Mem0 configuration + - Updated import error to show missing module files clearly + - Added timezone support to event timestamps + ## New Features & Enhancements - - - Enhanced `Flow` class to support custom flow names - - Refactored RAG components into a dedicated top-level module - + + - Enhanced `Flow` class to support custom flow names + - Refactored RAG components into a dedicated top-level module + ## Documentation & Guides - - - Fixed incorrect model naming in Google Vertex AI documentation - + + - Fixed incorrect model naming in Google Vertex AI documentation + @@ -317,42 +395,42 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.150.0) - + ## Core Improvements & Fixes - - - Used file lock around Chroma client initialization - - Removed workaround related to SQLite without FTS5 - - Dropped unsupported `stop` parameter for LLM models automatically - - Fixed `save` method and updated related test cases - - Fixed message handling for Ollama models when last message is from assistant - - Removed duplicate print on LLM call error - - Added deprecation notice to `UserMemory` - - Upgraded LiteLLM to version 1.74.3 - + + - Used file lock around Chroma client initialization + - Removed workaround related to SQLite without FTS5 + - Dropped unsupported `stop` parameter for LLM models automatically + - Fixed `save` method and updated related test cases + - Fixed message handling for Ollama models when last message is from assistant + - Removed duplicate print on LLM call error + - Added deprecation notice to `UserMemory` + - Upgraded LiteLLM to version 1.74.3 + ## New Features & Enhancements - - - Added support for ad-hoc tool calling via internal LLM class - - Updated Mem0 Storage from v1.1 to v2 - + + - Added support for ad-hoc tool calling via internal LLM class + - Updated Mem0 Storage from v1.1 to v2 + ## Documentation & Guides - - - Fixed neatlogs documentation - - Added Tavily Search & Extractor tools to the Search-Research suite - - Added documentation for `SerperScrapeWebsiteTool` and reorganized Serper section - - General documentation updates and improvements - + + - Fixed neatlogs documentation + - Added Tavily Search & Extractor tools to the Search-Research suite + - Added documentation for `SerperScrapeWebsiteTool` and reorganized Serper section + - General documentation updates and improvements + ## crewai-tools v0.58.0 ### New Tools / Enhancements - - **SerperScrapeWebsiteTool**: Added a tool for extracting clean content from URLs - - **Bedrock AgentCore**: Integrated browser and code interpreter toolkits for Bedrock agents - - **Stagehand Update**: Refactored and updated Stagehand integration - + - **SerperScrapeWebsiteTool**: Added a tool for extracting clean content from URLs + - **Bedrock AgentCore**: Integrated browser and code interpreter toolkits for Bedrock agents + - **Stagehand Update**: Refactored and updated Stagehand integration + ### Fixes & Cleanup - - **FTS5 Support**: Enabled SQLite FTS5 for improved text search in test workflows - - **Test Speedups**: Parallelized GitHub Actions test suite for faster CI runs - - **Cleanup**: Removed SQLite workaround due to FTS5 support being available - **MongoDBVectorSearchTool**: Fixed serialization and schema handling - + - **FTS5 Support**: Enabled SQLite FTS5 for improved text search in test workflows + - **Test Speedups**: Parallelized GitHub Actions test suite for faster CI runs + - **Cleanup**: Removed SQLite workaround due to FTS5 support being available + **MongoDBVectorSearchTool**: Fixed serialization and schema handling + @@ -360,31 +438,31 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.148.0) - + ## Core Improvements & Fixes - - - Used production WorkOS environment ID - - Added SQLite FTS5 support to test workflow - - Fixed agent knowledge handling - - Compared using `BaseLLM` class instead of `LLM` - - Fixed missing `create_directory` parameter in `Task` class - + + - Used production WorkOS environment ID + - Added SQLite FTS5 support to test workflow + - Fixed agent knowledge handling + - Compared using `BaseLLM` class instead of `LLM` + - Fixed missing `create_directory` parameter in `Task` class + ## New Features & Enhancements - - - Introduced Agent evaluation functionality - - Added Evaluator experiment and regression testing methods - - Implemented thread-safe `AgentEvaluator` - - Enabled event emission for Agent evaluation - - Supported evaluation of single `Agent` and `LiteAgent` - - Added integration with `neatlogs` - - Added crew context tracking for LLM guardrail events - + + - Introduced Agent evaluation functionality + - Added Evaluator experiment and regression testing methods + - Implemented thread-safe `AgentEvaluator` + - Enabled event emission for Agent evaluation + - Supported evaluation of single `Agent` and `LiteAgent` + - Added integration with `neatlogs` + - Added crew context tracking for LLM guardrail events + ## Documentation & Guides - - - Added documentation for `guardrail` attributes and usage examples - - Added integration guide for `neatlogs` - - Updated documentation for Agent repository and `Agent.kickoff` usage - + + - Added documentation for `guardrail` attributes and usage examples + - Added integration guide for `neatlogs` + - Updated documentation for Agent repository and `Agent.kickoff` usage + @@ -392,19 +470,19 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.141.0) - + ## Core Improvements & Fixes - - - Sped up GitHub Actions tests through parallelization - + + - Sped up GitHub Actions tests through parallelization + ## New Features & Enhancements - - - Added crew context tracking for LLM guardrail events - + + - Added crew context tracking for LLM guardrail events + ## Documentation & Guides - - - Added documentation for Agent repository usage - - Added documentation for `Agent.kickoff` method + + - Added documentation for Agent repository usage + - Added documentation for `Agent.kickoff` method @@ -412,32 +490,32 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.140.0) - + ## Core Improvements & Fixes - - - Fixed typo in test prompts - - Fixed project name normalization by stripping trailing slashes during crew creation - - Ensured environment variables are written in uppercase - - Updated LiteLLM dependency - - Refactored collection handling in `RAGStorage` - - Implemented PEP 621 dynamic versioning - + + - Fixed typo in test prompts + - Fixed project name normalization by stripping trailing slashes during crew creation + - Ensured environment variables are written in uppercase + - Updated LiteLLM dependency + - Refactored collection handling in `RAGStorage` + - Implemented PEP 621 dynamic versioning + ## New Features & Enhancements - - - Added capability to track LLM calls by task and agent - - Introduced `MemoryEvents` to monitor memory usage - - Added console logging for memory system and LLM guardrail events - - Improved data training support for models up to 7B parameters + + - Added capability to track LLM calls by task and agent + - Introduced `MemoryEvents` to monitor memory usage + - Added console logging for memory system and LLM guardrail events + - Improved data training support for models up to 7B parameters - Added Scarf and Reo.dev analytics tracking - CLI workos login - + ## Documentation & Guides - - - Updated CLI LLM documentation - - Added Nebius integration to the docs - - Corrected typos in installation and pt-BR documentation - - Added docs about `MemoryEvents` - - Implemented docs redirects and included development tools + + - Updated CLI LLM documentation + - Added Nebius integration to the docs + - Corrected typos in installation and pt-BR documentation + - Added docs about `MemoryEvents` + - Implemented docs redirects and included development tools @@ -445,35 +523,35 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.134.0) - + ## Core Improvements & Fixes - - - Fixed tools parameter syntax - - Fixed type annotation in `Task` - - Fixed SSL error when retrieving LLM data from GitHub - - Ensured compatibility with Pydantic 2.7.x - - Removed `mkdocs` from project dependencies - - Upgraded Langfuse code examples to use Python SDK v3 - - Added sanitize role feature in `mem0` storage - - Improved Crew search during memory reset - - Improved console printer output - + + - Fixed tools parameter syntax + - Fixed type annotation in `Task` + - Fixed SSL error when retrieving LLM data from GitHub + - Ensured compatibility with Pydantic 2.7.x + - Removed `mkdocs` from project dependencies + - Upgraded Langfuse code examples to use Python SDK v3 + - Added sanitize role feature in `mem0` storage + - Improved Crew search during memory reset + - Improved console printer output + ## New Features & Enhancements - - - Added support for initializing a tool from defined `Tool` attributes - - Added official way to use MCP Tools within a `CrewBase` - - Enhanced MCP tools support to allow selecting multiple tools per agent in `CrewBase` - - Added Oxylabs Web Scraping tools - + + - Added support for initializing a tool from defined `Tool` attributes + - Added official way to use MCP Tools within a `CrewBase` + - Enhanced MCP tools support to allow selecting multiple tools per agent in `CrewBase` + - Added Oxylabs Web Scraping tools + ## Documentation & Guides - - - Updated `quickstart.mdx` - - Added docs on `LLMGuardrail` events - - Updated documentation with comprehensive service integration details - - Updated recommendation filters for MCP and Enterprise tools - - Updated docs for Maxim observability - - Added pt-BR documentation translation - - General documentation improvements + + - Updated `quickstart.mdx` + - Added docs on `LLMGuardrail` events + - Updated documentation with comprehensive service integration details + - Updated recommendation filters for MCP and Enterprise tools + - Updated docs for Maxim observability + - Added pt-BR documentation translation + - General documentation improvements @@ -481,30 +559,30 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.130.0) - + ## Core Improvements & Fixes - - - Removed duplicated message related to Tool result output - - Fixed missing `manager_agent` tokens in `usage_metrics` from kickoff - - Fixed telemetry singleton to respect dynamic environment variables - - Fixed issue where Flow status logs could hide human input - - Increased default X-axis spacing for flow plotting - + + - Removed duplicated message related to Tool result output + - Fixed missing `manager_agent` tokens in `usage_metrics` from kickoff + - Fixed telemetry singleton to respect dynamic environment variables + - Fixed issue where Flow status logs could hide human input + - Increased default X-axis spacing for flow plotting + ## New Features & Enhancements - - - Added support for multi-org actions in the CLI - - Enabled async tool executions for more efficient workflows - - Introduced `LiteAgent` with Guardrail integration - - Upgraded `LiteLLM` to support latest OpenAI version - + + - Added support for multi-org actions in the CLI + - Enabled async tool executions for more efficient workflows + - Introduced `LiteAgent` with Guardrail integration + - Upgraded `LiteLLM` to support latest OpenAI version + ## Documentation & Guides - - - Documented minimum `UV` version for Tool repository - - Improved examples for Hallucination Guardrail - - Updated planning docs for LLM usage - - Added documentation for Maxim support in Agent observability - - Expanded integrations documentation with images for enterprise features - - Fixed guide on persistence + + - Documented minimum `UV` version for Tool repository + - Improved examples for Hallucination Guardrail + - Updated planning docs for LLM usage + - Added documentation for Maxim support in Agent observability + - Expanded integrations documentation with images for enterprise features + - Fixed guide on persistence - Updated Python version support to support python 3.13.x @@ -514,25 +592,25 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.126.0) ### What’s Changed - + #### Core Improvements & Fixes - + - Added support for Python 3.13 - Fixed agent knowledge sources issue - Persisted available tools from a Tool repository - Enabled tools to be loaded from Agent repository via their own module - Logged usage of tools when called by an LLM - + #### New Features & Enhancements - + - Added streamable-http transport support in MCP integration - Added support for community analytics - Expanded OpenAI-compatible section with a Gemini example - Introduced transparency features for prompts and memory systems - Minor enhancements for Tool publishing - + #### Documentation & Guides - + - Major restructuring of docs for better navigation - Expanded MCP integration documentation - Updated memory docs and README visuals @@ -556,23 +634,23 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.121.0) # What’s Changed - + ## Core Improvements & Fixes - + - Fixed encoding error when creating tools - Fixed failing llama test - Updated logging configuration for consistency - Enhanced telemetry initialization and event handling - + ## New Features & Enhancements - + - Added markdown attribute to the Task class - Added reasoning attribute to the Agent class - Added inject_date flag to Agent for automatic date injection - Implemented HallucinationGuardrail (no-op with test coverage) - + ## Documentation & Guides - + - Added documentation for StagehandTool and improved MDX structure - Added documentation for MCP integration and updated enterprise docs - Documented knowledge events and updated reasoning docs @@ -587,8 +665,8 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.120.1) ## Whats New - - * Fixes Interpolation with hyphens + + * Fixes Interpolation with hyphens @@ -596,26 +674,26 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.120.0) - + ### Core Improvements & Fixes • Enabled full Ruff rule set by default for stricter linting • Addressed race condition in FilteredStream using context managers • Fixed agent knowledge reset issue • Refactored agent fetching logic into utility module - + ### New Features & Enhancements • Added support for loading an Agent directly from a repository • Enabled setting an empty context for Task • Enhanced Agent repository feedback and fixed Tool auto-import behavior • Introduced direct initialization of knowledge (bypassing knowledge_sources) - + ### Documentation & Guides • Updated security.md for current security practices • Cleaned up Google setup section for clarity • Added link to AI Studio when entering Gemini key • Updated Arize Phoenix observability guide • Refreshed flow documentation - + @@ -624,23 +702,23 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.119.0) What’s Changed - + ## Core Improvements & Fixes - + - Improved test reliability by enhancing pytest handling for flaky tests - Fixed memory reset crash when embedding dimensions mismatch - Enabled parent flow identification for Crew and LiteAgent - Prevented telemetry-related crashes when unavailable - Upgraded LiteLLM version for better compatibility - Fixed llama converter tests by removing skip_external_api - + ## New Features & Enhancements - + - Introduced knowledge retrieval prompt re-writting in Agent for improved tracking and debugging - Made LLM setup and quickstart guides model-agnostic - + ## Documentation & Guides - + - Added advanced configuration docs for the RAG tool - Updated Windows troubleshooting guide - Refined documentation examples for better clarity @@ -652,21 +730,21 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.118.0) - + ### Core Improvements & Fixes - + - Fixed issues with missing prompt or system templates. - Removed global logging configuration to avoid unintended overrides. - Renamed TaskGuardrail to LLMGuardrail for improved clarity. - Downgraded litellm to version 1.167.1 for compatibility. - Added missing __init__.py files to ensure proper module initialization. - + ### New Features & Enhancements - + - Added support for no-code Guardrail creation to simplify AI behavior controls. - + ### Documentation & Guides - + - Removed CrewStructuredTool from public documentation to reflect internal usage. - Updated enterprise documentation and YouTube embed for improved onboarding experience. @@ -677,9 +755,9 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.117.1) * build: upgrade crewai-tools - * upgrade liteLLM to latest version + * upgrade liteLLM to latest version * Fix Mem0 OSS - + @@ -688,17 +766,17 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.117.0) # What's Changed - + ## New Features & Enhancements - + - Added `result_as_answer` parameter support in `@tool` decorator. - Introduced support for new language models: GPT-4.1, Gemini-2.0, and Gemini-2.5 Pro. - Enhanced knowledge management capabilities. - Added Huggingface provider option in CLI. - Improved compatibility and CI support for Python 3.10+. - + ## Core Improvements & Fixes - + - Fixed issues with incorrect template parameters and missing inputs. - Improved asynchronous flow handling with coroutine condition checks. - Enhanced memory management with isolated configuration and correct memory object copying. @@ -708,16 +786,16 @@ mode: "wide" - Raised explicit exceptions when flows fail. - Removed unused code and redundant comments from various modules. - Updated GitHub App token action to v2. - + ## Documentation & Guides - + - Enhanced documentation structure, including enterprise deployment instructions. - Automatically create output folders for documentation generation. - Fixed broken link in `WeaviateVectorSearchTool` documentation. - Fixed guardrail documentation usage and import paths for JSON search tools. - Updated documentation for `CodeInterpreterTool`. - Improved SEO, contextual navigation, and error handling for documentation pages. - + @@ -726,28 +804,28 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.114.0) # What's Changed - + ## New Features & Enhancements - + - Agents as an atomic unit. (`Agent(...).kickoff()`) - Support to Custom LLM implementations. - Integrated External Memory and Opik observability. - Enhanced YAML extraction. - Multimodal agent validation. - Added Secure fingerprints for agents and crews. - + ## Core Improvements & Fixes - + - Improved serialization, agent copying, and Python compatibility. - - Added wildcard support to emit() + - Added wildcard support to emit() - Added support for additional router calls and context window adjustments. - Fixed typing issues, validation, and import statements. - Improved method performance. - Enhanced agent task handling, event emissions, and memory management. - Fixed CLI issues, conditional tasks, cloning behavior, and tool outputs. - + ## Documentation & Guides - + - Improved documentation structure, theme, and organization. - Added guides for Local NVIDIA NIM with WSL2, W&B Weave, and Arize Phoenix. - Updated tool configuration examples, prompts, and observability docs. @@ -760,21 +838,21 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.108.0) # Features - + - Converted tabs to spaces in crew.py template in PR #2190 - Enhanced LLM Streaming Response Handling and Event System in PR #2266 - Included model_name in PR #2310 - Enhanced Event Listener with rich visualization and improved logging in PR #2321 - Added fingerprints in PR #2332 - + # Bug Fixes - + - Fixed Mistral issues in PR #2308 - Fixed a bug in documentation in PR #2370 - Fixed type check error in fingerprint property in PR #2369 - + # Documentation Updates - + - Improved tool documentation in PR #2259 - Updated installation guide for the uv tool package in PR #2196 - Added instructions for upgrading crewAI with the uv tool in PR #2363 @@ -791,7 +869,7 @@ mode: "wide" - Improved async flow support and addressed agent response formatting. - Enhanced memory reset functionality and fixed CLI memory commands. - Fixed type issues, tool calling properties, and telemetry decoupling. - + **New Features & Enhancements** - Added Flow state export and improved state utilities. - Enhanced agent knowledge setup with optional crew embedder. @@ -799,12 +877,12 @@ mode: "wide" - Added support for Python 3.10 and ChatOllama from langchain_ollama. - Integrated context window size support for the o3-mini model. - Added support for multiple router calls. - + **Documentation & Guides** - Improved documentation layout and hierarchical structure. - Added QdrantVectorSearchTool guide and clarified event listener usage. - Fixed typos in prompts and updated Amazon Bedrock model listings. - + @@ -812,32 +890,32 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.102.0) - + ### Core Improvements & Fixes - + - Enhanced LLM Support: Improved structured LLM output, parameter handling, and formatting for Anthropic models. - Crew & Agent Stability: Fixed issues with cloning agents/crews using knowledge sources, multiple task outputs in conditional tasks, and ignored Crew task callbacks. - Memory & Storage Fixes: Fixed short-term memory handling with Bedrock, ensured correct embedder initialization, and added a reset memories function in the crew class. - Training & Execution Reliability: Fixed broken training and interpolation issues with dict and list input types. - + ### New Features & Enhancements - + - Advanced Knowledge Management: Improved naming conventions and enhanced embedding configuration with custom embedder support. - Expanded Logging & Observability: Added JSON format support for logging and integrated MLflow tracing documentation. - Data Handling Improvements: Updated excel_knowledge_source.py to process multi-tab files. - General Performance & Codebase Clean-Up: Streamlined enterprise code alignment and resolved linting issues. - Adding new tool QdrantVectorSearchTool - + ### Documentation & Guides - + - Updated AI & Memory Docs: Improved Bedrock, Google AI, and long-term memory documentation. - Task & Workflow Clarity: Added "Human Input" row to Task Attributes, Langfuse guide, and FileWriterTool documentation. - Fixed Various Typos & Formatting Issues. - + ### Maintenance & Miscellaneous - + - Refined Google Docs integrations and task handling for the current year. - + @@ -846,13 +924,13 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.100.0) * Feat: Add Composio docs - * Feat: Add SageMaker as a LLM provider + * Feat: Add SageMaker as a LLM provider * Fix: Overall LLM connection issues * Fix: Using safe accessors on training - * Fix: Add version check to crew_chat.py + * Fix: Add version check to crew_chat.py * Docs: New docs for crewai chat * Docs: Improve formatting and clarity in CLI and Composio Tool docs - + @@ -876,9 +954,9 @@ mode: "wide" * Fix: TYPOS * Fix: Nested pydantic model issue * Fix: Docling issues - * Fix: union issue + * Fix: union issue * Docs updates - + @@ -894,7 +972,7 @@ mode: "wide" * Feat: Add Workflow Permissions * Feat: Add support for langfuse with litellm * Feat: Portkey Integration with CrewAI - * Feat: Add interpolate_only method and improve error handling + * Feat: Add interpolate_only method and improve error handling * Feat: Docling Support * Feat: Weviate Support * Fix: output_file not respecting system path @@ -910,7 +988,7 @@ mode: "wide" * Fix: include event emitter in flows * Fix: Docstring, Error Handling, and Type Hints Improvements * Fix: Suppressed userWarnings from litellm pydantic issues - + @@ -918,10 +996,10 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.86.0) - * remove all references to pipeline and pipeline router - * docs: Add Nvidia NIM as provider in Custom LLM - * add knowledge demo + improve knowledge docs - * Brandon/cre 509 hitl multiple rounds of followup + * remove all references to pipeline and pipeline router + * docs: Add Nvidia NIM as provider in Custom LLM + * add knowledge demo + improve knowledge docs + * Brandon/cre 509 hitl multiple rounds of followup * New docs about yaml crew with decorators. Simplify template crew @@ -940,7 +1018,7 @@ mode: "wide" * Update readme for running mypy * Add knowledge to mint.json * Update Github actions - * Docs Update Agents docs to include two approaches for creating an agent + * Docs Update Agents docs to include two approaches for creating an agent * Documentation Improvements: LLM Configuration and Usage @@ -965,7 +1043,7 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.80.0) - * Fixing Tokens callback replacement bug + * Fixing Tokens callback replacement bug * Fixing Step callback issue * Add cached prompt tokens info on usage metrics * Fix crew_train_success test @@ -984,15 +1062,15 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.79.0) - * Add inputs to flows + * Add inputs to flows * Enhance log storage to support more data types * Add support to IBM memory * Add Watson as an option in CLI * Add security.md file - * Replace .netrc with uv environment variables + * Replace .netrc with uv environment variables * Move BaseTool to main package and centralize tool description generation * Raise an error if an LLM doesnt return a response - * Fix flows to support cycles and added in test + * Fix flows to support cycles and added in test * Update how we name crews and fix missing config * Update docs @@ -1025,9 +1103,9 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.76.0) * fix/fixed missing API prompt + CLI docs update - * chore(readme): fixing step for 'running tests' in the contribution + * chore(readme): fixing step for 'running tests' in the contribution * support unsafe code execution. add in docker install and running checks - * Fix memory imports for embedding functions by + * Fix memory imports for embedding functions by @@ -1046,11 +1124,11 @@ mode: "wide" * Fixing test post training * Simplify flows * Adapt `crewai tool install ` - * Ensure original embedding config works + * Ensure original embedding config works * Fix bugs - * Update docs - Including adding Cerebras LLM example configuration to LLM docs + * Update docs - Including adding Cerebras LLM example configuration to LLM docs * Drop unnecessary tests - + @@ -1058,7 +1136,7 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.74.2) - * feat: add poetry.lock to uv migration + * feat: add poetry.lock to uv migration * fix tool calling issue @@ -1087,9 +1165,9 @@ mode: "wide" * Create `crewai create flow` command * Create `crewai tool create ` command * Add Git validations for publishing tools - * fix: JSON encoding date objects + * fix: JSON encoding date objects * New Docs - * Update README + * Update README * Bug fixes @@ -1117,7 +1195,7 @@ mode: "wide" - Adding initial tools API - TYPOS - Updating Docs - + Fixes: #1359 #1355 #1353 #1356 and others @@ -1194,7 +1272,7 @@ mode: "wide" - Adds the ability to not use system prompt use_system_prompt on the Agent - Adds the ability to not use stop words (to support o1 models) use_stop_words on the Agent - Sliding context window gets renamed to respect_context_window, and enable by default - - Delegation is now disabled by default + - Delegation is now disabled by default - Inner prompts were slightly changed as well - Overall reliability and quality of results - New support for: @@ -1223,8 +1301,8 @@ mode: "wide" * Fix Azure support * Add support to Python 3.10 * Moving away from Pydantic v1 - - + + @@ -1252,7 +1330,7 @@ mode: "wide" - JSON truncation issues - Fix logging types - Only import AgentOps if the Env Key is set - - Sanitize agent roles to ensure valid directory names (Windows) + - Sanitize agent roles to ensure valid directory names (Windows) - Tools name shouldn't contain space for OpenAI - A bunch of minor issues @@ -1272,7 +1350,7 @@ mode: "wide" - **[Breaking Change]** Type Safe output - All crews and tasks now return a proper object TaskOuput and CrewOutput - - **[Feature]** New planning feature for crews (plan before act) + - **[Feature]** New planning feature for crews (plan before act) - by adding planning=True to the Crew instance - **[Feature]** Introduced Replay Feature - New CLI that allow you to list the tasks from last run and replay from a specific one @@ -1392,9 +1470,9 @@ mode: "wide" - Making gpt-4o the default model - Adding new docs for LangTrace, Browserbase and Exa Search - Adding timestamp to logging - - - + + + @@ -1429,7 +1507,7 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/v0.30.4) **Docs Update will follow** sorry about that and thank you for bearing with me, we are launching new docs soon! - + ➿ Fixing task callback 🧙 Ability to set a specific agent as manager instead of having crew create your one 📄 Ability to set system, prompt and response templates, so it works more reliable with opensource models (works better with smaller models) @@ -1445,7 +1523,7 @@ mode: "wide" 🐛 Smaller bug fixes (typos and such) 👬 Fixing co-worker / coworker issues 👀 Smaller Readme Updates - + @@ -1462,7 +1540,7 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.28.7) - Bug fixes - - Updating crewAI tool version with bug fixes + - Updating crewAI tool version with bug fixes @@ -1517,7 +1595,7 @@ mode: "wide" - 💠 **Inner Prompt Improvements:** A finer conversational flow. - 📝 **Improving tool usage with better parsing** - 🔒 **Security improvements and updating dependencies** - - 📄 **Documentation improved** + - 📄 **Documentation improved** - 🐛 **Bug fixes** @@ -1719,20 +1797,20 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/v0.5.0) This new version bring a lot of new features and improvements to the library. - + ## Features - Adding Task Callbacks. - Adding support for Hierarchical process. - Adding ability to references specific tasks in another task. - Adding ability to parallel task execution. - + ## Improvements - Revamping Max Iterations and Max Requests per Minute. - Developer experience improvements, docstrings and such. - Small improvements and TYPOs. - Fix static typing errors. - Updated README and Docs. - + @@ -1755,7 +1833,7 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/v0.1.23) - - Many Reliability improvements + - Many Reliability improvements - Prompt changes - Initial changes for supporting multiple languages - Fixing bug on task repeated execution @@ -1775,7 +1853,7 @@ mode: "wide" - Removing WIP code. (@joaomdmoura) - A lot of developer quality of life improvements (Special thanks to @greysonlalonde). - Updating to pydantic v2 (Special thanks to @greysonlalonde as well). - + @@ -1792,11 +1870,11 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/v0.1.1) # CrewAI v0.1.1 Release Notes - + ## What's New - + - **Crew Verbose Mode**: Now allowing you to inspect a the tasks are being executed. - + - **README and Docs Updates**: A series of minor updates on the docs @@ -1806,34 +1884,34 @@ mode: "wide" [View release on GitHub](https://github.com/crewAIInc/crewAI/releases/tag/v0.1.0) # CrewAI v0.1.0 Release Notes - + We are thrilled to announce the initial release of CrewAI, version 0.1.0! CrewAI is a framework designed to facilitate the orchestration of autonomous AI agents capable of role-playing and collaboration to accomplish complex tasks more efficiently. - + ## What's New - + - **Initial Launch**: CrewAI is now officially in the wild! This foundational release lays the groundwork for AI agents to work in tandem, each with its own specialized role and objectives. - + - **Role-Based Agent Design**: Define and customize agents with specific roles, goals, and the tools they need to succeed. - + - **Inter-Agent Delegation**: Agents are now equipped to autonomously delegate tasks, enabling dynamic distribution of workload among the team. - + - **Task Management**: Create and assign tasks dynamically with the flexibility to specify the tools needed for each task. - + - **Sequential Processes**: Set up your agents to tackle tasks one after the other, ensuring organized and predictable workflows. - + - **Documentation**: Start exploring CrewAI with our initial documentation that guides you through the setup and use of the framework. - + ## Enhancements - + - Detailed API documentation for the `Agent`, `Task`, `Crew`, and `Process` classes. - Examples and tutorials to help you build your first CrewAI application. - Basic setup for collaborative and delegation mechanisms among agents. - + ## Known Issues - + - As this is the first release, there may be undiscovered bugs and areas for optimization. We encourage the community to report any issues found during use. - + ## Upcoming Features - + - **Advanced Process Management**: In future releases, we will introduce more complex processes for task management including consensual and hierarchical workflows. diff --git a/docs/en/concepts/agents.mdx b/docs/en/concepts/agents.mdx index c5d99983e..2f26a5699 100644 --- a/docs/en/concepts/agents.mdx +++ b/docs/en/concepts/agents.mdx @@ -20,7 +20,7 @@ Think of an agent as a specialized team member with specific skills, expertise, -CrewAI Enterprise includes a Visual Agent Builder that simplifies agent creation and configuration without writing code. Design your agents visually and test them in real-time. +CrewAI AMP includes a Visual Agent Builder that simplifies agent creation and configuration without writing code. Design your agents visually and test them in real-time. ![Visual Agent Builder Screenshot](/images/enterprise/crew-studio-interface.png) diff --git a/docs/en/concepts/cli.mdx b/docs/en/concepts/cli.mdx index c6724fc06..0e50054bc 100644 --- a/docs/en/concepts/cli.mdx +++ b/docs/en/concepts/cli.mdx @@ -5,7 +5,7 @@ icon: terminal mode: "wide" --- -Since release 0.140.0, CrewAI Enterprise started a process of migrating their login provider. As such, the authentication flow via CLI was updated. Users that use Google to login, or that created their account after July 3rd, 2025 will be unable to log in with older versions of the `crewai` library. +Since release 0.140.0, CrewAI AMP started a process of migrating their login provider. As such, the authentication flow via CLI was updated. Users that use Google to login, or that created their account after July 3rd, 2025 will be unable to log in with older versions of the `crewai` library. ## Overview @@ -186,9 +186,9 @@ def crew(self) -> Crew: ### 10. Deploy -Deploy the crew or flow to [CrewAI Enterprise](https://app.crewai.com). +Deploy the crew or flow to [CrewAI AMP](https://app.crewai.com). -- **Authentication**: You need to be authenticated to deploy to CrewAI Enterprise. +- **Authentication**: You need to be authenticated to deploy to CrewAI AMP. You can login or create an account with: ```shell Terminal crewai login @@ -203,7 +203,7 @@ Deploy the crew or flow to [CrewAI Enterprise](https://app.crewai.com). ### 11. Organization Management -Manage your CrewAI Enterprise organizations. +Manage your CrewAI AMP organizations. ```shell Terminal crewai org [COMMAND] [OPTIONS] @@ -227,17 +227,17 @@ crewai org switch ``` -You must be authenticated to CrewAI Enterprise to use these organization management commands. +You must be authenticated to CrewAI AMP to use these organization management commands. - **Create a deployment** (continued): - Links the deployment to the corresponding remote GitHub repository (it usually detects this automatically). -- **Deploy the Crew**: Once you are authenticated, you can deploy your crew or flow to CrewAI Enterprise. +- **Deploy the Crew**: Once you are authenticated, you can deploy your crew or flow to CrewAI AMP. ```shell Terminal crewai deploy push ``` - - Initiates the deployment process on the CrewAI Enterprise platform. + - Initiates the deployment process on the CrewAI AMP platform. - Upon successful initiation, it will output the Deployment created successfully! message along with the Deployment Name and a unique Deployment ID (UUID). - **Deployment Status**: You can check the status of your deployment with: @@ -262,7 +262,7 @@ You must be authenticated to CrewAI Enterprise to use these organization managem ```shell Terminal crewai deploy remove ``` - This deletes the deployment from the CrewAI Enterprise platform. + This deletes the deployment from the CrewAI AMP platform. - **Help Command**: You can get help with the CLI with: ```shell Terminal @@ -270,22 +270,20 @@ You must be authenticated to CrewAI Enterprise to use these organization managem ``` This shows the help message for the CrewAI Deploy CLI. -Watch this video tutorial for a step-by-step demonstration of deploying your crew to [CrewAI Enterprise](http://app.crewai.com) using the CLI. +Watch this video tutorial for a step-by-step demonstration of deploying your crew to [CrewAI AMP](http://app.crewai.com) using the CLI. ### 11. Login -Authenticate with CrewAI Enterprise using a secure device code flow (no email entry required). +Authenticate with CrewAI AMP using a secure device code flow (no email entry required). ```shell Terminal crewai login @@ -356,7 +354,7 @@ crewai config reset #### Available Configuration Parameters -- `enterprise_base_url`: Base URL of the CrewAI Enterprise instance +- `enterprise_base_url`: Base URL of the CrewAI AMP instance - `oauth2_provider`: OAuth2 provider used for authentication (e.g., workos, okta, auth0) - `oauth2_audience`: OAuth2 audience value, typically used to identify the target API or resource - `oauth2_client_id`: OAuth2 client ID issued by the provider, used during authentication requests @@ -372,7 +370,7 @@ crewai config list Example output: | Setting | Value | Description | | :------------------ | :----------------------- | :---------------------------------------------------------- | -| enterprise_base_url | https://app.crewai.com | Base URL of the CrewAI Enterprise instance | +| enterprise_base_url | https://app.crewai.com | Base URL of the CrewAI AMP instance | | org_name | Not set | Name of the currently active organization | | org_uuid | Not set | UUID of the currently active organization | | oauth2_provider | workos | OAuth2 provider (e.g., workos, okta, auth0) | diff --git a/docs/en/concepts/event-listener.mdx b/docs/en/concepts/event-listener.mdx index 33550139d..69c65c230 100644 --- a/docs/en/concepts/event-listener.mdx +++ b/docs/en/concepts/event-listener.mdx @@ -20,7 +20,7 @@ CrewAI uses an event bus architecture to emit events throughout the execution li When specific actions occur in CrewAI (like a Crew starting execution, an Agent completing a task, or a tool being used), the system emits corresponding events. You can register handlers for these events to execute custom code when they occur. -CrewAI Enterprise provides a built-in Prompt Tracing feature that leverages the event system to track, store, and visualize all prompts, completions, and associated metadata. This provides powerful debugging capabilities and transparency into your agent operations. +CrewAI AMP provides a built-in Prompt Tracing feature that leverages the event system to track, store, and visualize all prompts, completions, and associated metadata. This provides powerful debugging capabilities and transparency into your agent operations. ![Prompt Tracing Dashboard](/images/enterprise/traces-overview.png) diff --git a/docs/en/concepts/flows.mdx b/docs/en/concepts/flows.mdx index f8278375c..92d63a1c0 100644 --- a/docs/en/concepts/flows.mdx +++ b/docs/en/concepts/flows.mdx @@ -875,14 +875,13 @@ By exploring these examples, you can gain insights into how to leverage CrewAI F Also, check out our YouTube video on how to use flows in CrewAI below! ## Running Flows diff --git a/docs/en/concepts/tasks.mdx b/docs/en/concepts/tasks.mdx index ffb292209..3a8334bb1 100644 --- a/docs/en/concepts/tasks.mdx +++ b/docs/en/concepts/tasks.mdx @@ -14,7 +14,7 @@ Tasks provide all necessary details for execution, such as a description, the ag Tasks within CrewAI can be collaborative, requiring multiple agents to work together. This is managed through the task properties and orchestrated by the Crew's process, enhancing teamwork and efficiency. -CrewAI Enterprise includes a Visual Task Builder in Crew Studio that simplifies complex task creation and chaining. Design your task flows visually and test them in real-time without writing code. +CrewAI AMP includes a Visual Task Builder in Crew Studio that simplifies complex task creation and chaining. Design your task flows visually and test them in real-time without writing code. ![Task Builder Screenshot](/images/enterprise/crew-studio-interface.png) @@ -897,14 +897,13 @@ except RuntimeError as e: Check out the video below to see how to use structured outputs in CrewAI: ## Conclusion diff --git a/docs/en/concepts/tools.mdx b/docs/en/concepts/tools.mdx index e23d2478e..09ab025b3 100644 --- a/docs/en/concepts/tools.mdx +++ b/docs/en/concepts/tools.mdx @@ -17,7 +17,7 @@ This includes tools from the [CrewAI Toolkit](https://github.com/joaomdmoura/cre enabling everything from simple searches to complex interactions and effective teamwork among agents. -CrewAI Enterprise provides a comprehensive Tools Repository with pre-built integrations for common business systems and APIs. Deploy agents with enterprise tools in minutes instead of days. +CrewAI AMP provides a comprehensive Tools Repository with pre-built integrations for common business systems and APIs. Deploy agents with enterprise tools in minutes instead of days. The Enterprise Tools Repository includes: - Pre-built connectors for popular enterprise systems @@ -208,7 +208,7 @@ from crewai.tools import BaseTool class AsyncCustomTool(BaseTool): name: str = "async_custom_tool" description: str = "An asynchronous custom tool" - + async def _run(self, query: str = "") -> str: """Asynchronously run the tool""" # Your async implementation here diff --git a/docs/en/enterprise/features/agent-repositories.mdx b/docs/en/enterprise/features/agent-repositories.mdx index 66f1ccc44..879d39045 100644 --- a/docs/en/enterprise/features/agent-repositories.mdx +++ b/docs/en/enterprise/features/agent-repositories.mdx @@ -1,12 +1,16 @@ --- title: 'Agent Repositories' description: 'Learn how to use Agent Repositories to share and reuse your agents across teams and projects' -icon: 'database' +icon: 'people-group' mode: "wide" --- Agent Repositories allow enterprise users to store, share, and reuse agent definitions across teams and projects. This feature enables organizations to maintain a centralized library of standardized agents, promoting consistency and reducing duplication of effort. + + ![Agent Repositories](/images/enterprise/agent-repositories.png) + + ## Benefits of Agent Repositories - **Standardization**: Maintain consistent agent definitions across your organization @@ -14,25 +18,21 @@ Agent Repositories allow enterprise users to store, share, and reuse agent defin - **Governance**: Implement organization-wide policies for agent configurations - **Collaboration**: Enable teams to share and build upon each other's work -## Using Agent Repositories - -### Prerequisites +## Creating and Use Agent Repositories 1. You must have an account at CrewAI, try the [free plan](https://app.crewai.com). -2. You need to be authenticated using the CrewAI CLI. -3. If you have more than one organization, make sure you are switched to the correct organization using the CLI command: +2. Create agents with specific roles and goals for your workflows. +3. Configure tools and capabilities for each specialized assistant. +4. Deploy agents across projects via visual interface or API integration. -```bash -crewai org switch -``` + + ![Agent Repositories](/images/enterprise/create-agent-repository.png) + -### Creating and Managing Agents in Repositories - -To create and manage agents in repositories,Enterprise Dashboard. ### Loading Agents from Repositories -You can load agents from repositories in your code using the `from_repository` parameter: +You can load agents from repositories in your code using the `from_repository` parameter to run locally: ```python from crewai import Agent @@ -42,7 +42,6 @@ from crewai import Agent researcher = Agent( from_repository="market-research-agent" ) - ``` ### Overriding Repository Settings diff --git a/docs/en/enterprise/features/automations.mdx b/docs/en/enterprise/features/automations.mdx new file mode 100644 index 000000000..675977e01 --- /dev/null +++ b/docs/en/enterprise/features/automations.mdx @@ -0,0 +1,104 @@ +--- +title: Automations +description: "Manage, deploy, and monitor your live crews (automations) in one place." +icon: "rocket" +mode: "wide" +--- + +## Overview + +Automations is the live operations hub for your deployed crews. Use it to deploy from GitHub or a ZIP file, manage environment variables, re‑deploy when needed, and monitor the status of each automation. + + + ![Automations Overview](/images/enterprise/automations-overview.png) + + + +## Deployment Methods + +### Deploy from GitHub + +Use this for version‑controlled projects and continuous deployment. + + + + Click Configure GitHub and authorize access. + + + Choose the Repository and Branch you want to deploy from. + + + Turn on Automatically deploy new commits to ship updates on every push. + + + Add secrets individually or use Bulk View for multiple variables. + + + Click Deploy to create your live automation. + + + + + ![GitHub Deployment](/images/enterprise/deploy-from-github.png) + + +### Deploy from ZIP + +Ship quickly without Git—upload a compressed package of your project. + + + + Select the ZIP archive from your computer. + + + Provide any required variables or keys. + + + Click Deploy to create your live automation. + + + + + ![ZIP Deployment](/images/enterprise/deploy-from-zip.png) + + +## Automations Dashboard + +The table lists all live automations with key details: + +- **CREW**: Automation name +- **STATUS**: Online / Failed / In Progress +- **URL**: Endpoint for kickoff/status +- **TOKEN**: Automation token +- **ACTIONS**: Re‑deploy, delete, and more + +Use the top‑right controls to filter and search: + +- Search by name +- Filter by Status +- Filter by Source (GitHub / Studio / ZIP) + +Once deployed, you can view the automation details and have the **Options** dropdown menu to `chat with this crew`, `Export React Component` and `Export as MCP`. + + + ![Automations Table](/images/enterprise/automations-table.png) + + +## Best Practices + +- Prefer GitHub deployments for version control and CI/CD +- Use re‑deploy to roll forward after code or config updates or set it to auto-deploy on every push + +## Related + + + + Deploy a Crew from GitHub or ZIP file. + + + Trigger automations via webhooks or API. + + + Stream real-time events and updates to your systems. + + diff --git a/docs/en/enterprise/features/crew-studio.mdx b/docs/en/enterprise/features/crew-studio.mdx new file mode 100644 index 000000000..b4ea0b238 --- /dev/null +++ b/docs/en/enterprise/features/crew-studio.mdx @@ -0,0 +1,88 @@ +--- +title: Crew Studio +description: "Build new automations with AI assistance, a visual editor, and integrated testing." +icon: "pencil" +mode: "wide" +--- + +## Overview + +Crew Studio is an interactive, AI‑assisted workspace for creating new automations from scratch using natural language and a visual workflow editor. + + + ![Crew Studio Overview](/images/enterprise/crew-studio-overview.png) + + +## Prompt‑based Creation + +- Describe the automation you want; the AI generates agents, tasks, and tools. +- Use voice input via the microphone icon if preferred. +- Start from built‑in prompts for common use cases. + + + ![Prompt Builder](/images/enterprise/crew-studio-prompt.png) + + +## Visual Editor + +The canvas reflects the workflow as nodes and edges with three supporting panels that allow you to configure the workflow easily without writing code; a.k.a. "**vibe coding AI Agents**". + +You can use the drag-and-drop functionality to add agents, tasks, and tools to the canvas or you can use the chat section to build the agents. Both approaches share state and can be used interchangeably. + +- **AI Thoughts (left)**: streaming reasoning as the workflow is designed +- **Canvas (center)**: agents and tasks as connected nodes +- **Resources (right)**: drag‑and‑drop components (agents, tasks, tools) + + + ![Visual Canvas](/images/enterprise/crew-studio-canvas.png) + + +## Execution & Debugging + +Switch to the Execution view to run and observe the workflow: + +- Event timeline +- Detailed logs (Details, Messages, Raw Data) +- Local test runs before publishing + + + ![Execution View](/images/enterprise/crew-studio-execution.png) + + +## Publish & Export + +- Publish to deploy a live automation +- Download source as a ZIP for local development or customization + + + ![Publish & Download](/images/enterprise/crew-studio-publish.png) + + +Once published, you can view the automation details and have the **Options** dropdown menu to `chat with this crew`, `Export React Component` and `Export as MCP`. + + + ![Published Automation](/images/enterprise/crew-studio-published.png) + + +## Best Practices + +- Iterate quickly in Studio; publish only when stable +- Keep tools constrained to minimum permissions needed +- Use Traces to validate behavior and performance + +## Related + + + + Enable Crew Studio. + + + Build a Crew. + + + Deploy a Crew from GitHub or ZIP file. + + + Export a React Component. + + diff --git a/docs/en/enterprise/features/integrations.mdx b/docs/en/enterprise/features/integrations.mdx deleted file mode 100644 index c10e25fad..000000000 --- a/docs/en/enterprise/features/integrations.mdx +++ /dev/null @@ -1,186 +0,0 @@ ---- -title: Integrations -description: "Connected applications for your agents to take actions." -icon: "plug" -mode: "wide" ---- - -## Overview - -Enable your agents to authenticate with any OAuth enabled provider and take actions. From Salesforce and HubSpot to Google and GitHub, we've got you covered with 16+ integrated services. - - - ![Integrations](/images/enterprise/crew_connectors.png) - - -## Supported Integrations - -### **Communication & Collaboration** -- **Gmail** - Manage emails and drafts -- **Slack** - Workspace notifications and alerts -- **Microsoft** - Office 365 and Teams integration - -### **Project Management** -- **Jira** - Issue tracking and project management -- **ClickUp** - Task and productivity management -- **Asana** - Team task and project coordination -- **Notion** - Page and database management -- **Linear** - Software project and bug tracking -- **GitHub** - Repository and issue management - -### **Customer Relationship Management** -- **Salesforce** - CRM account and opportunity management -- **HubSpot** - Sales pipeline and contact management -- **Zendesk** - Customer support ticket management - -### **Business & Finance** -- **Stripe** - Payment processing and customer management -- **Shopify** - E-commerce store and product management - -### **Productivity & Storage** -- **Google Sheets** - Spreadsheet data synchronization -- **Google Calendar** - Event and schedule management -- **Box** - File storage and document management - -and more to come! - -## Prerequisites - -Before using Authentication Integrations, ensure you have: - -- A [CrewAI Enterprise](https://app.crewai.com) account. You can get started with a free trial. - - -## Setting Up Integrations - -### 1. Connect Your Account - -1. Navigate to [CrewAI Enterprise](https://app.crewai.com) -2. Go to **Integrations** tab - https://app.crewai.com/crewai_plus/connectors -3. Click **Connect** on your desired service from the Authentication Integrations section -4. Complete the OAuth authentication flow -5. Grant necessary permissions for your use case -6. All set! Get your Enterprise Token from your [CrewAI Enterprise](https://app.crewai.com) in **Integration** tab - - - ![Integrations](/images/enterprise/enterprise_action_auth_token.png) - - -### 2. Install Integration Tools - -All you need is the latest version of `crewai-tools` package. - -```bash -uv add crewai-tools -``` - -## Usage Examples - -### Basic Usage - - All the services you are authenticated into will be available as tools. So all you need to do is add the `CrewaiEnterpriseTools` to your agent and you are good to go. - - -```python -from crewai import Agent, Task, Crew -from crewai_tools import CrewaiEnterpriseTools - -# Get enterprise tools (Gmail tool will be included) -enterprise_tools = CrewaiEnterpriseTools( - enterprise_token="your_enterprise_token" -) -# print the tools -print(enterprise_tools) - -# Create an agent with Gmail capabilities -email_agent = Agent( - role="Email Manager", - goal="Manage and organize email communications", - backstory="An AI assistant specialized in email management and communication.", - tools=enterprise_tools -) - -# Task to send an email -email_task = Task( - description="Draft and send a follow-up email to john@example.com about the project update", - agent=email_agent, - expected_output="Confirmation that email was sent successfully" -) - -# Run the task -crew = Crew( - agents=[email_agent], - tasks=[email_task] -) - -# Run the crew -crew.kickoff() -``` - -### Filtering Tools - -```python -from crewai_tools import CrewaiEnterpriseTools - -enterprise_tools = CrewaiEnterpriseTools( - actions_list=["gmail_find_email"] # only gmail_find_email tool will be available -) -gmail_tool = enterprise_tools["gmail_find_email"] - -gmail_agent = Agent( - role="Gmail Manager", - goal="Manage gmail communications and notifications", - backstory="An AI assistant that helps coordinate gmail communications.", - tools=[gmail_tool] -) - -notification_task = Task( - description="Find the email from john@example.com", - agent=gmail_agent, - expected_output="Email found from john@example.com" -) - -# Run the task -crew = Crew( - agents=[slack_agent], - tasks=[notification_task] -) -``` - -## Best Practices - -### Security -- **Principle of Least Privilege**: Only grant the minimum permissions required for your agents' tasks -- **Regular Audits**: Periodically review connected integrations and their permissions -- **Secure Credentials**: Never hardcode credentials; use CrewAI's secure authentication flow - - -### Filtering Tools -On a deployed crew, you can specify which actions are avialbel for each integration from the settings page of the service you connected to. - - - ![Integrations](/images/enterprise/filtering_enterprise_action_tools.png) - - - -### Scoped Deployments for multi user organizations -You can deploy your crew and scope each integration to a specific user. For example, a crew that connects to google can use a specific user's gmail account. - - - This is useful for multi user organizations where you want to scope the integration to a specific user. - - - -Use the `user_bearer_token` to scope the integration to a specific user so that when the crew is kicked off, it will use the user's bearer token to authenticate with the integration. If user is not logged in, then the crew will not use any connected integrations. Use the default bearer token to authenticate with the integrations thats deployed with the crew. - - - ![Integrations](/images/enterprise/user_bearer_token.png) - - - - -### Getting Help - - - Contact our support team for assistance with integration setup or troubleshooting. - diff --git a/docs/en/enterprise/features/marketplace.mdx b/docs/en/enterprise/features/marketplace.mdx new file mode 100644 index 000000000..dc7e0d916 --- /dev/null +++ b/docs/en/enterprise/features/marketplace.mdx @@ -0,0 +1,46 @@ +--- +title: Marketplace +description: "Discover, install, and govern reusable assets for your enterprise crews." +icon: "store" +mode: "wide" +--- + +## Overview + +The Marketplace provides a curated surface for discovering integrations, internal tools, and reusable assets that accelerate crew development. + + + ![Marketplace Overview](/images/enterprise/marketplace-overview.png) + + +## Discoverability + +- Browse by category and capability +- Search for assets by name or keyword + +## Install & Enable + +- One‑click install for approved assets +- Enable or disable per crew as needed +- Configure required environment variables and scopes + + + ![Install & Configure](/images/enterprise/marketplace-install.png) + + +You can also download the templates directly from the marketplace by clicking on the `Download` button so +you can use them locally or refine them to your needs. + +## Related + + + + Connect external apps and manage internal tools your agents can use. + + + Publish and install tools to enhance your crews' capabilities. + + + Store, share, and reuse agent definitions across teams and projects. + + diff --git a/docs/en/enterprise/features/rbac.mdx b/docs/en/enterprise/features/rbac.mdx index c6271c4a2..7a121fe05 100644 --- a/docs/en/enterprise/features/rbac.mdx +++ b/docs/en/enterprise/features/rbac.mdx @@ -7,16 +7,16 @@ mode: "wide" ## Overview -RBAC in CrewAI Enterprise enables secure, scalable access management through a combination of organization‑level roles and automation‑level visibility controls. +RBAC in CrewAI AMP enables secure, scalable access management through a combination of organization‑level roles and automation‑level visibility controls. - RBAC overview in CrewAI Enterprise - + RBAC overview in CrewAI AMP + ## Users and Roles -Each member in your CrewAI workspace is assigned a role, which determines their access across various features. +Each member in your CrewAI workspace is assigned a role, which determines their access across various features. You can: @@ -28,7 +28,7 @@ You can configure users and roles in Settings → Roles. - Go to Settings → Roles in CrewAI Enterprise. + Go to Settings → Roles in CrewAI AMP. Use a predefined role (Owner, Member) or click Create role to define a custom one. @@ -93,12 +93,10 @@ The organization owner always has access. In private mode, only whitelisted user - Automation Visibility settings in CrewAI Enterprise - + Automation Visibility settings in CrewAI AMP + Contact our support team for assistance with RBAC questions. - - diff --git a/docs/en/enterprise/features/tools-and-integrations.mdx b/docs/en/enterprise/features/tools-and-integrations.mdx new file mode 100644 index 000000000..4e60021db --- /dev/null +++ b/docs/en/enterprise/features/tools-and-integrations.mdx @@ -0,0 +1,249 @@ +--- +title: Tools & Integrations +description: "Connect external apps and manage internal tools your agents can use." +icon: "wrench" +mode: "wide" +--- + +## Overview + +Tools & Integrations is the central hub for connecting third‑party apps and managing internal tools that your agents can use at runtime. + + + ![Tools & Integrations Overview](/images/enterprise/crew_connectors.png) + + +## Explore + + + + + ## Agent Apps (Integrations) + + Connect enterprise‑grade applications (e.g., Gmail, Google Drive, HubSpot, Slack) via OAuth to enable agent actions. + + + + Click Connect on an app and complete OAuth. + + + Optionally adjust scopes, triggers, and action availability. + + + Connected services become available as tools for your agents. + + + + + ![Integrations Grid](/images/enterprise/agent-apps.png) + + + ### Connect your Account + + 1. Go to Integrations + 2. Click Connect on the desired service + 3. Complete the OAuth flow and grant scopes + 4. Copy your Enterprise Token from the Integration tab + + + ![Enterprise Token](/images/enterprise/enterprise_action_auth_token.png) + + + ### Install Integration Tools + + To use the integrations locally, you need to install the latest `crewai-tools` package. + + ```bash + uv add crewai-tools + ``` + + ### Usage Example + + + All services you have authenticated will be available as tools. Add `CrewaiEnterpriseTools` to your agent and you’re set. + + + ```python + from crewai import Agent, Task, Crew + from crewai_tools import CrewaiEnterpriseTools + + # Get enterprise tools (Gmail tool will be included) + enterprise_tools = CrewaiEnterpriseTools( + enterprise_token="your_enterprise_token" + ) + # print the tools + print(enterprise_tools) + + # Create an agent with Gmail capabilities + email_agent = Agent( + role="Email Manager", + goal="Manage and organize email communications", + backstory="An AI assistant specialized in email management and communication.", + tools=enterprise_tools + ) + + # Task to send an email + email_task = Task( + description="Draft and send a follow-up email to john@example.com about the project update", + agent=email_agent, + expected_output="Confirmation that email was sent successfully" + ) + + # Run the task + crew = Crew( + agents=[email_agent], + tasks=[email_task] + ) + + # Run the crew + crew.kickoff() + ``` + + ### Filtering Tools + + ```python + from crewai_tools import CrewaiEnterpriseTools + + enterprise_tools = CrewaiEnterpriseTools( + actions_list=["gmail_find_email"] # only gmail_find_email tool will be available + ) + + + gmail_tool = enterprise_tools["gmail_find_email"] + + + gmail_agent = Agent( + role="Gmail Manager", + goal="Manage gmail communications and notifications", + backstory="An AI assistant that helps coordinate gmail communications.", + tools=[gmail_tool] + ) + + notification_task = Task( + description="Find the email from john@example.com", + agent=gmail_agent, + expected_output="Email found from john@example.com" + ) + + crew = Crew( + agents=[gmail_agent], + tasks=[notification_task] + ) + ``` + + On a deployed crew, you can specify which actions are available for each integration from the service settings page. + + + ![Filter Actions](/images/enterprise/filtering_enterprise_action_tools.png) + + + ### Scoped Deployments (multi‑user orgs) + + You can scope each integration to a specific user. For example, a crew that connects to Google can use a specific user’s Gmail account. + + + Useful when different teams/users must keep data access separated. + + + Use the `user_bearer_token` to scope authentication to the requesting user. If the user isn’t logged in, the crew won’t use connected integrations. Otherwise it falls back to the default bearer token configured for the deployment. + + + ![User Bearer Token](/images/enterprise/user_bearer_token.png) + + +
+ ### Catalog + + #### Communication & Collaboration + - Gmail — Manage emails and drafts + - Slack — Workspace notifications and alerts + - Microsoft — Office 365 and Teams integration + + #### Project Management + - Jira — Issue tracking and project management + - ClickUp — Task and productivity management + - Asana — Team task and project coordination + - Notion — Page and database management + - Linear — Software project and bug tracking + - GitHub — Repository and issue management + + #### Customer Relationship Management + - Salesforce — CRM account and opportunity management + - HubSpot — Sales pipeline and contact management + - Zendesk — Customer support ticket management + + #### Business & Finance + - Stripe — Payment processing and customer management + - Shopify — E‑commerce store and product management + + #### Productivity & Storage + - Google Sheets — Spreadsheet data synchronization + - Google Calendar — Event and schedule management + - Box — File storage and document management + + …and more to come! + + + + + ## Internal Tools + + Create custom tools locally, publish them on CrewAI AMP Tool Repository and use them in your agents. + + + Before running the commands below, make sure you log in to your CrewAI AMP account by running this command: + ```bash + crewai login + ``` + + + + ![Internal Tool Detail](/images/enterprise/tools-integrations-internal.png) + + + + + Create a new tool locally. + ```bash + crewai tool create your-tool + ``` + + + Publish the tool to the CrewAI AMP Tool Repository. + ```bash + crewai tool publish + ``` + + + Install the tool from the CrewAI AMP Tool Repository. + ```bash + crewai tool install your-tool + ``` + + + + Manage: + + - Name and description + - Visibility (Private / Public) + - Required environment variables + - Version history and downloads + - Team and role access + + + ![Internal Tool Detail](/images/enterprise/tool-configs.png) + + + + + +## Related + + + + Create, publish, and version custom tools for your organization. + + + Automate workflows and integrate with external platforms and services. + + diff --git a/docs/en/enterprise/features/traces.mdx b/docs/en/enterprise/features/traces.mdx index bb281bae3..98d6f7c95 100644 --- a/docs/en/enterprise/features/traces.mdx +++ b/docs/en/enterprise/features/traces.mdx @@ -11,7 +11,7 @@ Traces provide comprehensive visibility into your crew executions, helping you m ## What are Traces? -Traces in CrewAI Enterprise are detailed execution records that capture every aspect of your crew's operation, from initial inputs to final outputs. They record: +Traces in CrewAI AMP are detailed execution records that capture every aspect of your crew's operation, from initial inputs to final outputs. They record: - Agent thoughts and reasoning - Task execution details @@ -28,9 +28,9 @@ Traces in CrewAI Enterprise are detailed execution records that capture every as - Once in your CrewAI Enterprise dashboard, click on the **Traces** to view all execution records. + Once in your CrewAI AMP dashboard, click on the **Traces** to view all execution records. - + You'll see a list of all crew executions, sorted by date. Click on any execution to view its detailed trace. @@ -112,7 +112,7 @@ Traces are invaluable for troubleshooting issues with your crews: When a crew execution doesn't produce the expected results, examine the trace to find where things went wrong. Look for: - + - Failed tasks - Unexpected agent decisions - Tool usage errors @@ -122,19 +122,19 @@ Traces are invaluable for troubleshooting issues with your crews: ![Failure Points](/images/enterprise/failure.png) - + Use execution metrics to identify performance bottlenecks: - + - Tasks that took longer than expected - Excessive token usage - Redundant tool operations - Unnecessary API calls - + Analyze token usage and cost estimates to optimize your crew's efficiency: - + - Consider using smaller models for simpler tasks - Refine prompts to be more concise - Cache frequently accessed information @@ -153,5 +153,5 @@ CrewAI batches trace uploads to reduce overhead on high-volume runs: This yields more stable tracing under load while preserving detailed task/agent telemetry. - Contact our support team for assistance with trace analysis or any other CrewAI Enterprise features. - \ No newline at end of file + Contact our support team for assistance with trace analysis or any other CrewAI AMP features. + diff --git a/docs/en/enterprise/features/webhook-streaming.mdx b/docs/en/enterprise/features/webhook-streaming.mdx index d7058956d..45b13d8c7 100644 --- a/docs/en/enterprise/features/webhook-streaming.mdx +++ b/docs/en/enterprise/features/webhook-streaming.mdx @@ -7,8 +7,8 @@ mode: "wide" ## Overview -Enterprise Event Streaming lets you receive real-time webhook updates about your crews and flows deployed to -CrewAI Enterprise, such as model calls, tool usage, and flow steps. +Enterprise Event Streaming lets you receive real-time webhook updates about your crews and flows deployed to +CrewAI AMP, such as model calls, tool usage, and flow steps. ## Usage @@ -65,99 +65,104 @@ CrewAI supports both system events and custom events in Enterprise Event Streami ### Flow Events: - - flow_created - - flow_started - - flow_finished - - flow_plot - - method_execution_started - - method_execution_finished - - method_execution_failed + - `flow_created` + - `flow_started` + - `flow_finished` + - `flow_plot` + - `method_execution_started` + - `method_execution_finished` + - `method_execution_failed` ### Agent Events: - - agent_execution_started - - agent_execution_completed - - agent_execution_error - - lite_agent_execution_started - - lite_agent_execution_completed - - lite_agent_execution_error - - agent_logs_started - - agent_logs_execution - - agent_evaluation_started - - agent_evaluation_completed - - agent_evaluation_failed + - `agent_execution_started` + - `agent_execution_completed` + - `agent_execution_error` + - `lite_agent_execution_started` + - `lite_agent_execution_completed` + - `lite_agent_execution_error` + - `agent_logs_started` + - `agent_logs_execution` + - `agent_evaluation_started` + - `agent_evaluation_completed` + - `agent_evaluation_failed` ### Crew Events: - - crew_kickoff_started - - crew_kickoff_completed - - crew_kickoff_failed - - crew_train_started - - crew_train_completed - - crew_train_failed - - crew_test_started - - crew_test_completed - - crew_test_failed - - crew_test_result + - `crew_kickoff_started` + - `crew_kickoff_completed` + - `crew_kickoff_failed` + - `crew_train_started` + - `crew_train_completed` + - `crew_train_failed` + - `crew_test_started` + - `crew_test_completed` + - `crew_test_failed` + - `crew_test_result` ### Task Events: - - task_started - - task_completed - - task_failed - - task_evaluation + - `task_started` + - `task_completed` + - `task_failed` + - `task_evaluation` ### Tool Usage Events: - - tool_usage_started - - tool_usage_finished - - tool_usage_error - - tool_validate_input_error - - tool_selection_error - - tool_execution_error + - `tool_usage_started` + - `tool_usage_finished` + - `tool_usage_error` + - `tool_validate_input_error` + - `tool_selection_error` + - `tool_execution_error` ### LLM Events: - - llm_call_started - - llm_call_completed - - llm_call_failed - - llm_stream_chunk + - `llm_call_started` + - `llm_call_completed` + - `llm_call_failed` + - `llm_stream_chunk` ### LLM Guardrail Events: - - llm_guardrail_started - - llm_guardrail_completed + - `llm_guardrail_started` + - `llm_guardrail_completed` ### Memory Events: - - memory_query_started - - memory_query_completed - - memory_query_failed - - memory_save_started - - memory_save_completed - - memory_save_failed - - memory_retrieval_started - - memory_retrieval_completed + - `memory_query_started` + - `memory_query_completed` + - `memory_query_failed` + - `memory_save_started` + - `memory_save_completed` + - `memory_save_failed` + - `memory_retrieval_started` + - `memory_retrieval_completed` ### Knowledge Events: - - knowledge_search_query_started - - knowledge_search_query_completed - - knowledge_search_query_failed - - knowledge_query_started - - knowledge_query_completed - - knowledge_query_failed + - `knowledge_search_query_started` + - `knowledge_search_query_completed` + - `knowledge_search_query_failed` + - `knowledge_query_started` + - `knowledge_query_completed` + - `knowledge_query_failed` ### Reasoning Events: - - agent_reasoning_started - - agent_reasoning_completed - - agent_reasoning_failed + - `agent_reasoning_started` + - `agent_reasoning_completed` + - `agent_reasoning_failed` -Event names match the internal event bus. See [GitHub source](https://github.com/crewAIInc/crewAI/tree/main/src/crewai/utilities/events) for the full list. +Event names match the internal event bus. See GitHub for the full list of events. You can emit your own custom events, and they will be delivered through the webhook stream alongside system events. + + + Full list of events + Contact our support team for assistance with webhook integration or troubleshooting. - \ No newline at end of file + + diff --git a/docs/en/enterprise/guides/automation-triggers.mdx b/docs/en/enterprise/guides/automation-triggers.mdx index e46b46b4c..61fe4691c 100644 --- a/docs/en/enterprise/guides/automation-triggers.mdx +++ b/docs/en/enterprise/guides/automation-triggers.mdx @@ -1,22 +1,72 @@ --- -title: "Automation Triggers" -description: "Automatically execute your CrewAI workflows when specific events occur in connected integrations" -icon: "bolt" +title: "Triggers Overview" +description: "Understand how CrewAI AMP triggers work, how to manage them, and where to find integration-specific playbooks" +icon: "face-smile" mode: "wide" --- -Automation triggers enable you to automatically run your CrewAI deployments when specific events occur in your connected integrations, creating powerful event-driven workflows that respond to real-time changes in your business systems. +CrewAI AMP triggers connect your automations to real-time events across the tools your teams already use. Instead of polling systems or relying on manual kickoffs, triggers listen for changes—new emails, calendar updates, CRM status changes—and immediately launch the crew or flow you specify. -## Overview + + ![Automation Triggers Overview](/images/enterprise/crew_connectors.png) + -With automation triggers, you can: +### Integration Playbooks + +Deep-dive guides walk through setup and sample workflows for each integration: + + + + Enable crews when emails arrive or threads update. + + + + React to calendar events as they are created, updated, or cancelled. + + + + Handle Drive file uploads, edits, and deletions. + + + + Automate responses to new Outlook messages and calendar updates. + + + + Audit file activity and sharing changes in OneDrive. + + + + Kick off workflows when new Teams chats start. + + + + Launch automations from HubSpot workflows and lifecycle events. + + + + Connect Salesforce processes to CrewAI for CRM automation. + + + + Start crews directly from Slack slash commands. + + + + Bridge CrewAI with thousands of Zapier-supported apps. + + + +## Trigger Capabilities + +With triggers, you can: - **Respond to real-time events** - Automatically execute workflows when specific conditions are met - **Integrate with external systems** - Connect with platforms like Gmail, Outlook, OneDrive, JIRA, Slack, Stripe and more - **Scale your automation** - Handle high-volume events without manual intervention - **Maintain context** - Access trigger data within your crews and flows -## Managing Automation Triggers +## Managing Triggers ### Viewing Available Triggers @@ -25,7 +75,7 @@ To access and manage your automation triggers: 1. Navigate to your deployment in the CrewAI dashboard 2. Click on the **Triggers** tab to view all available trigger integrations - + List of available automation triggers @@ -35,7 +85,7 @@ This view shows all the trigger integrations available for your deployment, alon Each trigger can be easily enabled or disabled using the toggle switch: - + Enable or disable triggers with toggle @@ -48,24 +98,46 @@ Simply click the toggle to change the trigger state. Changes take effect immedia Track the performance and history of your triggered executions: - + List of executions triggered by automation -## Building Automation +## Building Trigger-Driven Automations Before building your automation, it's helpful to understand the structure of trigger payloads that your crews and flows will receive. -### Payload Samples Repository +### Trigger Setup Checklist -We maintain a comprehensive repository with sample payloads from various trigger sources to help you build and test your automations: +Before wiring a trigger into production, make sure you: -**🔗 [CrewAI Enterprise Trigger Payload Samples](https://github.com/crewAIInc/crewai-enterprise-trigger-payload-samples)** +- Connect the integration under **Tools & Integrations** and complete any OAuth or API key steps +- Enable the trigger toggle on the deployment that should respond to events +- Provide any required environment variables (API tokens, tenant IDs, shared secrets) +- Create or update tasks that can parse the incoming payload within the first crew task or flow step +- Decide whether to pass trigger context automatically using `allow_crewai_trigger_context` +- Set up monitoring—webhook logs, CrewAI execution history, and optional external alerting + +### Payload & Crew Examples Repository + +We maintain a comprehensive repository with end-to-end trigger examples to help you build and test your automations: This repository contains: -- **Real payload examples** from different trigger sources (Gmail, Google Drive, etc.) -- **Payload structure documentation** showing the format and available fields +- **Realistic payload samples** for every supported trigger integration +- **Ready-to-run crew implementations** that parse each payload and turn it into a business workflow +- **Multiple scenarios per integration** (e.g., new events, updates, deletions) so you can match the shape of your data + +| Integration | When it fires | Payload Samples | Crew Examples | +| :-- | :-- | :-- | :-- | +| Gmail | New messages, thread updates | [New alerts, thread updates](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/gmail) | [`new-email-crew.py`, `gmail-alert-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/gmail) | +| Google Calendar | Event created / updated / started / ended / cancelled | [Event lifecycle payloads](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_calendar) | [`calendar-event-crew.py`, `calendar-meeting-crew.py`, `calendar-working-location-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_calendar) | +| Google Drive | File created / updated / deleted | [File lifecycle payloads](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_drive) | [`drive-file-crew.py`, `drive-file-deletion-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_drive) | +| Outlook | New email, calendar event removed | [Outlook payloads](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/outlook) | [`outlook-message-crew.py`, `outlook-event-removal-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/outlook) | +| OneDrive | File operations (create, update, share, delete) | [OneDrive payloads](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/onedrive) | [`onedrive-file-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/onedrive) | +| HubSpot | Record created / updated (contacts, companies, deals) | [HubSpot payloads](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/hubspot) | [`hubspot-company-crew.py`, `hubspot-contact-crew.py`, `hubspot-record-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/hubspot) | +| Microsoft Teams | Chat thread created | [Teams chat payload](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/microsoft-teams) | [`teams-chat-created-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/microsoft-teams) | + +Use these samples to understand payload shape, copy the matching crew, and then replace the test payload with your live trigger data. ### Triggers with Crew @@ -177,3 +249,7 @@ def delegate_to_crew(self, crewai_trigger_payload: dict = None): - If you are developing, make sure the inputs include the `crewai_trigger_payload` parameter with the correct payload Automation triggers transform your CrewAI deployments into responsive, event-driven systems that can seamlessly integrate with your existing business processes and tools. + + + Check them out on GitHub! + diff --git a/docs/en/enterprise/guides/azure-openai-setup.mdx b/docs/en/enterprise/guides/azure-openai-setup.mdx index 6754208f7..408fe8601 100644 --- a/docs/en/enterprise/guides/azure-openai-setup.mdx +++ b/docs/en/enterprise/guides/azure-openai-setup.mdx @@ -19,8 +19,8 @@ This guide walks you through connecting Azure OpenAI with Crew Studio for seamle - - 4. In another tab, open `CrewAI Enterprise > LLM Connections`. Name your LLM Connection, select Azure as the provider, and choose the same model you selected in Azure. + + 4. In another tab, open `CrewAI AMP > LLM Connections`. Name your LLM Connection, select Azure as the provider, and choose the same model you selected in Azure. 5. On the same page, add environment variables from step 3: - One named `AZURE_DEPLOYMENT_TARGET_URL` (using the Target URI). The URL should look like this: https://your-deployment.openai.azure.com/openai/deployments/gpt-4o/chat/completions?api-version=2024-08-01-preview - Another named `AZURE_API_KEY` (using the Key). @@ -28,7 +28,7 @@ This guide walks you through connecting Azure OpenAI with Crew Studio for seamle - 7. In `CrewAI Enterprise > Settings > Defaults > Crew Studio LLM Settings`, set the new LLM Connection and model as defaults. + 7. In `CrewAI AMP > Settings > Defaults > Crew Studio LLM Settings`, set the new LLM Connection and model as defaults. @@ -49,4 +49,4 @@ If you encounter issues: - Verify the Target URI format matches the expected pattern - Check that the API key is correct and has proper permissions - Ensure network access is configured to allow CrewAI connections -- Confirm the deployment model matches what you've configured in CrewAI +- Confirm the deployment model matches what you've configured in CrewAI diff --git a/docs/en/enterprise/guides/build-crew.mdx b/docs/en/enterprise/guides/build-crew.mdx index f7b9be6d6..38ea95853 100644 --- a/docs/en/enterprise/guides/build-crew.mdx +++ b/docs/en/enterprise/guides/build-crew.mdx @@ -7,19 +7,17 @@ mode: "wide" ## Overview -[CrewAI Enterprise](https://app.crewai.com) streamlines the process of **creating**, **deploying**, and **managing** your AI agents in production environments. +[CrewAI AMP](https://app.crewai.com) streamlines the process of **creating**, **deploying**, and **managing** your AI agents in production environments. ## Getting Started ### Installation and Setup diff --git a/docs/en/enterprise/guides/deploy-crew.mdx b/docs/en/enterprise/guides/deploy-crew.mdx index 7d7d7ef1c..c017bd4db 100644 --- a/docs/en/enterprise/guides/deploy-crew.mdx +++ b/docs/en/enterprise/guides/deploy-crew.mdx @@ -1,12 +1,12 @@ --- title: "Deploy Crew" -description: "Deploying a Crew on CrewAI Enterprise" +description: "Deploying a Crew on CrewAI AMP" icon: "rocket" mode: "wide" --- -After creating a crew locally or through Crew Studio, the next step is deploying it to the CrewAI Enterprise platform. This guide covers multiple deployment methods to help you choose the best approach for your workflow. +After creating a crew locally or through Crew Studio, the next step is deploying it to the CrewAI AMP platform. This guide covers multiple deployment methods to help you choose the best approach for your workflow. ## Prerequisites @@ -39,10 +39,10 @@ The CLI provides the fastest way to deploy locally developed crews to the Enterp - First, you need to authenticate your CLI with the CrewAI Enterprise platform: + First, you need to authenticate your CLI with the CrewAI AMP platform: ```bash - # If you already have a CrewAI Enterprise account, or want to create one: + # If you already have a CrewAI AMP account, or want to create one: crewai login ``` @@ -124,7 +124,7 @@ The CrewAI CLI offers several commands to manage your deployments: ## Option 2: Deploy Directly via Web Interface -You can also deploy your crews directly through the CrewAI Enterprise web interface by connecting your GitHub account. This approach doesn't require using the CLI on your local machine. +You can also deploy your crews directly through the CrewAI AMP web interface by connecting your GitHub account. This approach doesn't require using the CLI on your local machine. @@ -134,9 +134,9 @@ You can also deploy your crews directly through the CrewAI Enterprise web interf - + - 1. Log in to [CrewAI Enterprise](https://app.crewai.com) + 1. Log in to [CrewAI AMP](https://app.crewai.com) 2. Click on the button "Connect GitHub" @@ -190,7 +190,7 @@ You can also deploy your crews directly through the CrewAI Enterprise web interf ## ⚠️ Environment Variable Security Requirements -**Important**: CrewAI Enterprise has security restrictions on environment variable names that can cause deployment failures if not followed. +**Important**: CrewAI AMP has security restrictions on environment variable names that can cause deployment failures if not followed. ### Blocked Environment Variable Patterns diff --git a/docs/en/enterprise/guides/enable-crew-studio.mdx b/docs/en/enterprise/guides/enable-crew-studio.mdx index 328cad261..8c3e5422d 100644 --- a/docs/en/enterprise/guides/enable-crew-studio.mdx +++ b/docs/en/enterprise/guides/enable-crew-studio.mdx @@ -1,17 +1,17 @@ --- title: "Enable Crew Studio" -description: "Enabling Crew Studio on CrewAI Enterprise" +description: "Enabling Crew Studio on CrewAI AMP" icon: "comments" mode: "wide" --- -Crew Studio is a powerful **no-code/low-code** tool that allows you to quickly scaffold or build Crews through a conversational interface. +Crew Studio is a powerful **no-code/low-code** tool that allows you to quickly scaffold or build Crews through a conversational interface. ## What is Crew Studio? -Crew Studio is an innovative way to create AI agent crews without writing code. +Crew Studio is an innovative way to create AI agent crews without writing code. ![Crew Studio Interface](/images/enterprise/crew-studio-interface.png) @@ -24,7 +24,7 @@ With Crew Studio, you can: - Select appropriate tools - Configure necessary inputs - Generate downloadable code for customization -- Deploy directly to the CrewAI Enterprise platform +- Deploy directly to the CrewAI AMP platform ## Configuration Steps @@ -32,14 +32,14 @@ Before you can start using Crew Studio, you need to configure your LLM connectio - Go to the **LLM Connections** tab in your CrewAI Enterprise dashboard and create a new LLM connection. + Go to the **LLM Connections** tab in your CrewAI AMP dashboard and create a new LLM connection. Feel free to use any LLM provider you want that is supported by CrewAI. - + Configure your LLM connection: - + - Enter a `Connection Name` (e.g., `OpenAI`) - Select your model provider: `openai` or `azure` - Select models you'd like to use in your Studio-generated Crews @@ -48,28 +48,28 @@ Before you can start using Crew Studio, you need to configure your LLM connectio - For OpenAI: Add `OPENAI_API_KEY` with your API key - For Azure OpenAI: Refer to [this article](https://blog.crewai.com/configuring-azure-openai-with-crewai-a-comprehensive-guide/) for configuration details - Click `Add Connection` to save your configuration - + ![LLM Connection Configuration](/images/enterprise/llm-connection-config.png) - + Once you complete the setup, you'll see your new connection added to the list of available connections. - + ![Connection Added](/images/enterprise/connection-added.png) - + In the main menu, go to **Settings → Defaults** and configure the LLM Defaults settings: - + - Select default models for agents and other components - Set default configurations for Crew Studio - + Click `Save Settings` to apply your changes. - + ![LLM Defaults Configuration](/images/enterprise/llm-defaults.png) @@ -82,38 +82,38 @@ Now that you've configured your LLM connection and default settings, you're read - Navigate to the **Studio** section in your CrewAI Enterprise dashboard. + Navigate to the **Studio** section in your CrewAI AMP dashboard. - + Start a conversation with the Crew Assistant by describing the problem you want to solve: - + ```md I need a crew that can research the latest AI developments and create a summary report. ``` - + The Crew Assistant will ask clarifying questions to better understand your requirements. - + Review the generated crew configuration, including: - + - Agents and their roles - Tasks to be performed - Required inputs - Tools to be used - + This is your opportunity to refine the configuration before proceeding. - + Once you're satisfied with the configuration, you can: - + - Download the generated code for local customization - - Deploy the crew directly to the CrewAI Enterprise platform + - Deploy the crew directly to the CrewAI AMP platform - Modify the configuration and regenerate the crew - + After deployment, test your crew with sample inputs to ensure it performs as expected. @@ -130,38 +130,37 @@ Here's a typical workflow for creating a crew with Crew Studio: Start by describing your problem: - + ```md I need a crew that can analyze financial news and provide investment recommendations ``` - + Respond to clarifying questions from the Crew Assistant to refine your requirements. - + Review the generated crew plan, which might include: - + - A Research Agent to gather financial news - An Analysis Agent to interpret the data - A Recommendations Agent to provide investment advice - + Approve the plan or request changes if necessary. - + Download the code for customization or deploy directly to the platform. - + Test your crew with sample inputs and refine as needed. - Contact our support team for assistance with Crew Studio or any other CrewAI Enterprise features. + Contact our support team for assistance with Crew Studio or any other CrewAI AMP features. - diff --git a/docs/en/enterprise/guides/gmail-trigger.mdx b/docs/en/enterprise/guides/gmail-trigger.mdx new file mode 100644 index 000000000..2caefc045 --- /dev/null +++ b/docs/en/enterprise/guides/gmail-trigger.mdx @@ -0,0 +1,85 @@ +--- +title: "Gmail Trigger" +description: "Trigger automations when Gmail events occur (e.g., new emails, labels)." +icon: "envelope" +mode: "wide" +--- + +## Overview + +Use the Gmail Trigger to kick off your deployed crews when Gmail events happen in connected accounts, such as receiving a new email or messages matching a label/filter. + + + Make sure Gmail is connected in Tools & Integrations and the trigger is enabled for your deployment. + + +## Enabling the Gmail Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Gmail** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Process new emails + +When a new email arrives, the Gmail Trigger will send the payload to your Crew or Flow. Below is a Crew example that parses and processes the trigger payload. + +```python +@CrewBase +class GmailProcessingCrew: + @agent + def parser(self) -> Agent: + return Agent( + config=self.agents_config['parser'], + ) + + @task + def parse_gmail_payload(self) -> Task: + return Task( + config=self.tasks_config['parse_gmail_payload'], + agent=self.parser(), + ) + + @task + def act_on_email(self) -> Task: + return Task( + config=self.tasks_config['act_on_email'], + agent=self.parser(), + ) +``` + +The Gmail payload will be available via the standard context mechanisms. See the payload samples repository for structure and fields. + +### Sample payloads & crews + +The [CrewAI AMP Trigger Examples repository](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/gmail) includes: + +- `new-email-payload-1.json` / `new-email-payload-2.json` — production-style new message alerts with matching crews in `new-email-crew.py` +- `thread-updated-sample-1.json` — follow-up messages on an existing thread, processed by `gmail-alert-crew.py` + +Use these samples to validate your parsing logic locally before wiring the trigger to your live Gmail accounts. + +## Monitoring Executions + +Track history and performance of triggered runs: + + + List of executions triggered by automation + + +## Payload Reference + +See the sample payloads and field descriptions: + + + Gmail samples in Trigger Examples Repo + + +## Troubleshooting + +- Ensure Gmail is connected in Tools & Integrations +- Verify the Gmail Trigger is enabled on the Triggers tab +- Check the execution logs and confirm the payload is passed as `crewai_trigger_payload` diff --git a/docs/en/enterprise/guides/google-calendar-trigger.mdx b/docs/en/enterprise/guides/google-calendar-trigger.mdx new file mode 100644 index 000000000..cf2d32471 --- /dev/null +++ b/docs/en/enterprise/guides/google-calendar-trigger.mdx @@ -0,0 +1,65 @@ +--- +title: "Google Calendar Trigger" +description: "Kick off crews when Google Calendar events are created, updated, or cancelled" +icon: "calendar" +mode: "wide" +--- + +## Overview + +Use the Google Calendar trigger to launch automations whenever calendar events change. Common use cases include briefing a team before a meeting, notifying stakeholders when a critical event is cancelled, or summarizing daily schedules. + + + Make sure Google Calendar is connected in **Tools & Integrations** and enabled for the deployment you want to automate. + + +## Enabling the Google Calendar Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Google Calendar** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize meeting details + +The snippet below mirrors the `calendar-event-crew.py` example in the trigger repository. It parses the payload, analyses the attendees and timing, and produces a meeting brief for downstream tools. + +```python +from calendar_event_crew import GoogleCalendarEventTrigger + +crew = GoogleCalendarEventTrigger().crew() +result = crew.kickoff({ + "crewai_trigger_payload": calendar_payload, +}) +print(result.raw) +``` + +Use `crewai_trigger_payload` exactly as it is delivered by the trigger so the crew can extract the proper fields. + +## Sample payloads & crews + +The [Google Calendar examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_calendar) show how to handle multiple event types: + +- `new-event.json` → standard event creation handled by `calendar-event-crew.py` +- `event-updated.json` / `event-started.json` / `event-ended.json` → in-flight updates processed by `calendar-meeting-crew.py` +- `event-canceled.json` → cancellation workflow that alerts attendees via `calendar-meeting-crew.py` +- Working location events use `calendar-working-location-crew.py` to extract on-site schedules + +Each crew transforms raw event metadata (attendees, rooms, working locations) into the summaries your teams need. + +## Monitoring Executions + +The **Executions** list in the deployment dashboard tracks every triggered run and surfaces payload metadata, output summaries, and errors. + + + List of executions triggered by automation + + +## Troubleshooting + +- Ensure the correct Google account is connected and the trigger is enabled +- Confirm your workflow handles all-day events (payloads use `start.date` and `end.date` instead of timestamps) +- Check execution logs if reminders or attendee arrays are missing—calendar permissions can limit fields in the payload diff --git a/docs/en/enterprise/guides/google-drive-trigger.mdx b/docs/en/enterprise/guides/google-drive-trigger.mdx new file mode 100644 index 000000000..19c10837b --- /dev/null +++ b/docs/en/enterprise/guides/google-drive-trigger.mdx @@ -0,0 +1,61 @@ +--- +title: "Google Drive Trigger" +description: "Respond to Google Drive file events with automated crews" +icon: "folder" +mode: "wide" +--- + +## Overview + +Trigger your automations when files are created, updated, or removed in Google Drive. Typical workflows include summarizing newly uploaded content, enforcing sharing policies, or notifying owners when critical files change. + + + Connect Google Drive in **Tools & Integrations** and confirm the trigger is enabled for the automation you want to monitor. + + +## Enabling the Google Drive Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Google Drive** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize file activity + +The drive example crews parse the payload to extract file metadata, evaluate permissions, and publish a summary. + +```python +from drive_file_crew import GoogleDriveFileTrigger + +crew = GoogleDriveFileTrigger().crew() +crew.kickoff({ + "crewai_trigger_payload": drive_payload, +}) +``` + +## Sample payloads & crews + +Explore the [Google Drive examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_drive) to cover different operations: + +- `new-file.json` → new uploads processed by `drive-file-crew.py` +- `updated-file.json` → file edits and metadata changes handled by `drive-file-crew.py` +- `deleted-file.json` → deletion events routed through `drive-file-deletion-crew.py` + +Each crew highlights the file name, operation type, owner, permissions, and security considerations so downstream systems can respond appropriately. + +## Monitoring Executions + +Track history and performance of triggered runs with the **Executions** list in the deployment dashboard. + + + List of executions triggered by automation + + +## Troubleshooting + +- Verify Google Drive is connected and the trigger toggle is enabled +- If a payload is missing permission data, ensure the connected account has access to the file or folder +- The trigger sends file IDs only; use the Drive API if you need to fetch binary content during the crew run diff --git a/docs/en/enterprise/guides/hubspot-trigger.mdx b/docs/en/enterprise/guides/hubspot-trigger.mdx index a5cd8a553..c2a7549f3 100644 --- a/docs/en/enterprise/guides/hubspot-trigger.mdx +++ b/docs/en/enterprise/guides/hubspot-trigger.mdx @@ -5,22 +5,22 @@ icon: "hubspot" mode: "wide" --- -This guide provides a step-by-step process to set up HubSpot triggers for CrewAI Enterprise, enabling you to initiate crews directly from HubSpot Workflows. +This guide provides a step-by-step process to set up HubSpot triggers for CrewAI AMP, enabling you to initiate crews directly from HubSpot Workflows. ## Prerequisites -- A CrewAI Enterprise account +- A CrewAI AMP account - A HubSpot account with the [HubSpot Workflows](https://knowledge.hubspot.com/workflows/create-workflows) feature ## Setup Steps - - - Log in to your `CrewAI Enterprise account > Triggers` + + - Log in to your `CrewAI AMP account > Triggers` - Select `HubSpot` from the list of available triggers - - Choose the HubSpot account you want to connect with CrewAI Enterprise - - Follow the on-screen prompts to authorize CrewAI Enterprise access to your HubSpot account - - A confirmation message will appear once HubSpot is successfully connected with CrewAI Enterprise + - Choose the HubSpot account you want to connect with CrewAI AMP + - Follow the on-screen prompts to authorize CrewAI AMP access to your HubSpot account + - A confirmation message will appear once HubSpot is successfully connected with CrewAI AMP - Log in to your `HubSpot account > Automations > Workflows > New workflow` @@ -51,4 +51,14 @@ This guide provides a step-by-step process to set up HubSpot triggers for CrewAI ## Additional Resources -For more detailed information on available actions and customization options, refer to the [HubSpot Workflows Documentation](https://knowledge.hubspot.com/workflows/create-workflows). \ No newline at end of file +### Sample payloads & crews + +You can jump-start development with the [HubSpot examples in the trigger repository](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/hubspot): + +- `record-created-contact.json`, `record-updated-contact.json` → contact lifecycle events handled by `hubspot-contact-crew.py` +- `record-created-company.json`, `record-updated-company.json` → company enrichment flows in `hubspot-company-crew.py` +- `record-created-deals.json`, `record-updated-deals.json` → deal pipeline automation in `hubspot-record-crew.py` + +Each crew demonstrates how to parse HubSpot record fields, enrich context, and return structured insights. + +For more detailed information on available actions and customization options, refer to the [HubSpot Workflows Documentation](https://knowledge.hubspot.com/workflows/create-workflows). diff --git a/docs/en/enterprise/guides/kickoff-crew.mdx b/docs/en/enterprise/guides/kickoff-crew.mdx index 243c2375f..80bb47969 100644 --- a/docs/en/enterprise/guides/kickoff-crew.mdx +++ b/docs/en/enterprise/guides/kickoff-crew.mdx @@ -1,19 +1,19 @@ --- title: "Kickoff Crew" -description: "Kickoff a Crew on CrewAI Enterprise" +description: "Kickoff a Crew on CrewAI AMP" icon: "flag-checkered" mode: "wide" --- ## Overview -Once you've deployed your crew to the CrewAI Enterprise platform, you can kickoff executions through the web interface or the API. This guide covers both approaches. +Once you've deployed your crew to the CrewAI AMP platform, you can kickoff executions through the web interface or the API. This guide covers both approaches. ## Method 1: Using the Web Interface ### Step 1: Navigate to Your Deployed Crew -1. Log in to [CrewAI Enterprise](https://app.crewai.com) +1. Log in to [CrewAI AMP](https://app.crewai.com) 2. Click on the crew name from your projects list 3. You'll be taken to the crew's detail page @@ -83,7 +83,7 @@ Once execution is complete: ## Method 2: Using the API -You can also kickoff crews programmatically using the CrewAI Enterprise REST API. +You can also kickoff crews programmatically using the CrewAI AMP REST API. ### Authentication @@ -184,4 +184,3 @@ If an execution fails: Contact our support team for assistance with execution issues or questions about the Enterprise platform. - diff --git a/docs/en/enterprise/guides/microsoft-teams-trigger.mdx b/docs/en/enterprise/guides/microsoft-teams-trigger.mdx new file mode 100644 index 000000000..10878af40 --- /dev/null +++ b/docs/en/enterprise/guides/microsoft-teams-trigger.mdx @@ -0,0 +1,52 @@ +--- +title: "Microsoft Teams Trigger" +description: "Kick off crews from Microsoft Teams chat activity" +icon: "microsoft" +mode: "wide" +--- + +## Overview + +Use the Microsoft Teams trigger to start automations whenever a new chat is created. Common patterns include summarizing inbound requests, routing urgent messages to support teams, or creating follow-up tasks in other systems. + + + Confirm Microsoft Teams is connected under **Tools & Integrations** and enabled in the **Triggers** tab for your deployment. + + +## Enabling the Microsoft Teams Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Microsoft Teams** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize a new chat thread + +```python +from teams_chat_created_crew import MicrosoftTeamsChatTrigger + +crew = MicrosoftTeamsChatTrigger().crew() +result = crew.kickoff({ + "crewai_trigger_payload": teams_payload, +}) +print(result.raw) +``` + +The crew parses thread metadata (subject, created time, roster) and generates an action plan for the receiving team. + +## Sample payloads & crews + +The [Microsoft Teams examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/microsoft-teams) include: + +- `chat-created.json` → chat creation payload processed by `teams-chat-created-crew.py` + +The crew demonstrates how to extract participants, initial messages, tenant information, and compliance metadata from the Microsoft Graph webhook payload. + +## Troubleshooting + +- Ensure the Teams connection is active; it must be refreshed if the tenant revokes permissions +- Confirm the webhook subscription in Microsoft 365 is still valid if payloads stop arriving +- Review execution logs for payload shape mismatches—Graph notifications may omit fields when a chat is private or restricted diff --git a/docs/en/enterprise/guides/onedrive-trigger.mdx b/docs/en/enterprise/guides/onedrive-trigger.mdx new file mode 100644 index 000000000..51de175db --- /dev/null +++ b/docs/en/enterprise/guides/onedrive-trigger.mdx @@ -0,0 +1,53 @@ +--- +title: "OneDrive Trigger" +description: "Automate responses to OneDrive file activity" +icon: "cloud" +mode: "wide" +--- + +## Overview + +Start automations when files change inside OneDrive. You can generate audit summaries, notify security teams about external sharing, or update downstream line-of-business systems with new document metadata. + + + Connect OneDrive in **Tools & Integrations** and toggle the trigger on for your deployment. + + +## Enabling the OneDrive Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **OneDrive** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Audit file permissions + +```python +from onedrive_file_crew import OneDriveFileTrigger + +crew = OneDriveFileTrigger().crew() +crew.kickoff({ + "crewai_trigger_payload": onedrive_payload, +}) +``` + +The crew inspects file metadata, user activity, and permission changes to produce a compliance-friendly summary. + +## Sample payloads & crews + +The [OneDrive examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/onedrive) showcase how to: + +- Parse file metadata, size, and folder paths +- Track who created and last modified the file +- Highlight permission and external sharing changes + +`onedrive-file-crew.py` bundles the analysis and summarization tasks so you can add remediation steps as needed. + +## Troubleshooting + +- Ensure the connected account has permission to read the file metadata included in the webhook +- If the trigger fires but the payload is missing `permissions`, confirm the site-level sharing settings allow Graph to return this field +- For large tenants, filter notifications upstream so the crew only runs on relevant directories diff --git a/docs/en/enterprise/guides/outlook-trigger.mdx b/docs/en/enterprise/guides/outlook-trigger.mdx new file mode 100644 index 000000000..21bda5407 --- /dev/null +++ b/docs/en/enterprise/guides/outlook-trigger.mdx @@ -0,0 +1,52 @@ +--- +title: "Outlook Trigger" +description: "Launch automations from Outlook emails and calendar updates" +icon: "microsoft" +mode: "wide" +--- + +## Overview + +Automate responses when Outlook delivers a new message or when an event is removed from the calendar. Teams commonly route escalations, file tickets, or alert attendees of cancellations. + + + Connect Outlook in **Tools & Integrations** and ensure the trigger is enabled for your deployment. + + +## Enabling the Outlook Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Outlook** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize a new email + +```python +from outlook_message_crew import OutlookMessageTrigger + +crew = OutlookMessageTrigger().crew() +crew.kickoff({ + "crewai_trigger_payload": outlook_payload, +}) +``` + +The crew extracts sender details, subject, body preview, and attachments before generating a structured response. + +## Sample payloads & crews + +Review the [Outlook examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/outlook) for two common scenarios: + +- `new-message.json` → new mail notifications parsed by `outlook-message-crew.py` +- `event-removed.json` → calendar cleanup handled by `outlook-event-removal-crew.py` + +Each crew demonstrates how to handle Microsoft Graph payloads, normalize headers, and keep humans in-the-loop with concise summaries. + +## Troubleshooting + +- Verify the Outlook connector is still authorized; the subscription must be renewed periodically +- If attachments are missing, confirm the webhook subscription includes the `includeResourceData` flag +- Review execution logs when events fail to match—cancellation payloads lack attendee lists by design and the crew should account for that diff --git a/docs/en/enterprise/guides/react-component-export.mdx b/docs/en/enterprise/guides/react-component-export.mdx index 8e811b2ee..6081e3c6d 100644 --- a/docs/en/enterprise/guides/react-component-export.mdx +++ b/docs/en/enterprise/guides/react-component-export.mdx @@ -1,11 +1,11 @@ --- title: "React Component Export" -description: "Learn how to export and integrate CrewAI Enterprise React components into your applications" +description: "Learn how to export and integrate CrewAI AMP React components into your applications" icon: "react" mode: "wide" --- -This guide explains how to export CrewAI Enterprise crews as React components and integrate them into your own applications. +This guide explains how to export CrewAI AMP crews as React components and integrate them into your own applications. ## Exporting a React Component @@ -38,7 +38,7 @@ To run this React component locally, you'll need to set up a React development e npx create-react-app my-crew-app ``` - Change into the project directory: - + ```bash cd my-crew-app ``` @@ -77,7 +77,7 @@ To run this React component locally, you'll need to set up a React development e - In your project directory, run: - + ```bash npm start ``` @@ -101,4 +101,4 @@ You can then customise the `CrewLead.jsx` to add color, title etc - Customize the component styling to match your application's design - Add additional props for configuration - Integrate with your application's state management -- Add error handling and loading states \ No newline at end of file +- Add error handling and loading states diff --git a/docs/en/enterprise/guides/salesforce-trigger.mdx b/docs/en/enterprise/guides/salesforce-trigger.mdx index aa3a526e8..4b0010edb 100644 --- a/docs/en/enterprise/guides/salesforce-trigger.mdx +++ b/docs/en/enterprise/guides/salesforce-trigger.mdx @@ -5,7 +5,7 @@ icon: "salesforce" mode: "wide" --- -CrewAI Enterprise can be triggered from Salesforce to automate customer relationship management workflows and enhance your sales operations. +CrewAI AMP can be triggered from Salesforce to automate customer relationship management workflows and enhance your sales operations. ## Overview @@ -18,15 +18,20 @@ Salesforce is a leading customer relationship management (CRM) platform that hel ## Demo - - - + ## Getting Started To set up Salesforce triggers: -1. **Contact Support**: Reach out to CrewAI Enterprise support for assistance with Salesforce trigger setup +1. **Contact Support**: Reach out to CrewAI AMP support for assistance with Salesforce trigger setup 2. **Review Requirements**: Ensure you have the necessary Salesforce permissions and API access 3. **Configure Connection**: Work with the support team to establish the connection between CrewAI and your Salesforce instance 4. **Test Triggers**: Verify the triggers work correctly with your specific use cases @@ -42,4 +47,4 @@ Common Salesforce + CrewAI trigger scenarios include: ## Next Steps -For detailed setup instructions and advanced configuration options, please contact CrewAI Enterprise support who can provide tailored guidance for your specific Salesforce environment and business needs. \ No newline at end of file +For detailed setup instructions and advanced configuration options, please contact CrewAI AMP support who can provide tailored guidance for your specific Salesforce environment and business needs. diff --git a/docs/en/enterprise/guides/team-management.mdx b/docs/en/enterprise/guides/team-management.mdx index a3cd3fd07..cc51f1824 100644 --- a/docs/en/enterprise/guides/team-management.mdx +++ b/docs/en/enterprise/guides/team-management.mdx @@ -1,27 +1,27 @@ --- title: "Team Management" -description: "Learn how to invite and manage team members in your CrewAI Enterprise organization" +description: "Learn how to invite and manage team members in your CrewAI AMP organization" icon: "users" mode: "wide" --- -As an administrator of a CrewAI Enterprise account, you can easily invite new team members to join your organization. This guide will walk you through the process step-by-step. +As an administrator of a CrewAI AMP account, you can easily invite new team members to join your organization. This guide will walk you through the process step-by-step. ## Inviting Team Members - - Log in to your CrewAI Enterprise account + - Log in to your CrewAI AMP account - Look for the gear icon (⚙️) in the top right corner of the dashboard - Click on the gear icon to access the **Settings** page: - + Settings Page - On the Settings page, you'll see a `Members` tab - Click on the `Members` tab to access the **Members** page: - + Members Tab @@ -43,7 +43,7 @@ You can add roles to your team members to control their access to different part - - Log in to your CrewAI Enterprise account + - Log in to your CrewAI AMP account - Look for the gear icon (⚙️) in the top right corner of the dashboard - Click on the gear icon to access the **Settings** page: @@ -85,4 +85,4 @@ You can add roles to your team members to control their access to different part - **Invitation Acceptance**: Invited members will need to accept the invitation to join your organization - **Email Notifications**: You may want to inform your team members to check their email (including spam folders) for the invitation -By following these steps, you can easily expand your team and collaborate more effectively within your CrewAI Enterprise organization. \ No newline at end of file +By following these steps, you can easily expand your team and collaborate more effectively within your CrewAI AMP organization. diff --git a/docs/en/enterprise/features/tool-repository.mdx b/docs/en/enterprise/guides/tool-repository.mdx similarity index 88% rename from docs/en/enterprise/features/tool-repository.mdx rename to docs/en/enterprise/guides/tool-repository.mdx index 7ec7ff346..5161cdfc7 100644 --- a/docs/en/enterprise/features/tool-repository.mdx +++ b/docs/en/enterprise/guides/tool-repository.mdx @@ -20,11 +20,11 @@ The repository is not a version control system. Use Git to track code changes an Before using the Tool Repository, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account +- A [CrewAI AMP](https://app.crewai.com) account - [CrewAI CLI](https://docs.crewai.com/concepts/cli#cli) installed - uv>=0.5.0 installed. Check out [how to upgrade](https://docs.astral.sh/uv/getting-started/installation/#upgrading-uv) - [Git](https://git-scm.com) installed and configured -- Access permissions to publish or install tools in your CrewAI Enterprise organization +- Access permissions to publish or install tools in your CrewAI AMP organization ## Installing Tools @@ -54,11 +54,11 @@ researcher = Agent( ## Adding other packages after installing a tool -After installing a tool from the CrewAI Enterprise Tool Repository, you need to use the `crewai uv` command to add other packages to your project. +After installing a tool from the CrewAI AMP Tool Repository, you need to use the `crewai uv` command to add other packages to your project. Using pure `uv` commands will fail due to authentication to tool repository being handled by the CLI. By using the `crewai uv` command, you can add other packages to your project without having to worry about authentication. Any `uv` command can be used with the `crewai uv` command, making it a powerful tool for managing your project's dependencies without the hassle of managing authentication through environment variables or other methods. -Say that you have installed a custom tool from the CrewAI Enterprise Tool Repository called "my-tool": +Say that you have installed a custom tool from the CrewAI AMP Tool Repository called "my-tool": ```bash crewai tool install my-tool @@ -131,7 +131,7 @@ crewai tool publish To delete a tool: -1. Go to [CrewAI Enterprise](https://app.crewai.com) +1. Go to [CrewAI AMP](https://app.crewai.com) 2. Navigate to **Tools** 3. Select the tool 4. Click **Delete** @@ -142,12 +142,11 @@ Deletion is permanent. Deleted tools cannot be restored or re-installed. ## Security Checks -Every published version undergoes automated security checks, and are only available to install after they pass. +Every published version undergoes automated security checks, and are only available to install after they pass. You can check the security check status of a tool at: -`CrewAI Enterprise > Tools > Your Tool > Versions` - +`CrewAI AMP > Tools > Your Tool > Versions` Contact our support team for assistance with API integration or troubleshooting. diff --git a/docs/en/enterprise/guides/update-crew.mdx b/docs/en/enterprise/guides/update-crew.mdx index b6aa9f74b..6fa49e0e1 100644 --- a/docs/en/enterprise/guides/update-crew.mdx +++ b/docs/en/enterprise/guides/update-crew.mdx @@ -1,12 +1,12 @@ --- title: "Update Crew" -description: "Updating a Crew on CrewAI Enterprise" +description: "Updating a Crew on CrewAI AMP" icon: "pencil" mode: "wide" --- -After deploying your crew to CrewAI Enterprise, you may need to make updates to the code, security settings, or configuration. +After deploying your crew to CrewAI AMP, you may need to make updates to the code, security settings, or configuration. This guide explains how to perform these common update operations. @@ -23,7 +23,7 @@ There are several reasons you might want to update your crew deployment: When you've pushed new commits to your GitHub repository and want to update your deployment: -1. Navigate to your crew in the CrewAI Enterprise platform +1. Navigate to your crew in the CrewAI AMP platform 2. Click on the `Re-deploy` button on your crew details page @@ -36,7 +36,7 @@ This will trigger an update that you can track using the progress bar. The syste If you need to generate a new bearer token (for example, if you suspect the current token might have been compromised): -1. Navigate to your crew in the CrewAI Enterprise platform +1. Navigate to your crew in the CrewAI AMP platform 2. Find the `Bearer Token` section 3. Click the `Reset` button next to your current token @@ -87,4 +87,3 @@ If you encounter any issues after updating, you can view deployment logs in the Contact our support team for assistance with updating your crew or troubleshooting deployment issues. - diff --git a/docs/en/enterprise/guides/webhook-automation.mdx b/docs/en/enterprise/guides/webhook-automation.mdx index 2228b95ef..4cf5de09c 100644 --- a/docs/en/enterprise/guides/webhook-automation.mdx +++ b/docs/en/enterprise/guides/webhook-automation.mdx @@ -1,17 +1,17 @@ --- title: "Webhook Automation" -description: "Automate CrewAI Enterprise workflows using webhooks with platforms like ActivePieces, Zapier, and Make.com" +description: "Automate CrewAI AMP workflows using webhooks with platforms like ActivePieces, Zapier, and Make.com" icon: "webhook" mode: "wide" --- -CrewAI Enterprise allows you to automate your workflow using webhooks. This article will guide you through the process of setting up and using webhooks to kickoff your crew execution, with a focus on integration with ActivePieces, a workflow automation platform similar to Zapier and Make.com. +CrewAI AMP allows you to automate your workflow using webhooks. This article will guide you through the process of setting up and using webhooks to kickoff your crew execution, with a focus on integration with ActivePieces, a workflow automation platform similar to Zapier and Make.com. ## Setting Up Webhooks - - Navigate to the CrewAI Enterprise dashboard + - Navigate to the CrewAI AMP dashboard - Look for the `/kickoff` section, which is used to start the crew execution Kickoff Interface @@ -44,7 +44,7 @@ CrewAI Enterprise allows you to automate your workflow using webhooks. This arti 3. Add an HTTP action step - Set the action to `Send HTTP request` - Use `POST` as the method - - Set the URL to your CrewAI Enterprise kickoff endpoint + - Set the URL to your CrewAI AMP kickoff endpoint - Add necessary headers (e.g., `Bearer Token`) ActivePieces Headers @@ -59,7 +59,7 @@ CrewAI Enterprise allows you to automate your workflow using webhooks. This arti - 1. Create a new flow in ActivePieces and name it + 1. Create a new flow in ActivePieces and name it ActivePieces Flow @@ -152,4 +152,4 @@ CrewAI Enterprise allows you to automate your workflow using webhooks. This arti } ``` - \ No newline at end of file + diff --git a/docs/en/enterprise/guides/zapier-trigger.mdx b/docs/en/enterprise/guides/zapier-trigger.mdx index d308a63bb..df586a781 100644 --- a/docs/en/enterprise/guides/zapier-trigger.mdx +++ b/docs/en/enterprise/guides/zapier-trigger.mdx @@ -5,11 +5,11 @@ icon: "bolt" mode: "wide" --- -This guide will walk you through the process of setting up Zapier triggers for CrewAI Enterprise, allowing you to automate workflows between CrewAI Enterprise and other applications. +This guide will walk you through the process of setting up Zapier triggers for CrewAI AMP, allowing you to automate workflows between CrewAI AMP and other applications. ## Prerequisites -- A CrewAI Enterprise account +- A CrewAI AMP account - A Zapier account - A Slack account (for this specific example) @@ -32,7 +32,7 @@ This guide will walk you through the process of setting up Zapier triggers for C - Connect your Slack account if you haven't already. - + - Add a new action step to your Zap. - Choose CrewAI+ as your action app and Kickoff as the Action Event @@ -41,8 +41,8 @@ This guide will walk you through the process of setting up Zapier triggers for C - - - Connect your CrewAI Enterprise account. + + - Connect your CrewAI AMP account. - Select the appropriate Crew for your workflow. @@ -51,8 +51,8 @@ This guide will walk you through the process of setting up Zapier triggers for C - Configure the inputs for the Crew using the data from the Slack message. - - - Add another action step to format the text output from CrewAI Enterprise. + + - Add another action step to format the text output from CrewAI AMP. - Use Zapier's formatting tools to convert the Markdown output to HTML. @@ -67,7 +67,7 @@ This guide will walk you through the process of setting up Zapier triggers for C - Add a final action step to send the formatted output via email. - Choose your preferred email service (e.g., Gmail, Outlook). - Configure the email details, including recipient, subject, and body. - - Insert the formatted CrewAI Enterprise output into the email body. + - Insert the formatted CrewAI AMP output into the email body. Zapier 7 @@ -97,8 +97,8 @@ This guide will walk you through the process of setting up Zapier triggers for C ## Tips for Success -- Ensure that your CrewAI Enterprise inputs are correctly mapped from the Slack message. +- Ensure that your CrewAI AMP inputs are correctly mapped from the Slack message. - Test your Zap thoroughly before turning it on to catch any potential issues. - Consider adding error handling steps to manage potential failures in the workflow. -By following these steps, you'll have successfully set up Zapier triggers for CrewAI Enterprise, allowing for automated workflows triggered by Slack messages and resulting in email notifications with CrewAI Enterprise output. \ No newline at end of file +By following these steps, you'll have successfully set up Zapier triggers for CrewAI AMP, allowing for automated workflows triggered by Slack messages and resulting in email notifications with CrewAI AMP output. diff --git a/docs/en/enterprise/integrations/asana.mdx b/docs/en/enterprise/integrations/asana.mdx index 34d989498..5e5a2ea46 100644 --- a/docs/en/enterprise/integrations/asana.mdx +++ b/docs/en/enterprise/integrations/asana.mdx @@ -13,7 +13,7 @@ Enable your agents to manage tasks, projects, and team coordination through Asan Before using the Asana integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - An Asana account with appropriate permissions - Connected your Asana account through the [Integrations page](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Before using the Asana integration, ensure you have: ### 1. Connect Your Asana Account -1. Navigate to [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors) +1. Navigate to [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors) 2. Find **Asana** in the Authentication Integrations section 3. Click **Connect** and complete the OAuth flow 4. Grant the necessary permissions for task and project management diff --git a/docs/en/enterprise/integrations/box.mdx b/docs/en/enterprise/integrations/box.mdx index de51cd532..472788505 100644 --- a/docs/en/enterprise/integrations/box.mdx +++ b/docs/en/enterprise/integrations/box.mdx @@ -13,7 +13,7 @@ Enable your agents to manage files, folders, and documents through Box. Upload f Before using the Box integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Box account with appropriate permissions - Connected your Box account through the [Integrations page](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Before using the Box integration, ensure you have: ### 1. Connect Your Box Account -1. Navigate to [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors) +1. Navigate to [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors) 2. Find **Box** in the Authentication Integrations section 3. Click **Connect** and complete the OAuth flow 4. Grant the necessary permissions for file and folder management diff --git a/docs/en/enterprise/integrations/clickup.mdx b/docs/en/enterprise/integrations/clickup.mdx index 7704fcc3e..a8549f72a 100644 --- a/docs/en/enterprise/integrations/clickup.mdx +++ b/docs/en/enterprise/integrations/clickup.mdx @@ -13,7 +13,7 @@ Enable your agents to manage tasks, projects, and productivity workflows through Before using the ClickUp integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A ClickUp account with appropriate permissions - Connected your ClickUp account through the [Integrations page](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Before using the ClickUp integration, ensure you have: ### 1. Connect Your ClickUp Account -1. Navigate to [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors) +1. Navigate to [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors) 2. Find **ClickUp** in the Authentication Integrations section 3. Click **Connect** and complete the OAuth flow 4. Grant the necessary permissions for task and project management diff --git a/docs/en/enterprise/integrations/github.mdx b/docs/en/enterprise/integrations/github.mdx index 5c30d330f..2e439b96c 100644 --- a/docs/en/enterprise/integrations/github.mdx +++ b/docs/en/enterprise/integrations/github.mdx @@ -13,7 +13,7 @@ Enable your agents to manage repositories, issues, and releases through GitHub. Before using the GitHub integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A GitHub account with appropriate repository permissions - Connected your GitHub account through the [Integrations page](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Before using the GitHub integration, ensure you have: ### 1. Connect Your GitHub Account -1. Navigate to [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors) +1. Navigate to [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors) 2. Find **GitHub** in the Authentication Integrations section 3. Click **Connect** and complete the OAuth flow 4. Grant the necessary permissions for repository and issue management diff --git a/docs/en/enterprise/integrations/gmail.mdx b/docs/en/enterprise/integrations/gmail.mdx index f2e870d7f..594ece22f 100644 --- a/docs/en/enterprise/integrations/gmail.mdx +++ b/docs/en/enterprise/integrations/gmail.mdx @@ -13,7 +13,7 @@ Enable your agents to manage emails, contacts, and drafts through Gmail. Send em Before using the Gmail integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Gmail account with appropriate permissions - Connected your Gmail account through the [Integrations page](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Before using the Gmail integration, ensure you have: ### 1. Connect Your Gmail Account -1. Navigate to [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors) +1. Navigate to [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors) 2. Find **Gmail** in the Authentication Integrations section 3. Click **Connect** and complete the OAuth flow 4. Grant the necessary permissions for email and contact management diff --git a/docs/en/enterprise/integrations/google_calendar.mdx b/docs/en/enterprise/integrations/google_calendar.mdx index a9bca43e8..01eb8a031 100644 --- a/docs/en/enterprise/integrations/google_calendar.mdx +++ b/docs/en/enterprise/integrations/google_calendar.mdx @@ -13,7 +13,7 @@ Enable your agents to manage calendar events, schedules, and availability throug Before using the Google Calendar integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Google account with Google Calendar access - Connected your Google account through the [Integrations page](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Before using the Google Calendar integration, ensure you have: ### 1. Connect Your Google Account -1. Navigate to [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors) +1. Navigate to [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors) 2. Find **Google Calendar** in the Authentication Integrations section 3. Click **Connect** and complete the OAuth flow 4. Grant the necessary permissions for calendar and contact access diff --git a/docs/en/enterprise/integrations/google_sheets.mdx b/docs/en/enterprise/integrations/google_sheets.mdx index 7ae78fd27..9ccad0d33 100644 --- a/docs/en/enterprise/integrations/google_sheets.mdx +++ b/docs/en/enterprise/integrations/google_sheets.mdx @@ -13,7 +13,7 @@ Enable your agents to manage spreadsheet data through Google Sheets. Read rows, Before using the Google Sheets integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Google account with Google Sheets access - Connected your Google account through the [Integrations page](https://app.crewai.com/crewai_plus/connectors) - Spreadsheets with proper column headers for data operations @@ -22,7 +22,7 @@ Before using the Google Sheets integration, ensure you have: ### 1. Connect Your Google Account -1. Navigate to [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors) +1. Navigate to [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors) 2. Find **Google Sheets** in the Authentication Integrations section 3. Click **Connect** and complete the OAuth flow 4. Grant the necessary permissions for spreadsheet access diff --git a/docs/en/enterprise/integrations/hubspot.mdx b/docs/en/enterprise/integrations/hubspot.mdx index a97bd6dc5..e3aeda8ab 100644 --- a/docs/en/enterprise/integrations/hubspot.mdx +++ b/docs/en/enterprise/integrations/hubspot.mdx @@ -13,7 +13,7 @@ Enable your agents to manage companies and contacts within HubSpot. Create new r Before using the HubSpot integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription. +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription. - A HubSpot account with appropriate permissions. - Connected your HubSpot account through the [Integrations page](https://app.crewai.com/crewai_plus/connectors). @@ -21,7 +21,7 @@ Before using the HubSpot integration, ensure you have: ### 1. Connect Your HubSpot Account -1. Navigate to [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors). +1. Navigate to [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors). 2. Find **HubSpot** in the Authentication Integrations section. 3. Click **Connect** and complete the OAuth flow. 4. Grant the necessary permissions for company and contact management. diff --git a/docs/en/enterprise/integrations/jira.mdx b/docs/en/enterprise/integrations/jira.mdx index 53827f300..1eedb8fb9 100644 --- a/docs/en/enterprise/integrations/jira.mdx +++ b/docs/en/enterprise/integrations/jira.mdx @@ -13,7 +13,7 @@ Enable your agents to manage issues, projects, and workflows through Jira. Creat Before using the Jira integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Jira account with appropriate project permissions - Connected your Jira account through the [Integrations page](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Before using the Jira integration, ensure you have: ### 1. Connect Your Jira Account -1. Navigate to [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors) +1. Navigate to [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors) 2. Find **Jira** in the Authentication Integrations section 3. Click **Connect** and complete the OAuth flow 4. Grant the necessary permissions for issue and project management diff --git a/docs/en/enterprise/integrations/linear.mdx b/docs/en/enterprise/integrations/linear.mdx index 844ca0a88..875c64808 100644 --- a/docs/en/enterprise/integrations/linear.mdx +++ b/docs/en/enterprise/integrations/linear.mdx @@ -13,7 +13,7 @@ Enable your agents to manage issues, projects, and development workflows through Before using the Linear integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Linear account with appropriate workspace permissions - Connected your Linear account through the [Integrations page](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Before using the Linear integration, ensure you have: ### 1. Connect Your Linear Account -1. Navigate to [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors) +1. Navigate to [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors) 2. Find **Linear** in the Authentication Integrations section 3. Click **Connect** and complete the OAuth flow 4. Grant the necessary permissions for issue and project management diff --git a/docs/en/enterprise/integrations/notion.mdx b/docs/en/enterprise/integrations/notion.mdx index 76a0a6c8b..5fb1afaf0 100644 --- a/docs/en/enterprise/integrations/notion.mdx +++ b/docs/en/enterprise/integrations/notion.mdx @@ -13,7 +13,7 @@ Enable your agents to manage pages, databases, and content through Notion. Creat Before using the Notion integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Notion account with appropriate workspace permissions - Connected your Notion account through the [Integrations page](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Before using the Notion integration, ensure you have: ### 1. Connect Your Notion Account -1. Navigate to [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors) +1. Navigate to [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors) 2. Find **Notion** in the Authentication Integrations section 3. Click **Connect** and complete the OAuth flow 4. Grant the necessary permissions for page and database management diff --git a/docs/en/enterprise/integrations/salesforce.mdx b/docs/en/enterprise/integrations/salesforce.mdx index 6e3fb3e7b..38fec82d2 100644 --- a/docs/en/enterprise/integrations/salesforce.mdx +++ b/docs/en/enterprise/integrations/salesforce.mdx @@ -13,7 +13,7 @@ Enable your agents to manage customer relationships, sales processes, and data t Before using the Salesforce integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Salesforce account with appropriate permissions - Connected your Salesforce account through the [Integrations page](https://app.crewai.com/integrations) diff --git a/docs/en/enterprise/integrations/shopify.mdx b/docs/en/enterprise/integrations/shopify.mdx index 7d68c99a7..671570bfe 100644 --- a/docs/en/enterprise/integrations/shopify.mdx +++ b/docs/en/enterprise/integrations/shopify.mdx @@ -13,7 +13,7 @@ Enable your agents to manage e-commerce operations through Shopify. Handle custo Before using the Shopify integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Shopify store with appropriate admin permissions - Connected your Shopify store through the [Integrations page](https://app.crewai.com/integrations) diff --git a/docs/en/enterprise/integrations/slack.mdx b/docs/en/enterprise/integrations/slack.mdx index 78960f11d..ee1a17fc2 100644 --- a/docs/en/enterprise/integrations/slack.mdx +++ b/docs/en/enterprise/integrations/slack.mdx @@ -13,7 +13,7 @@ Enable your agents to manage team communication through Slack. Send messages, se Before using the Slack integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Slack workspace with appropriate permissions - Connected your Slack workspace through the [Integrations page](https://app.crewai.com/integrations) diff --git a/docs/en/enterprise/integrations/stripe.mdx b/docs/en/enterprise/integrations/stripe.mdx index d5b75a61a..cd25f1c5c 100644 --- a/docs/en/enterprise/integrations/stripe.mdx +++ b/docs/en/enterprise/integrations/stripe.mdx @@ -13,7 +13,7 @@ Enable your agents to manage payments, subscriptions, and customer billing throu Before using the Stripe integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Stripe account with appropriate API permissions - Connected your Stripe account through the [Integrations page](https://app.crewai.com/integrations) diff --git a/docs/en/enterprise/integrations/zendesk.mdx b/docs/en/enterprise/integrations/zendesk.mdx index eea4edfce..b7b025679 100644 --- a/docs/en/enterprise/integrations/zendesk.mdx +++ b/docs/en/enterprise/integrations/zendesk.mdx @@ -13,7 +13,7 @@ Enable your agents to manage customer support operations through Zendesk. Create Before using the Zendesk integration, ensure you have: -- A [CrewAI Enterprise](https://app.crewai.com) account with an active subscription +- A [CrewAI AMP](https://app.crewai.com) account with an active subscription - A Zendesk account with appropriate API permissions - Connected your Zendesk account through the [Integrations page](https://app.crewai.com/integrations) diff --git a/docs/en/enterprise/introduction.mdx b/docs/en/enterprise/introduction.mdx index 7fb894cc1..f01747d66 100644 --- a/docs/en/enterprise/introduction.mdx +++ b/docs/en/enterprise/introduction.mdx @@ -1,5 +1,5 @@ --- -title: "CrewAI Enterprise" +title: "CrewAI AMP" description: "Deploy, monitor, and scale your AI agent workflows" icon: "globe" mode: "wide" @@ -7,13 +7,13 @@ mode: "wide" ## Introduction -CrewAI Enterprise provides a platform for deploying, monitoring, and scaling your crews and agents in a production environment. +CrewAI AMP(Agent Management Platform) provides a platform for deploying, monitoring, and scaling your crews and agents in a production environment. - CrewAI Enterprise Dashboard + CrewAI AMP Dashboard -CrewAI Enterprise extends the power of the open-source framework with features designed for production deployments, collaboration, and scalability. Deploy your crews to a managed infrastructure and monitor their execution in real-time. +CrewAI AMP extends the power of the open-source framework with features designed for production deployments, collaboration, and scalability. Deploy your crews to a managed infrastructure and monitor their execution in real-time. ## Key Features diff --git a/docs/en/enterprise/resources/frequently-asked-questions.mdx b/docs/en/enterprise/resources/frequently-asked-questions.mdx index 2830b40ed..1253d7eef 100644 --- a/docs/en/enterprise/resources/frequently-asked-questions.mdx +++ b/docs/en/enterprise/resources/frequently-asked-questions.mdx @@ -1,6 +1,6 @@ --- title: FAQs -description: "Frequently asked questions about CrewAI Enterprise" +description: "Frequently asked questions about CrewAI AMP" icon: "circle-question" mode: "wide" --- @@ -129,15 +129,14 @@ mode: "wide" Here's a tutorial on how to consistently get structured outputs from your agents: - - - + diff --git a/docs/en/examples/cookbooks.mdx b/docs/en/examples/cookbooks.mdx index 124b86a2f..1bd7f016d 100644 --- a/docs/en/examples/cookbooks.mdx +++ b/docs/en/examples/cookbooks.mdx @@ -7,17 +7,43 @@ mode: "wide" ## Quickstarts & Demos - - - Interactive notebooks for hands-on exploration. + + + Coordinate multiple agents on shared tasks. Includes notebook with end-to-end collaboration pattern. + + + Teach agents to reason about multi-step plans before execution using the planning toolkit. + + + + Explore self-reflection loops, critique prompts, and structured thinking patterns. + + + + + + Apply task-level guardrails with retries, validation functions, and safe fallbacks. + + + + Connect CrewAI to Gemini with search grounding for factual, citation-rich outputs. + + + + Generate video recaps using Gemini multimodal LLM and CrewAI orchestration. + + + + - Feature demos and small projects showcasing specific CrewAI capabilities. + View all notebooks and feature demos showcasing specific CrewAI capabilities. + + + Missing a pattern? Drop a request in the community forum and we’ll expand the library. Use Cookbooks to learn a pattern quickly, then jump to Full Examples for production‑grade implementations. - - diff --git a/docs/en/index.mdx b/docs/en/index.mdx new file mode 100644 index 000000000..ff6466f27 --- /dev/null +++ b/docs/en/index.mdx @@ -0,0 +1,105 @@ +--- +title: "CrewAI Documentation" +description: "Build collaborative AI agents, crews, and flows — production ready from day one." +icon: "house" +mode: "wide" +--- + +
+ CrewAI +
+

Ship multi‑agent systems with confidence

+

+ Design agents, orchestrate crews, and automate flows with guardrails, memory, knowledge, and observability baked in. +

+
+ + + +
+ +
+ +## Get started + + + + Overview of CrewAI concepts, architecture, and what you can build with agents, crews, and flows. + + + Install via `uv`, configure API keys, and set up the CLI for local development. + + + Spin up your first crew in minutes. Learn the core runtime, project layout, and dev loop. + + + +## Build the basics + + + + Compose agents with tools, memory, knowledge, and structured outputs using Pydantic. Includes templates and best practices. + + + Orchestrate start/listen/router steps, manage state, persist execution, and resume long-running workflows. + + + Define sequential, hierarchical, or hybrid processes with guardrails, callbacks, and human-in-the-loop triggers. + + + +## Enterprise journey + + + + Manage environments, redeploy safely, and monitor live runs directly from the Enterprise console. + + + Connect Gmail, Slack, Salesforce, and more. Pass trigger payloads into crews and flows automatically. + + + Invite teammates, configure RBAC, and control access to production automations. + + + +## What’s new + + + + Unified overview for Gmail, Drive, Outlook, Teams, OneDrive, HubSpot, and more — now with sample payloads and crews. + + + Call existing CrewAI automations or Amazon Bedrock Agents directly from your crews using the updated integration toolkit. + + + + + Browse the examples and cookbooks for end-to-end reference implementations across agents, flows, and enterprise automations. + + +## Stay connected + + + + If CrewAI helps you ship faster, give us a star and share your builds with the community. + + + Ask questions, showcase workflows, and request features alongside other builders. + + diff --git a/docs/en/installation.mdx b/docs/en/installation.mdx index 37fbb8063..96f04d853 100644 --- a/docs/en/installation.mdx +++ b/docs/en/installation.mdx @@ -9,14 +9,12 @@ mode: "wide" Watch this video tutorial for a step-by-step demonstration of the installation process: ## Text Tutorial @@ -169,7 +167,7 @@ We recommend using the `YAML` template scaffolding for a structured approach to For teams and organizations, CrewAI offers enterprise deployment options that eliminate setup complexity: -### CrewAI Enterprise (SaaS) +### CrewAI AMP (SaaS) - Zero installation required - just sign up for free at [app.crewai.com](https://app.crewai.com) - Automatic updates and maintenance - Managed infrastructure and scaling diff --git a/docs/en/learn/human-input-on-execution.mdx b/docs/en/learn/human-input-on-execution.mdx index b8b19f013..c4414bff0 100644 --- a/docs/en/learn/human-input-on-execution.mdx +++ b/docs/en/learn/human-input-on-execution.mdx @@ -1,18 +1,18 @@ --- title: Human Input on Execution description: Integrating CrewAI with human input during execution in complex decision-making processes and leveraging the full capabilities of the agent's attributes and tools. -icon: user-check +icon: user-plus mode: "wide" --- ## Human input in agent execution -Human input is critical in several agent execution scenarios, allowing agents to request additional information or clarification when necessary. +Human input is critical in several agent execution scenarios, allowing agents to request additional information or clarification when necessary. This feature is especially useful in complex decision-making processes or when agents require more details to complete a task effectively. ## Using human input with CrewAI -To integrate human input into agent execution, set the `human_input` flag in the task definition. When enabled, the agent prompts the user for input before delivering its final answer. +To integrate human input into agent execution, set the `human_input` flag in the task definition. When enabled, the agent prompts the user for input before delivering its final answer. This input can provide extra context, clarify ambiguities, or validate the agent's output. ### Example: @@ -96,4 +96,4 @@ result = crew.kickoff() print("######################") print(result) -``` \ No newline at end of file +``` diff --git a/docs/en/learn/llm-selection-guide.mdx b/docs/en/learn/llm-selection-guide.mdx index 3250178fc..0c305aec8 100644 --- a/docs/en/learn/llm-selection-guide.mdx +++ b/docs/en/learn/llm-selection-guide.mdx @@ -44,7 +44,7 @@ The most critical step in LLM selection is understanding what your task actually - **Creative Tasks** demand a different type of cognitive capability focused on generating novel, engaging, and contextually appropriate content. This includes storytelling, marketing copy creation, and creative problem-solving. The model needs to understand nuance, tone, and audience while producing content that feels authentic and engaging rather than formulaic. - + - **Structured Data** tasks require precision and consistency in format adherence. When working with JSON, XML, or database formats, the model must reliably produce syntactically correct output that can be programmatically processed. These tasks often have strict validation requirements and little tolerance for format errors, making reliability more important than creativity. @@ -52,7 +52,7 @@ The most critical step in LLM selection is understanding what your task actually - **Technical Content** sits between structured data and creative content, requiring both precision and clarity. Documentation, code generation, and technical analysis need to be accurate and comprehensive while remaining accessible to the intended audience. The model must understand complex technical concepts and communicate them effectively. - + - **Short Context** scenarios involve focused, immediate tasks where the model needs to process limited information quickly. These are often transactional interactions where speed and efficiency matter more than deep understanding. The model doesn't need to maintain extensive conversation history or process large documents. @@ -74,7 +74,7 @@ Understanding model capabilities requires looking beyond marketing claims and be However, reasoning models often come with trade-offs in terms of speed and cost. They may also be less suitable for creative tasks or simple operations where their sophisticated reasoning capabilities aren't needed. Consider these models when your tasks involve genuine complexity that benefits from systematic, step-by-step analysis. - + General purpose models offer the most balanced approach to LLM selection, providing solid performance across a wide range of tasks without extreme specialization in any particular area. These models are trained on diverse datasets and optimized for versatility rather than peak performance in specific domains. @@ -82,7 +82,7 @@ Understanding model capabilities requires looking beyond marketing claims and be While general purpose models may not achieve the peak performance of specialized alternatives in specific domains, they offer operational simplicity and reduced complexity in model management. They're often the best starting point for new projects, allowing teams to understand their specific needs before potentially optimizing with more specialized models. - + Fast and efficient models prioritize speed, cost-effectiveness, and resource efficiency over sophisticated reasoning capabilities. These models are optimized for high-throughput scenarios where quick responses and low operational costs are more important than nuanced understanding or complex reasoning. @@ -90,7 +90,7 @@ Understanding model capabilities requires looking beyond marketing claims and be The key consideration with efficient models is ensuring that their capabilities align with your task requirements. While they can handle many routine operations effectively, they may struggle with tasks requiring nuanced understanding, complex reasoning, or sophisticated content generation. They're best used for well-defined, routine operations where speed and cost matter more than sophistication. - + Creative models are specifically optimized for content generation, writing quality, and creative thinking tasks. These models typically excel at understanding nuance, tone, and style while producing engaging, contextually appropriate content that feels natural and authentic. @@ -98,7 +98,7 @@ Understanding model capabilities requires looking beyond marketing claims and be When selecting creative models, consider not just their ability to generate text, but their understanding of audience, context, and purpose. The best creative models can adapt their output to match specific brand voices, target different audience segments, and maintain consistency across extended content pieces. - + Open source models offer unique advantages in terms of cost control, customization potential, data privacy, and deployment flexibility. These models can be run locally or on private infrastructure, providing complete control over data handling and model behavior. @@ -151,7 +151,7 @@ content_writer = Agent( ) data_processor = Agent( - role="Data Analysis Specialist", + role="Data Analysis Specialist", goal="Extract and organize key data points from research sources", backstory="Detail-oriented analyst focused on accuracy and efficiency", llm=processing_llm, # Fast, cost-effective model for routine tasks @@ -178,7 +178,7 @@ The key to successful multi-model implementation is understanding how different Cost considerations are particularly important for manager LLMs since they're involved in every operation. The model needs to provide sufficient capability for effective coordination while remaining cost-effective for frequent use. This often means finding models that offer good reasoning capabilities without the premium pricing of the most sophisticated options. - + Function calling LLMs handle tool usage across all agents, making them critical for crews that rely heavily on external tools and APIs. These models need to excel at understanding tool capabilities, extracting parameters accurately, and handling tool responses effectively. @@ -186,7 +186,7 @@ The key to successful multi-model implementation is understanding how different Many teams find that specialized function calling models or general purpose models with strong tool support work better than creative or reasoning-focused models for this role. The key is ensuring that the model can reliably bridge the gap between natural language instructions and structured tool calls. - + Individual agents can override crew-level LLM settings when their specific needs differ significantly from the general crew requirements. This capability allows for fine-tuned optimization while maintaining operational simplicity for most agents. @@ -210,7 +210,7 @@ Effective task definition is often more important than model selection in determ Common mistakes include being too vague about objectives, failing to provide necessary context, setting unclear success criteria, or combining multiple unrelated tasks into a single description. The goal is to provide enough information for the agent to succeed while maintaining focus on a single, clear objective. - + Expected output guidelines serve as a contract between the task definition and the agent, clearly specifying what the deliverable should look like and how it will be evaluated. These guidelines should describe both the format and structure needed, as well as the key elements that must be included for the output to be considered complete. @@ -230,7 +230,7 @@ Effective task definition is often more important than model selection in determ Sequential dependencies work best when there's a clear logical progression from one task to another and when the output of one task genuinely improves the quality or feasibility of subsequent tasks. However, they can create bottlenecks if not managed carefully, so it's important to identify which dependencies are truly necessary versus those that are merely convenient. - + Parallel execution becomes valuable when tasks are independent of each other, time efficiency is important, or different expertise areas are involved that don't require coordination. This approach can significantly reduce overall execution time while allowing specialized agents to work on their areas of strength simultaneously. @@ -286,10 +286,10 @@ domain_expert = Agent( role="B2B SaaS Marketing Strategist", goal="Develop comprehensive go-to-market strategies for enterprise software", backstory=""" - You have 10+ years of experience scaling B2B SaaS companies from Series A to IPO. - You understand the nuances of enterprise sales cycles, the importance of product-market - fit in different verticals, and how to balance growth metrics with unit economics. - You've worked with companies like Salesforce, HubSpot, and emerging unicorns, giving + You have 10+ years of experience scaling B2B SaaS companies from Series A to IPO. + You understand the nuances of enterprise sales cycles, the importance of product-market + fit in different verticals, and how to balance growth metrics with unit economics. + You've worked with companies like Salesforce, HubSpot, and emerging unicorns, giving you perspective on both established and disruptive go-to-market strategies. """, llm=LLM(model="claude-3-5-sonnet", temperature=0.3) # Balanced creativity with domain knowledge @@ -317,9 +317,9 @@ tech_writer = Agent( role="API Documentation Specialist", # Specific role for clear LLM requirements goal="Create comprehensive, developer-friendly API documentation", backstory=""" - You're a technical writer with 8+ years documenting REST APIs, GraphQL endpoints, - and SDK integration guides. You've worked with developer tools companies and - understand what developers need: clear examples, comprehensive error handling, + You're a technical writer with 8+ years documenting REST APIs, GraphQL endpoints, + and SDK integration guides. You've worked with developer tools companies and + understand what developers need: clear examples, comprehensive error handling, and practical use cases. You prioritize accuracy and usability over marketing fluff. """, llm=LLM( @@ -327,13 +327,13 @@ tech_writer = Agent( temperature=0.1 # Low temperature for accuracy ), tools=[code_analyzer_tool, api_scanner_tool], - verbose=True + verbose=True ) ``` **Alignment Checklist:** - ✅ **Role Specificity**: Clear domain and responsibilities -- ✅ **LLM Match**: Model strengths align with role requirements +- ✅ **LLM Match**: Model strengths align with role requirements - ✅ **Backstory Depth**: Provides domain context the LLM can leverage - ✅ **Tool Integration**: Tools support the agent's specialized function - ✅ **Parameter Tuning**: Temperature and settings optimize for role needs @@ -351,26 +351,26 @@ Rather than repeating the strategic framework, here's a tactical checklist for i - Which agents handle the most complex reasoning tasks? - Which agents primarily do data processing or formatting? - Are any agents heavily tool-dependent? - + **Action**: Document current agent roles and identify optimization opportunities. - + **Set Your Baseline:** ```python # Start with a reliable default for the crew default_crew_llm = LLM(model="gpt-4o-mini") # Cost-effective baseline - + crew = Crew( agents=[...], tasks=[...], memory=True ) ``` - + **Action**: Establish your crew's default LLM before optimizing individual agents. - + **Identify and Upgrade Key Agents:** ```python @@ -380,25 +380,25 @@ Rather than repeating the strategic framework, here's a tactical checklist for i llm=LLM(model="gemini-2.5-flash-preview-05-20"), # Premium for coordination # ... rest of config ) - - # Creative or customer-facing agents + + # Creative or customer-facing agents content_agent = Agent( role="Content Creator", llm=LLM(model="claude-3-5-sonnet"), # Best for writing # ... rest of config ) ``` - + **Action**: Upgrade 20% of your agents that handle 80% of the complexity. - + **Once you deploy your agents to production:** - - Use [CrewAI Enterprise platform](https://app.crewai.com) to A/B test your model selections + - Use [CrewAI AMP platform](https://app.crewai.com) to A/B test your model selections - Run multiple iterations with real inputs to measure consistency and performance - Compare cost vs. performance across your optimized setup - Share results with your team for collaborative decision-making - + **Action**: Replace guesswork with data-driven validation using the testing platform. @@ -413,7 +413,7 @@ Rather than repeating the strategic framework, here's a tactical checklist for i However, reasoning models often come with higher costs and slower response times, so they're best reserved for tasks where their sophisticated capabilities provide genuine value rather than being used for simple operations that don't require complex reasoning. - + Creative models become valuable when content generation is the primary output and the quality, style, and engagement level of that content directly impact success. These models excel when writing quality and style matter significantly, creative ideation or brainstorming is needed, or brand voice and tone are important considerations. @@ -421,7 +421,7 @@ Rather than repeating the strategic framework, here's a tactical checklist for i Creative models may be less suitable for technical or analytical tasks where precision and factual accuracy are more important than engagement and style. They're best used when the creative and communicative aspects of the output are primary success factors. - + Efficient models are ideal for high-frequency, routine operations where speed and cost optimization are priorities. These models work best when tasks have clear, well-defined parameters and don't require sophisticated reasoning or creative capabilities. @@ -429,7 +429,7 @@ Rather than repeating the strategic framework, here's a tactical checklist for i The key with efficient models is ensuring that their capabilities align with task requirements. They can handle many routine operations effectively but may struggle with tasks requiring nuanced understanding, complex reasoning, or sophisticated content generation. - + Open source models become attractive when budget constraints are significant, data privacy requirements exist, customization needs are important, or local deployment is required for operational or compliance reasons. @@ -451,12 +451,12 @@ Rather than repeating the strategic framework, here's a tactical checklist for i ```python # Strategic agent gets premium model manager = Agent(role="Strategy Manager", llm=LLM(model="gpt-4o")) - - # Processing agent gets efficient model + + # Processing agent gets efficient model processor = Agent(role="Data Processor", llm=LLM(model="gpt-4o-mini")) ``` - + **The Problem**: Not understanding how CrewAI's LLM hierarchy works - crew LLM, manager LLM, and agent LLM settings can conflict or be poorly coordinated. @@ -470,12 +470,12 @@ Rather than repeating the strategic framework, here's a tactical checklist for i manager_llm=LLM(model="gpt-4o"), # For crew coordination process=Process.hierarchical # When using manager_llm ) - + # Agents inherit crew LLM unless specifically overridden agent1 = Agent(llm=LLM(model="claude-3-5-sonnet")) # Override for specific needs ``` - + **The Problem**: Choosing models based on general capabilities while ignoring function calling performance for tool-heavy CrewAI workflows. @@ -493,7 +493,7 @@ Rather than repeating the strategic framework, here's a tactical checklist for i ) ``` - + **The Problem**: Making complex model selection decisions based on theoretical performance without validating with actual CrewAI workflows and tasks. @@ -503,7 +503,7 @@ Rather than repeating the strategic framework, here's a tactical checklist for i ```python # Start with this crew = Crew(agents=[...], tasks=[...], llm=LLM(model="gpt-4o-mini")) - + # Test performance, then optimize specific agents as needed # Use Enterprise platform testing to validate improvements ``` @@ -541,7 +541,7 @@ Focus on understanding your requirements first, then select models that best mat ### Enterprise-Grade Model Validation -For teams serious about optimizing their LLM selection, the **CrewAI Enterprise platform** provides sophisticated testing capabilities that go far beyond basic CLI testing. The platform enables comprehensive model evaluation that helps you make data-driven decisions about your LLM strategy. +For teams serious about optimizing their LLM selection, the **CrewAI AMP platform** provides sophisticated testing capabilities that go far beyond basic CLI testing. The platform enables comprehensive model evaluation that helps you make data-driven decisions about your LLM strategy. ![Enterprise Testing Interface](/images/enterprise/enterprise-testing.png) @@ -571,23 +571,23 @@ The Enterprise platform transforms model selection from guesswork into a data-dr Choose models based on what the task actually requires, not theoretical capabilities or general reputation. - + Align model strengths with agent roles and responsibilities for optimal performance. - + Maintain coherent model selection strategy across related components and workflows. - + Validate choices through real-world usage rather than benchmarks alone. - + Start simple and optimize based on actual performance and needs. - + Balance performance requirements with cost and complexity constraints. @@ -614,7 +614,7 @@ These tables/metrics showcase selected leading models in each category and are n **Best for Manager LLMs and Complex Analysis** - + | Model | Intelligence Score | Cost ($/M tokens) | Speed | Best Use in CrewAI | |:------|:------------------|:------------------|:------|:------------------| | **o3** | 70 | $17.50 | Fast | Manager LLM for complex multi-agent coordination | @@ -625,10 +625,10 @@ These tables/metrics showcase selected leading models in each category and are n These models excel at multi-step reasoning and are ideal for agents that need to develop strategies, coordinate other agents, or analyze complex information. - + **Best for Development and Tool-Heavy Workflows** - + | Model | Coding Performance | Tool Use Score | Cost ($/M tokens) | Best Use in CrewAI | |:------|:------------------|:---------------|:------------------|:------------------| | **Claude 4 Sonnet** | Excellent | 72.7% | $6.00 | Primary coding agent, technical documentation | @@ -639,10 +639,10 @@ These tables/metrics showcase selected leading models in each category and are n These models are optimized for code generation, debugging, and technical problem-solving, making them ideal for development-focused crews. - + **Best for High-Throughput and Real-Time Applications** - + | Model | Speed (tokens/s) | Latency (TTFT) | Cost ($/M tokens) | Best Use in CrewAI | |:------|:-----------------|:---------------|:------------------|:------------------| | **Llama 4 Scout** | 2,600 | 0.33s | $0.27 | High-volume processing agents | @@ -653,10 +653,10 @@ These tables/metrics showcase selected leading models in each category and are n These models prioritize speed and efficiency, perfect for agents handling routine operations or requiring quick responses. **Pro tip**: Pairing these models with fast inference providers like Groq can achieve even better performance, especially for open-source models like Llama. - + **Best All-Around Models for General Crews** - + | Model | Overall Score | Versatility | Cost ($/M tokens) | Best Use in CrewAI | |:------|:--------------|:------------|:------------------|:------------------| | **GPT-4.1** | 53 | Excellent | $3.50 | General-purpose crew LLM | @@ -677,19 +677,19 @@ These tables/metrics showcase selected leading models in each category and are n **Strategy**: Implement a multi-model approach where premium models handle strategic thinking while efficient models handle routine operations. - + **When budget is a primary constraint**: Focus on models like **DeepSeek R1**, **Llama 4 Scout**, or **Gemini 2.0 Flash**. These provide strong performance at significantly lower costs. **Strategy**: Use cost-effective models for most agents, reserving premium models only for the most critical decision-making roles. - + **For specific domain expertise**: Choose models optimized for your primary use case. **Claude 4** series for coding, **Gemini 2.5 Pro** for research, **Llama 405B** for function calling. **Strategy**: Select models based on your crew's primary function, ensuring the core capability aligns with model strengths. - + **For data-sensitive operations**: Consider open-source models like **Llama 4** series, **DeepSeek V3**, or **Qwen3** that can be deployed locally while maintaining competitive performance. @@ -715,16 +715,16 @@ These tables/metrics showcase selected leading models in each category and are n Begin with well-established models like **GPT-4.1**, **Claude 3.7 Sonnet**, or **Gemini 2.0 Flash** that offer good performance across multiple dimensions and have extensive real-world validation. - + Determine if your crew has specific requirements (coding, reasoning, speed) that would benefit from specialized models like **Claude 4 Sonnet** for development or **o3** for complex analysis. For speed-critical applications, consider fast inference providers like **Groq** alongside model selection. - + Use different models for different agents based on their roles. High-capability models for managers and complex tasks, efficient models for routine operations. - + Track performance metrics relevant to your use case and be prepared to adjust model selections as new models are released or pricing changes. - \ No newline at end of file + diff --git a/docs/en/learn/using-annotations.mdx b/docs/en/learn/using-annotations.mdx index 25a2e01b1..0cbc6ed76 100644 --- a/docs/en/learn/using-annotations.mdx +++ b/docs/en/learn/using-annotations.mdx @@ -42,6 +42,15 @@ class LinkedinProfileCrew(): The `@CrewBase` annotation is used to decorate the main crew class. This class typically contains configurations and methods for creating agents, tasks, and the crew itself. + +`@CrewBase` does more than register the class: + +- **Configuration bootstrapping:** looks for `agents_config` and `tasks_config` (defaulting to `config/agents.yaml` and `config/tasks.yaml`) beside the class file, loads them at instantiation, and safely falls back to empty dicts if files are missing. +- **Decorator orchestration:** keeps memoized references to every method marked with `@agent`, `@task`, `@before_kickoff`, or `@after_kickoff` so they are instantiated once per crew and executed in declaration order. +- **Hook wiring:** automatically attaches the preserved kickoff hooks to the `Crew` object returned by the `@crew` method, making them run before and after `.kickoff()`. +- **MCP integration:** when the class defines `mcp_server_params`, `get_mcp_tools()` lazily starts an MCP server adapter, hydrates the declared tools, and an internal after-kickoff hook stops the adapter. See [MCP overview](/en/mcp/overview) for adapter configuration details. + + ### 2. Tool Definition ```python @@ -100,7 +109,7 @@ def crew(self) -> Crew: process=Process.sequential, verbose=True ) -``` +``` The `@crew` annotation is used to decorate the method that creates and returns the `Crew` object. This method assembles all the components (agents and tasks) into a functional crew. @@ -139,4 +148,4 @@ Note how the `llm` and `tools` in the YAML file correspond to the methods decora - **Flexibility**: Design your crew to be flexible by allowing easy addition or removal of agents and tasks. - **YAML-Code Correspondence**: Ensure that the names and structures in your YAML files correspond correctly to the decorated methods in your Python code. -By following these guidelines and properly using annotations, you can create well-structured and maintainable crews using the CrewAI framework. \ No newline at end of file +By following these guidelines and properly using annotations, you can create well-structured and maintainable crews using the CrewAI framework. diff --git a/docs/en/mcp/overview.mdx b/docs/en/mcp/overview.mdx index bd61a16f7..14d7ac48c 100644 --- a/docs/en/mcp/overview.mdx +++ b/docs/en/mcp/overview.mdx @@ -21,14 +21,12 @@ We currently support the following transport mechanisms: Watch this video tutorial for a comprehensive guide on MCP integration with CrewAI: ## Installation @@ -175,6 +173,16 @@ class CrewWithMCP: # ... rest of your crew setup ... ``` + +When a crew class is decorated with `@CrewBase`, the adapter lifecycle is managed for you: + +- The first call to `get_mcp_tools()` lazily creates a shared `MCPServerAdapter` that is reused by every agent in the crew. +- The adapter automatically shuts down after `.kickoff()` completes thanks to an implicit after-kickoff hook injected by `@CrewBase`, so no manual cleanup is required. +- If `mcp_server_params` is not defined, `get_mcp_tools()` simply returns an empty list, allowing the same code paths to run with or without MCP configured. + +This makes it safe to call `get_mcp_tools()` from multiple agent methods or selectively enable MCP per environment. + + ### Connection Timeout Configuration You can configure the connection timeout for MCP servers by setting the `mcp_connect_timeout` class attribute. If no timeout is specified, it defaults to 30 seconds. diff --git a/docs/en/observability/neatlogs.mdx b/docs/en/observability/neatlogs.mdx index 04ebfeda3..24b17cfce 100644 --- a/docs/en/observability/neatlogs.mdx +++ b/docs/en/observability/neatlogs.mdx @@ -89,10 +89,9 @@ All with just two lines of code. ### 🔍 Full Demo (4 min) @@ -361,7 +359,7 @@ Watch this video tutorial for a step-by-step demonstration of deploying your cre icon="rocket" href="http://app.crewai.com" > - Get started with CrewAI Enterprise and deploy your crew in a production environment with just a few clicks. + Get started with CrewAI AMP and deploy your crew in a production environment with just a few clicks. + + Invoke live CrewAI Platform automations, pass custom inputs, and poll for results directly from your agent. + + + + Call Amazon Bedrock Agents from your crews, reuse AWS guardrails, and stream responses back into the workflow. + + + +## **Common Use Cases** + +- **Chain automations**: Kick off an existing CrewAI deployment from within another crew or flow +- **Enterprise hand-off**: Route tasks to Bedrock Agents that already encapsulate company logic and guardrails +- **Hybrid workflows**: Combine CrewAI reasoning with downstream systems that expose their own agent APIs +- **Long-running jobs**: Poll external automations and merge the final results back into the current run + +## **Quick Start Example** + +```python +from crewai import Agent, Task, Crew +from crewai_tools import InvokeCrewAIAutomationTool +from crewai_tools.aws.bedrock.agents.invoke_agent_tool import BedrockInvokeAgentTool + +# External automation +analysis_automation = InvokeCrewAIAutomationTool( + crew_api_url="https://analysis-crew.acme.crewai.com", + crew_bearer_token="YOUR_BEARER_TOKEN", + crew_name="Analysis Automation", + crew_description="Runs the production-grade analysis pipeline", +) + +# Managed agent on Bedrock +knowledge_router = BedrockInvokeAgentTool( + agent_id="bedrock-agent-id", + agent_alias_id="prod", +) + +automation_strategist = Agent( + role="Automation Strategist", + goal="Orchestrate external automations and summarise their output", + backstory="You coordinate enterprise workflows and know when to delegate tasks to specialised services.", + tools=[analysis_automation, knowledge_router], + verbose=True, +) + +execute_playbook = Task( + description="Run the analysis automation and ask the Bedrock agent for executive talking points.", + agent=automation_strategist, +) + +Crew(agents=[automation_strategist], tasks=[execute_playbook]).kickoff() +``` + +## **Best Practices** + +- **Secure credentials**: Store API keys and bearer tokens in environment variables or a secrets manager +- **Plan for latency**: External automations may take longer—set appropriate polling intervals and timeouts +- **Reuse sessions**: Bedrock Agents support session IDs so you can maintain context across multiple tool calls +- **Validate responses**: Normalise remote output (JSON, text, status codes) before forwarding it to downstream tasks +- **Monitor usage**: Track audit logs in CrewAI Platform or AWS CloudWatch to stay ahead of quota limits and failures diff --git a/docs/enterprise-api.base.yaml b/docs/enterprise-api.base.yaml index 457ea22bb..c4a4c31ab 100644 --- a/docs/enterprise-api.base.yaml +++ b/docs/enterprise-api.base.yaml @@ -1,40 +1,40 @@ openapi: 3.0.3 info: - title: CrewAI Enterprise API + title: CrewAI AMP API description: | - REST API for interacting with your deployed CrewAI crews on CrewAI Enterprise. - + REST API for interacting with your deployed CrewAI crews on CrewAI AMP. + ## Getting Started - - 1. **Find your crew URL**: Get your unique crew URL from the CrewAI Enterprise dashboard + + 1. **Find your crew URL**: Get your unique crew URL from the CrewAI AMP dashboard 2. **Copy examples**: Use the code examples from each endpoint page as templates 3. **Replace placeholders**: Update URLs and tokens with your actual values 4. **Test with your tools**: Use cURL, Postman, or your preferred API client - + ## Authentication - + All API requests require a bearer token for authentication. There are two types of tokens: - + - **Bearer Token**: Organization-level token for full crew operations - **User Bearer Token**: User-scoped token for individual access with limited permissions - - You can find your bearer tokens in the Status tab of your crew's detail page in the CrewAI Enterprise dashboard. - + + You can find your bearer tokens in the Status tab of your crew's detail page in the CrewAI AMP dashboard. + ## Reference Documentation - + This documentation provides comprehensive examples for each endpoint: - + - **Request formats** with all required and optional parameters - **Response examples** for success and error scenarios - **Code samples** in multiple programming languages - **Authentication patterns** with proper Bearer token usage - + Copy the examples and customize them with your actual crew URL and authentication tokens. - + ## Workflow - + 1. **Discover inputs** using `GET /inputs` - 2. **Start execution** using `POST /kickoff` + 2. **Start execution** using `POST /kickoff` 3. **Monitor progress** using `GET /status/{kickoff_id}` version: 1.0.0 contact: @@ -43,7 +43,7 @@ info: url: https://crewai.com servers: - url: https://your-actual-crew-name.crewai.com - description: Replace with your actual deployed crew URL from the CrewAI Enterprise dashboard + description: Replace with your actual deployed crew URL from the CrewAI AMP dashboard - url: https://my-travel-crew.crewai.com description: Example travel planning crew (replace with your URL) - url: https://content-creation-crew.crewai.com @@ -58,7 +58,7 @@ paths: summary: Get Required Inputs description: | **📋 Reference Example Only** - *This shows the request format. To test with your actual crew, copy the cURL example and replace the URL + token with your real values.* - + Retrieves the list of all required input parameters that your crew expects for execution. Use this endpoint to discover what inputs you need to provide when starting a crew execution. operationId: getRequiredInputs @@ -82,7 +82,7 @@ paths: value: inputs: ["budget", "interests", "duration", "age"] outreach_crew: - summary: Outreach crew inputs + summary: Outreach crew inputs value: inputs: ["name", "title", "company", "industry", "our_product", "linkedin_url"] '401': @@ -97,10 +97,10 @@ paths: summary: Start Crew Execution description: | **📋 Reference Example Only** - *This shows the request format. To test with your actual crew, copy the cURL example and replace the URL + token with your real values.* - - Initiates a new crew execution with the provided inputs. Returns a kickoff ID that can be used + + Initiates a new crew execution with the provided inputs. Returns a kickoff ID that can be used to track the execution progress and retrieve results. - + Crew executions can take anywhere from seconds to minutes depending on their complexity. Consider using webhooks for real-time notifications or implement polling with the status endpoint. operationId: startCrewExecution @@ -152,7 +152,7 @@ paths: inputs: budget: "1000 USD" interests: "games, tech, ai, relaxing hikes, amazing food" - duration: "7 days" + duration: "7 days" age: "35" meta: requestId: "travel-req-123" @@ -204,9 +204,9 @@ paths: summary: Get Execution Status description: | **📋 Reference Example Only** - *This shows the request format. To test with your actual crew, copy the cURL example and replace the URL + token with your real values.* - + Retrieves the current status and results of a crew execution using its kickoff ID. - + The response structure varies depending on the execution state: - **running**: Execution in progress with current task info - **completed**: Execution finished with full results @@ -283,9 +283,9 @@ components: scheme: bearer description: | **📋 Reference Documentation** - *The tokens shown in examples are placeholders for reference only.* - - Use your actual Bearer Token or User Bearer Token from the CrewAI Enterprise dashboard for real API calls. - + + Use your actual Bearer Token or User Bearer Token from the CrewAI AMP dashboard for real API calls. + **Bearer Token**: Organization-level access for full crew operations **User Bearer Token**: User-scoped access with limited permissions @@ -309,7 +309,7 @@ components: description: Number of completed tasks example: 1 total_tasks: - type: integer + type: integer description: Total number of tasks in the crew example: 3 @@ -430,5 +430,5 @@ components: schema: $ref: '#/components/schemas/Error' example: - error: "Internal Server Error" - message: "An unexpected error occurred" \ No newline at end of file + error: "Internal Server Error" + message: "An unexpected error occurred" diff --git a/docs/enterprise-api.en.yaml b/docs/enterprise-api.en.yaml index 645601eae..c4a4c31ab 100644 --- a/docs/enterprise-api.en.yaml +++ b/docs/enterprise-api.en.yaml @@ -1,40 +1,40 @@ openapi: 3.0.3 info: - title: CrewAI Enterprise API + title: CrewAI AMP API description: | - REST API for interacting with your deployed CrewAI crews on CrewAI Enterprise. - + REST API for interacting with your deployed CrewAI crews on CrewAI AMP. + ## Getting Started - - 1. **Find your crew URL**: Get your unique crew URL from the CrewAI Enterprise dashboard + + 1. **Find your crew URL**: Get your unique crew URL from the CrewAI AMP dashboard 2. **Copy examples**: Use the code examples from each endpoint page as templates 3. **Replace placeholders**: Update URLs and tokens with your actual values 4. **Test with your tools**: Use cURL, Postman, or your preferred API client - + ## Authentication - + All API requests require a bearer token for authentication. There are two types of tokens: - + - **Bearer Token**: Organization-level token for full crew operations - **User Bearer Token**: User-scoped token for individual access with limited permissions - - You can find your bearer tokens in the Status tab of your crew's detail page in the CrewAI Enterprise dashboard. - + + You can find your bearer tokens in the Status tab of your crew's detail page in the CrewAI AMP dashboard. + ## Reference Documentation - + This documentation provides comprehensive examples for each endpoint: - + - **Request formats** with all required and optional parameters - **Response examples** for success and error scenarios - **Code samples** in multiple programming languages - **Authentication patterns** with proper Bearer token usage - + Copy the examples and customize them with your actual crew URL and authentication tokens. - + ## Workflow - + 1. **Discover inputs** using `GET /inputs` - 2. **Start execution** using `POST /kickoff` + 2. **Start execution** using `POST /kickoff` 3. **Monitor progress** using `GET /status/{kickoff_id}` version: 1.0.0 contact: @@ -43,7 +43,7 @@ info: url: https://crewai.com servers: - url: https://your-actual-crew-name.crewai.com - description: Replace with your actual deployed crew URL from the CrewAI Enterprise dashboard + description: Replace with your actual deployed crew URL from the CrewAI AMP dashboard - url: https://my-travel-crew.crewai.com description: Example travel planning crew (replace with your URL) - url: https://content-creation-crew.crewai.com @@ -58,7 +58,7 @@ paths: summary: Get Required Inputs description: | **📋 Reference Example Only** - *This shows the request format. To test with your actual crew, copy the cURL example and replace the URL + token with your real values.* - + Retrieves the list of all required input parameters that your crew expects for execution. Use this endpoint to discover what inputs you need to provide when starting a crew execution. operationId: getRequiredInputs @@ -82,7 +82,7 @@ paths: value: inputs: ["budget", "interests", "duration", "age"] outreach_crew: - summary: Outreach crew inputs + summary: Outreach crew inputs value: inputs: ["name", "title", "company", "industry", "our_product", "linkedin_url"] '401': @@ -97,10 +97,10 @@ paths: summary: Start Crew Execution description: | **📋 Reference Example Only** - *This shows the request format. To test with your actual crew, copy the cURL example and replace the URL + token with your real values.* - - Initiates a new crew execution with the provided inputs. Returns a kickoff ID that can be used + + Initiates a new crew execution with the provided inputs. Returns a kickoff ID that can be used to track the execution progress and retrieve results. - + Crew executions can take anywhere from seconds to minutes depending on their complexity. Consider using webhooks for real-time notifications or implement polling with the status endpoint. operationId: startCrewExecution @@ -152,7 +152,7 @@ paths: inputs: budget: "1000 USD" interests: "games, tech, ai, relaxing hikes, amazing food" - duration: "7 days" + duration: "7 days" age: "35" meta: requestId: "travel-req-123" @@ -204,9 +204,9 @@ paths: summary: Get Execution Status description: | **📋 Reference Example Only** - *This shows the request format. To test with your actual crew, copy the cURL example and replace the URL + token with your real values.* - + Retrieves the current status and results of a crew execution using its kickoff ID. - + The response structure varies depending on the execution state: - **running**: Execution in progress with current task info - **completed**: Execution finished with full results @@ -283,12 +283,12 @@ components: scheme: bearer description: | **📋 Reference Documentation** - *The tokens shown in examples are placeholders for reference only.* - - Use your actual Bearer Token or User Bearer Token from the CrewAI Enterprise dashboard for real API calls. - + + Use your actual Bearer Token or User Bearer Token from the CrewAI AMP dashboard for real API calls. + **Bearer Token**: Organization-level access for full crew operations **User Bearer Token**: User-scoped access with limited permissions - + schemas: ExecutionRunning: type: object @@ -309,10 +309,10 @@ components: description: Number of completed tasks example: 1 total_tasks: - type: integer + type: integer description: Total number of tasks in the crew example: 3 - + ExecutionCompleted: type: object properties: @@ -335,7 +335,7 @@ components: type: number description: Total execution time in seconds example: 108.5 - + ExecutionError: type: object properties: @@ -351,7 +351,7 @@ components: type: number description: Time until error occurred in seconds example: 23.1 - + TaskResult: type: object properties: @@ -371,7 +371,7 @@ components: type: number description: Time taken to execute this task in seconds example: 45.2 - + Error: type: object properties: @@ -383,7 +383,7 @@ components: type: string description: Detailed error message example: "Invalid bearer token provided" - + ValidationError: type: object properties: @@ -401,7 +401,7 @@ components: items: type: string example: ["budget", "interests"] - + responses: UnauthorizedError: description: Authentication failed - check your bearer token @@ -412,7 +412,7 @@ components: example: error: "Unauthorized" message: "Invalid or missing bearer token" - + NotFoundError: description: Resource not found content: @@ -422,7 +422,7 @@ components: example: error: "Not Found" message: "The requested resource was not found" - + ServerError: description: Internal server error content: @@ -430,6 +430,5 @@ components: schema: $ref: '#/components/schemas/Error' example: - error: "Internal Server Error" + error: "Internal Server Error" message: "An unexpected error occurred" - diff --git a/docs/enterprise-api.ko.yaml b/docs/enterprise-api.ko.yaml index da0b6c23f..d2509e498 100644 --- a/docs/enterprise-api.ko.yaml +++ b/docs/enterprise-api.ko.yaml @@ -2,8 +2,8 @@ openapi: 3.0.3 info: title: CrewAI 엔터프라이즈 API description: | - CrewAI Enterprise에 배포된 crew와 상호작용하기 위한 REST API입니다. - + CrewAI AMP에 배포된 crew와 상호작용하기 위한 REST API입니다. + ## 시작하기 1. **Crew URL 확인**: 대시보드에서 고유한 crew URL을 확인하세요 2. **예제 복사**: 각 엔드포인트의 예제를 템플릿으로 사용하세요 @@ -25,7 +25,7 @@ paths: summary: 필요 입력값 조회 description: | **📋 참조 예제만 제공** - *요청 형식을 보여줍니다. 실제 호출은 cURL 예제를 복사해 URL과 토큰을 교체하세요.* - + 실행에 필요한 입력 파라미터 목록을 반환합니다. operationId: getRequiredInputs responses: @@ -52,7 +52,7 @@ paths: summary: Crew 실행 시작 description: | **📋 참조 예제만 제공** - *요청 형식을 보여줍니다. 실제 호출은 cURL 예제를 복사해 URL과 토큰을 교체하세요.* - + 제공된 입력으로 새로운 실행을 시작하고 kickoff ID를 반환합니다. operationId: startCrewExecution requestBody: @@ -89,7 +89,7 @@ paths: summary: 실행 상태 조회 description: | **📋 참조 예제만 제공** - *요청 형식을 보여줍니다. 실제 호출은 cURL 예제를 복사해 URL과 토큰을 교체하세요.* - + kickoff ID로 실행 상태와 결과를 조회합니다. operationId: getExecutionStatus parameters: @@ -228,4 +228,3 @@ components: application/json: schema: $ref: '#/components/schemas/Error' - diff --git a/docs/enterprise-api.pt-BR.yaml b/docs/enterprise-api.pt-BR.yaml index 77c9e4644..4629e834c 100644 --- a/docs/enterprise-api.pt-BR.yaml +++ b/docs/enterprise-api.pt-BR.yaml @@ -1,40 +1,40 @@ openapi: 3.0.3 info: - title: CrewAI Enterprise API + title: CrewAI AMP API description: | - REST API para interagir com suas crews implantadas no CrewAI Enterprise. - + REST API para interagir com suas crews implantadas no CrewAI AMP. + ## Introdução - - 1. **Encontre a URL da sua crew**: Obtenha sua URL única no painel do CrewAI Enterprise + + 1. **Encontre a URL da sua crew**: Obtenha sua URL única no painel do CrewAI AMP 2. **Copie os exemplos**: Use os exemplos de cada endpoint como modelo 3. **Substitua os placeholders**: Atualize URLs e tokens com seus valores reais 4. **Teste com suas ferramentas**: Use cURL, Postman ou seu cliente preferido - + ## Autenticação - + Todas as requisições exigem um token bearer. Existem dois tipos: - + - **Bearer Token**: Token em nível de organização para operações completas - **User Bearer Token**: Token com escopo de usuário com permissões limitadas - - Você encontra os tokens na aba Status da sua crew no painel do CrewAI Enterprise. - + + Você encontra os tokens na aba Status da sua crew no painel do CrewAI AMP. + ## Documentação de Referência - + Este documento fornece exemplos completos para cada endpoint: - + - **Formatos de requisição** com parâmetros obrigatórios e opcionais - **Exemplos de resposta** para sucesso e erro - **Amostras de código** em várias linguagens - **Padrões de autenticação** com uso correto de Bearer token - + Copie os exemplos e personalize com sua URL e tokens reais. - + ## Fluxo - + 1. **Descubra os inputs** usando `GET /inputs` - 2. **Inicie a execução** usando `POST /kickoff` + 2. **Inicie a execução** usando `POST /kickoff` 3. **Monitore o progresso** usando `GET /status/{kickoff_id}` version: 1.0.0 contact: @@ -43,7 +43,7 @@ info: url: https://crewai.com servers: - url: https://your-actual-crew-name.crewai.com - description: Substitua pela URL real da sua crew no painel do CrewAI Enterprise + description: Substitua pela URL real da sua crew no painel do CrewAI AMP security: - BearerAuth: [] paths: @@ -52,7 +52,7 @@ paths: summary: Obter Inputs Requeridos description: | **📋 Exemplo de Referência** - *Mostra o formato da requisição. Para testar com sua crew real, copie o cURL e substitua URL + token.* - + Retorna a lista de parâmetros de entrada que sua crew espera. operationId: getRequiredInputs responses: @@ -81,7 +81,7 @@ paths: summary: Iniciar Execução da Crew description: | **📋 Exemplo de Referência** - *Mostra o formato da requisição. Para testar com sua crew real, copie o cURL e substitua URL + token.* - + Inicia uma nova execução da crew com os inputs fornecidos e retorna um kickoff ID. operationId: startCrewExecution requestBody: @@ -102,7 +102,7 @@ paths: interests: "games, tech, ai, relaxing hikes, amazing food" duration: "7 days" age: "35" - + responses: '200': description: Execução iniciada com sucesso @@ -125,7 +125,7 @@ paths: summary: Obter Status da Execução description: | **📋 Exemplo de Referência** - *Mostra o formato da requisição. Para testar com sua crew real, copie o cURL e substitua URL + token.* - + Retorna o status atual e os resultados de uma execução usando o kickoff ID. operationId: getExecutionStatus parameters: @@ -163,7 +163,7 @@ components: scheme: bearer description: | **📋 Referência** - *Os tokens mostrados são apenas exemplos.* - Use seus tokens reais do painel do CrewAI Enterprise. + Use seus tokens reais do painel do CrewAI AMP. schemas: ExecutionRunning: @@ -180,7 +180,7 @@ components: completed_tasks: type: integer total_tasks: - type: integer + type: integer ExecutionCompleted: type: object @@ -265,4 +265,3 @@ components: application/json: schema: $ref: '#/components/schemas/Error' - diff --git a/docs/images/enterprise/agent-apps.png b/docs/images/enterprise/agent-apps.png new file mode 100644 index 000000000..14d9171c6 Binary files /dev/null and b/docs/images/enterprise/agent-apps.png differ diff --git a/docs/images/enterprise/agent-repositories.png b/docs/images/enterprise/agent-repositories.png new file mode 100644 index 000000000..e37537612 Binary files /dev/null and b/docs/images/enterprise/agent-repositories.png differ diff --git a/docs/images/enterprise/automations-overview.png b/docs/images/enterprise/automations-overview.png new file mode 100644 index 000000000..89b312470 Binary files /dev/null and b/docs/images/enterprise/automations-overview.png differ diff --git a/docs/images/enterprise/automations-table.png b/docs/images/enterprise/automations-table.png new file mode 100644 index 000000000..4b83c2aab Binary files /dev/null and b/docs/images/enterprise/automations-table.png differ diff --git a/docs/images/enterprise/calendar-trigger.png b/docs/images/enterprise/calendar-trigger.png new file mode 100644 index 000000000..9d8d9f719 Binary files /dev/null and b/docs/images/enterprise/calendar-trigger.png differ diff --git a/docs/images/enterprise/create-agent-repository.png b/docs/images/enterprise/create-agent-repository.png new file mode 100644 index 000000000..2dcc022d0 Binary files /dev/null and b/docs/images/enterprise/create-agent-repository.png differ diff --git a/docs/images/enterprise/crew-studio-canvas.png b/docs/images/enterprise/crew-studio-canvas.png new file mode 100644 index 000000000..5773211f6 Binary files /dev/null and b/docs/images/enterprise/crew-studio-canvas.png differ diff --git a/docs/images/enterprise/crew-studio-execution.png b/docs/images/enterprise/crew-studio-execution.png new file mode 100644 index 000000000..2e3be5257 Binary files /dev/null and b/docs/images/enterprise/crew-studio-execution.png differ diff --git a/docs/images/enterprise/crew-studio-overview.png b/docs/images/enterprise/crew-studio-overview.png new file mode 100644 index 000000000..e6ba7165f Binary files /dev/null and b/docs/images/enterprise/crew-studio-overview.png differ diff --git a/docs/images/enterprise/crew-studio-prompt.png b/docs/images/enterprise/crew-studio-prompt.png new file mode 100644 index 000000000..f5d4dd5b3 Binary files /dev/null and b/docs/images/enterprise/crew-studio-prompt.png differ diff --git a/docs/images/enterprise/crew-studio-publish.png b/docs/images/enterprise/crew-studio-publish.png new file mode 100644 index 000000000..f397f756c Binary files /dev/null and b/docs/images/enterprise/crew-studio-publish.png differ diff --git a/docs/images/enterprise/crew-studio-published.png b/docs/images/enterprise/crew-studio-published.png new file mode 100644 index 000000000..afbb84a2e Binary files /dev/null and b/docs/images/enterprise/crew-studio-published.png differ diff --git a/docs/images/enterprise/deploy-from-github.png b/docs/images/enterprise/deploy-from-github.png new file mode 100644 index 000000000..b4d7698bb Binary files /dev/null and b/docs/images/enterprise/deploy-from-github.png differ diff --git a/docs/images/enterprise/deploy-from-zip.png b/docs/images/enterprise/deploy-from-zip.png new file mode 100644 index 000000000..378f13ea6 Binary files /dev/null and b/docs/images/enterprise/deploy-from-zip.png differ diff --git a/docs/images/enterprise/gdrive-trigger.png b/docs/images/enterprise/gdrive-trigger.png new file mode 100644 index 000000000..6b7dbf2fd Binary files /dev/null and b/docs/images/enterprise/gdrive-trigger.png differ diff --git a/docs/images/enterprise/marketplace-install.png b/docs/images/enterprise/marketplace-install.png new file mode 100644 index 000000000..21ff65f47 Binary files /dev/null and b/docs/images/enterprise/marketplace-install.png differ diff --git a/docs/images/enterprise/marketplace-overview.png b/docs/images/enterprise/marketplace-overview.png new file mode 100644 index 000000000..67aa438a0 Binary files /dev/null and b/docs/images/enterprise/marketplace-overview.png differ diff --git a/docs/images/enterprise/msteams-trigger.png b/docs/images/enterprise/msteams-trigger.png new file mode 100644 index 000000000..db1b5c277 Binary files /dev/null and b/docs/images/enterprise/msteams-trigger.png differ diff --git a/docs/images/enterprise/onedrive-trigger.png b/docs/images/enterprise/onedrive-trigger.png new file mode 100644 index 000000000..20fc36aac Binary files /dev/null and b/docs/images/enterprise/onedrive-trigger.png differ diff --git a/docs/images/enterprise/outlook-trigger.png b/docs/images/enterprise/outlook-trigger.png new file mode 100644 index 000000000..9844c5baa Binary files /dev/null and b/docs/images/enterprise/outlook-trigger.png differ diff --git a/docs/images/enterprise/tool-configs.png b/docs/images/enterprise/tool-configs.png new file mode 100644 index 000000000..dca4da3d2 Binary files /dev/null and b/docs/images/enterprise/tool-configs.png differ diff --git a/docs/images/enterprise/tools-integrations-internal.png b/docs/images/enterprise/tools-integrations-internal.png new file mode 100644 index 000000000..f51487bd3 Binary files /dev/null and b/docs/images/enterprise/tools-integrations-internal.png differ diff --git a/docs/index.mdx b/docs/index.mdx index 5f71c4f4f..ff6466f27 100644 --- a/docs/index.mdx +++ b/docs/index.mdx @@ -1,96 +1,105 @@ --- title: "CrewAI Documentation" -description: "Build collaborative AI agents, crews, and flows — fast." -mode: "center" +description: "Build collaborative AI agents, crews, and flows — production ready from day one." +icon: "house" +mode: "wide" --- -
- CrewAI -

- Orchestrate multi‑agent systems and flows with guardrails, memory, knowledge, tools, and observability. Production‑ready by default. -

+
+ CrewAI +
+

Ship multi‑agent systems with confidence

+

+ Design agents, orchestrate crews, and automate flows with guardrails, memory, knowledge, and observability baked in. +

+
- +
+ +## Get started + - - Create your first crew in minutes. Learn the core runtime, project layout, and dev loop. + + Overview of CrewAI concepts, architecture, and what you can build with agents, crews, and flows. - Install via UV and set up environment keys for OpenAI and tools. + Install via `uv`, configure API keys, and set up the CLI for local development. - - Create, run, train, test, deploy, and manage configs — all from the CLI. + + Spin up your first crew in minutes. Learn the core runtime, project layout, and dev loop. +## Build the basics + - Compose robust agents with memory, knowledge, and tools. Structure outputs with Pydantic. + Compose agents with tools, memory, knowledge, and structured outputs using Pydantic. Includes templates and best practices. - Design complex workflows with start/listen/router, state, persistence, and resumability. + Orchestrate start/listen/router steps, manage state, persist execution, and resume long-running workflows. - - Short‑term, long‑term, and entity memory. Built‑in knowledge with vector storage. + + Define sequential, hierarchical, or hybrid processes with guardrails, callbacks, and human-in-the-loop triggers. +## Enterprise journey + - - Provider‑neutral client. ChromaDB by default, Qdrant supported. Configure per use case. + + Manage environments, redeploy safely, and monitor live runs directly from the Enterprise console. - - Traces with batching, metrics, and integrations (Langfuse, Phoenix, and more). + + Connect Gmail, Slack, Salesforce, and more. Pass trigger payloads into crews and flows automatically. - - Deploy, automate with triggers, manage orgs, and run at scale. + + Invite teammates, configure RBAC, and control access to production automations. - - CrewAI — multi‑agent orchestration -
Compose agents, tasks, flows, and tools — production‑ready by default.
- - +## What’s new -## Popular paths + + + Unified overview for Gmail, Drive, Outlook, Teams, OneDrive, HubSpot, and more — now with sample payloads and crews. + + + Call existing CrewAI automations or Amazon Bedrock Agents directly from your crews using the updated integration toolkit. + + -- Getting started: [/en/quickstart](/en/quickstart) -- Install + requirements: [/en/installation](/en/installation) -- Define crews via YAML: [/en/guides/crews/first-crew](/en/guides/crews/first-crew) -- Build flows: [/en/guides/flows/first-flow](/en/guides/flows/first-flow) -- API Reference: [/en/api-reference/introduction](/en/api-reference/introduction) + + Browse the examples and cookbooks for end-to-end reference implementations across agents, flows, and enterprise automations. + - - Looking for examples? Check out the examples repo and cookbooks under /en/examples/cookbooks. - +## Stay connected - If CrewAI helps you ship faster, give us a star and join the community. + If CrewAI helps you ship faster, give us a star and share your builds with the community. - Ask questions, share feedback, and see what others are building. + Ask questions, showcase workflows, and request features alongside other builders. - - diff --git a/docs/ko/api-reference/introduction.mdx b/docs/ko/api-reference/introduction.mdx index d53fad853..7cab30d11 100644 --- a/docs/ko/api-reference/introduction.mdx +++ b/docs/ko/api-reference/introduction.mdx @@ -1,6 +1,6 @@ --- title: "소개" -description: "CrewAI Enterprise REST API에 대한 완벽한 참고 자료" +description: "CrewAI AMP REST API에 대한 완벽한 참고 자료" icon: "code" mode: "wide" --- @@ -13,17 +13,17 @@ CrewAI 엔터프라이즈 API 참고 자료에 오신 것을 환영합니다. - CrewAI Enterprise 대시보드에서 자신의 crew 상세 페이지로 이동하여 Status 탭에서 Bearer Token을 복사하세요. + CrewAI AMP 대시보드에서 자신의 crew 상세 페이지로 이동하여 Status 탭에서 Bearer Token을 복사하세요. - + `GET /inputs` 엔드포인트를 사용하여 crew가 기대하는 파라미터를 확인하세요. - + 입력값과 함께 `POST /kickoff`를 호출하여 crew 실행을 시작하고 `kickoff_id`를 받으세요. - + `GET /status/{kickoff_id}`를 사용하여 실행 상태를 확인하고 결과를 조회하세요. @@ -46,7 +46,7 @@ curl -H "Authorization: Bearer YOUR_CREW_TOKEN" \ | **User Bearer Token** | 사용자 범위 접근 | 제한된 권한, 사용자별 작업에 적합 | -두 토큰 유형 모두 CrewAI Enterprise 대시보드의 crew 상세 페이지 Status 탭에서 확인할 수 있습니다. +두 토큰 유형 모두 CrewAI AMP 대시보드의 crew 상세 페이지 Status 탭에서 확인할 수 있습니다. ## 기본 URL @@ -62,7 +62,7 @@ https://your-crew-name.crewai.com ## 일반적인 워크플로우 1. **탐색**: `GET /inputs`를 호출하여 crew가 필요한 것을 파악합니다. -2. **실행**: `POST /kickoff`를 통해 입력값을 제출하여 처리를 시작합니다. +2. **실행**: `POST /kickoff`를 통해 입력값을 제출하여 처리를 시작합니다. 3. **모니터링**: 완료될 때까지 `GET /status/{kickoff_id}`를 주기적으로 조회합니다. 4. **결과**: 완료된 응답에서 최종 출력을 추출합니다. @@ -82,7 +82,7 @@ API는 표준 HTTP 상태 코드를 사용합니다: ## 인터랙티브 테스트 -**왜 "전송" 버튼이 없나요?** 각 CrewAI Enterprise 사용자는 고유한 crew URL을 가지므로, 혼동을 피하기 위해 인터랙티브 플레이그라운드 대신 **참조 모드**를 사용합니다. 이를 통해 비작동 전송 버튼 없이 요청이 어떻게 생겼는지 정확히 보여줍니다. +**왜 "전송" 버튼이 없나요?** 각 CrewAI AMP 사용자는 고유한 crew URL을 가지므로, 혼동을 피하기 위해 인터랙티브 플레이그라운드 대신 **참조 모드**를 사용합니다. 이를 통해 비작동 전송 버튼 없이 요청이 어떻게 생겼는지 정확히 보여줍니다. 각 엔드포인트 페이지에서는 다음을 확인할 수 있습니다: @@ -104,7 +104,7 @@ API는 표준 HTTP 상태 코드를 사용합니다: **예시 작업 흐름:** 1. **cURL 예제를 복사**합니다 (엔드포인트 페이지에서) -2. **`your-actual-crew-name.crewai.com`**을(를) 실제 crew URL로 교체합니다 +2. **`your-actual-crew-name.crewai.com`**을(를) 실제 crew URL로 교체합니다 3. **Bearer 토큰을** 대시보드에서 복사한 실제 토큰으로 교체합니다 4. **요청을 실행**합니다 (터미널이나 API 클라이언트에서) @@ -117,4 +117,4 @@ API는 표준 HTTP 상태 코드를 사용합니다: crew를 관리하고 실행 로그를 확인하세요 - \ No newline at end of file + diff --git a/docs/ko/changelog.mdx b/docs/ko/changelog.mdx index 565c2dd83..3b6fdfd6c 100644 --- a/docs/ko/changelog.mdx +++ b/docs/ko/changelog.mdx @@ -4,6 +4,84 @@ description: "CrewAI의 제품 업데이트, 개선 사항 및 버그 수정" icon: "clock" mode: "wide" --- + + ## v1.0.0a1 + + [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.0.0a1) + + ## 변경 사항 + + ### 핵심 개선 및 수정 + - 에이전트 설정에서 `actions` 속성 권한 처리를 수정했습니다 + - 새로운 모노레포 구조에 맞춰 CI 워크플로와 릴리스 프로세스를 업데이트했습니다 + - Python 지원 버전을 3.13으로 올리고 워크스페이스 메타데이터를 갱신했습니다 + + ### 새로운 기능 및 향상 + - 에이전트에 `apps`와 `actions` 속성을 추가하여 런타임 제어를 강화했습니다 + - `crewai-tools` 저장소를 메인 워크스페이스에 통합하여 모노레포 구조를 도입했습니다 + - 모든 패키지 버전을 1.0.0a1로 올려 알파 마일스톤을 표시했습니다 + + ### 정리 및 인프라 + - 버전 고정과 배포 전략을 포함한 새로운 CI 파이프라인을 구축했습니다 + - 다중 패키지 관리를 지원하도록 코드베이스를 통합했습니다 + + + + + ## v0.201.1 + + [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.201.1) + + ## 변경 사항 + + ### 핵심 개선 및 수정 + - Watson 임베딩 프로바이더를 `watsonx`로 변경하고 환경 변수 접두사를 업데이트했습니다 + - `watsonx`와 `voyageai` 프로바이더에 대한 ChromaDB 호환성을 추가했습니다 + + ### 정리 및 사용 중단 + - 모든 임베딩 프로바이더의 환경 변수 접두사를 표준화했습니다 + - CrewAI 버전을 0.201.1로 올리고 내부 의존성을 갱신했습니다 + + + + + ## v0.201.0 + + [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.201.0) + + ## 변경 사항 + + ### 핵심 개선 및 수정 + - `_create_reasoning_plan`의 `ready` 매개변수를 선택 사항으로 변경했습니다 + - 임베더 설정의 중첩된 구성 형식을 바로잡았습니다 + - 토큰 한도 오류를 방지하기 위해 `batch_size` 매개변수를 지원합니다 + - Quickstart 문서의 디렉터리 이름을 수정했습니다 + - 테스트 시간 캐시 및 이벤트 내보내기 문제를 해결했습니다 + - 크루 설정에 대한 폴백 로직을 추가했습니다 + + ### 새로운 기능 및 향상 + - 플랫폼 컨텍스트를 스레드 안전하게 관리하도록 개선했습니다 + - CLI에서 `uv`를 바로 실행할 수 있도록 `crewai uv` 래퍼 명령을 추가했습니다 + - 관찰 워크플로에서 트레이스를 실패 상태로 표시할 수 있도록 지원했습니다 + - 사용자 지정 임베딩 타입과 프로바이더 마이그레이션을 지원했습니다 + - ChromaDB를 v1.1.0으로 업그레이드하고 호환성 및 타입 개선을 적용했습니다 + - Pydantic 호환 임포트 검증을 도입하고 의존성 그룹을 재구성했습니다 + + ### 문서 및 가이드 + - 최근 릴리스(0.193.x)의 변경 로그를 업데이트했습니다 + - LLM Guardrail 이벤트 소스 메타데이터 지원을 문서화했습니다 + - 폴백 동작과 구성 가시성에 대한 가이드를 추가했습니다 + + ### 정리 및 사용 중단 + - 여러 모듈에서 Ruff 및 MyPy 문제를 해결했습니다 + - 타입 주석을 개선하고 유틸리티를 통합했습니다 + - Pydantic 호환 임포트를 사용하도록 기존 유틸리티를 대체했습니다 + + ### 기여자 + - 신규 기여자: @qizwiz (첫 커밋) + + + ## v0.193.2 @@ -11,7 +89,7 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.193.2) ## 변경 사항 - + - 올바른 버전을 사용하도록 pyproject 템플릿 업데이트 @@ -22,7 +100,7 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.193.1) ## 변경 사항 - + - 일련의 사소한 수정 및 린터 개선 @@ -33,28 +111,28 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.193.0) ## 핵심 개선 사항 및 수정 사항 - - - OpenAI 어댑터 초기화 중 `model` 매개변수 처리 수정 - - CI 워크플로에서 테스트 소요 시간 캐시 문제 해결 - - 에이전트의 반복 도구 사용과 관련된 불안정한 테스트 수정 - - 일관된 모듈 동작을 위해 누락된 이벤트 내보내기를 `__init__.py`에 추가 - - 메타데이터 부하를 줄이기 위해 Mem0에서 메시지 저장 제거 - - 벡터 검색의 하위 호환성을 위해 L2 거리 메트릭 지원 수정 + + - OpenAI 어댑터 초기화 중 `model` 매개변수 처리 수정 + - CI 워크플로에서 테스트 소요 시간 캐시 문제 해결 + - 에이전트의 반복 도구 사용과 관련된 불안정한 테스트 수정 + - 일관된 모듈 동작을 위해 누락된 이벤트 내보내기를 `__init__.py`에 추가 + - 메타데이터 부하를 줄이기 위해 Mem0에서 메시지 저장 제거 + - 벡터 검색의 하위 호환성을 위해 L2 거리 메트릭 지원 수정 ## 새로운 기능 및 향상 사항 - - - 스레드 안전한 플랫폼 컨텍스트 관리 도입 - - `pytest-split` 실행 최적화를 위한 테스트 소요 시간 캐싱 추가 - - 더 나은 추적 제어를 위한 일시적(trace) 개선 - - RAG, 지식, 메모리 검색 매개변수를 완전 구성 가능하게 변경 - - ChromaDB가 임베딩 함수에 OpenAI API를 사용할 수 있도록 지원 - - 사용자 수준 인사이트를 위한 심화된 관찰 가능성 도구 추가 - - 인스턴스별 클라이언트를 지원하는 통합 RAG 스토리지 시스템 + + - 스레드 안전한 플랫폼 컨텍스트 관리 도입 + - `pytest-split` 실행 최적화를 위한 테스트 소요 시간 캐싱 추가 + - 더 나은 추적 제어를 위한 일시적(trace) 개선 + - RAG, 지식, 메모리 검색 매개변수를 완전 구성 가능하게 변경 + - ChromaDB가 임베딩 함수에 OpenAI API를 사용할 수 있도록 지원 + - 사용자 수준 인사이트를 위한 심화된 관찰 가능성 도구 추가 + - 인스턴스별 클라이언트를 지원하는 통합 RAG 스토리지 시스템 ## 문서 및 가이드 - - - CrewAI 네이티브 RAG 구현을 반영하도록 `RagTool` 참조 업데이트 - - 타입 주석과 도크스트링을 포함해 `langgraph` 및 `openai` 에이전트 어댑터 내부 문서 개선 + + - CrewAI 네이티브 RAG 구현을 반영하도록 `RagTool` 참조 업데이트 + - 타입 주석과 도크스트링을 포함해 `langgraph` 및 `openai` 에이전트 어댑터 내부 문서 개선 @@ -64,9 +142,9 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.186.1) ## 변경 사항 - - - 버전을 찾지 못해 조용히 되돌리는(reversion) 문제 수정 - - CLI에서 CrewAI 버전을 0.186.1로 올리고 의존성 업데이트 + + - 버전을 찾지 못해 조용히 되돌리는(reversion) 문제 수정 + - CLI에서 CrewAI 버전을 0.186.1로 올리고 의존성 업데이트 @@ -76,7 +154,7 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.186.0) ## 변경 사항 - + - 자세한 변경 사항은 GitHub 릴리스 노트를 참조하세요 @@ -87,27 +165,27 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.177.0) ## 핵심 개선 사항 및 수정 사항 - - - `rag` 패키지와 현재 구현 간의 동등성 달성 - - 작업 및 에이전트 메타데이터를 통한 LLM 이벤트 처리 개선 - - 변경 가능한 기본 인수를 `None`으로 교체하여 수정 - - 초기화 중 Pydantic 사용 중단 경고 억제 - - `README.md`의 깨진 예제 링크 수정 - - 호환성을 위해 Python 3.12+ 전용 Ruff 규칙 제거 - - CI 워크플로를 `uv`를 사용하도록 마이그레이션하고 개발 도구 업데이트 - + + - `rag` 패키지와 현재 구현 간의 동등성 달성 + - 작업 및 에이전트 메타데이터를 통한 LLM 이벤트 처리 개선 + - 변경 가능한 기본 인수를 `None`으로 교체하여 수정 + - 초기화 중 Pydantic 사용 중단 경고 억제 + - `README.md`의 깨진 예제 링크 수정 + - 호환성을 위해 Python 3.12+ 전용 Ruff 규칙 제거 + - CI 워크플로를 `uv`를 사용하도록 마이그레이션하고 개발 도구 업데이트 + ## 새로운 기능 및 개선 사항 - - - 추적 개선 및 정리 추가 - - `events` 모듈을 `crewai.events`로 이동하여 이벤트 로직 중앙 집중화 - + + - 추적 개선 및 정리 추가 + - `events` 모듈을 `crewai.events`로 이동하여 이벤트 로직 중앙 집중화 + ## 문서 및 가이드 - - - 엔터프라이즈 액션 인증 토큰 섹션 문서 업데이트 - - `v0.175.0` 릴리스에 대한 문서 업데이트 게시 - + + - 엔터프라이즈 액션 인증 토큰 섹션 문서 업데이트 + - `v0.175.0` 릴리스에 대한 문서 업데이트 게시 + ## 정리 및 리팩토링 - + - 더 나은 구조를 위해 파서를 모듈화된 함수로 리팩토링 @@ -117,36 +195,36 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.175.0) ## 핵심 개선 사항 및 수정 사항 - - - `crewai update` 중 `tool` 섹션의 마이그레이션 수정 - - OpenAI 핀을 되돌림: 이제 고정된 가져오기 문제로 인해 `openai >=1.13.3`이 필요함 - - 불안정한 테스트 수정 및 테스트 안정성 향상 - - HITL 및 순환 흐름에 대한 `Flow` 리스너의 재개 가능성 개선 - - `PlusAPI` 및 `TraceBatchManager`에서 타임아웃 처리 향상 - - 중복 작업을 줄이기 위해 엔티티 메모리 항목을 배치 처리 - + + - `crewai update` 중 `tool` 섹션의 마이그레이션 수정 + - OpenAI 핀을 되돌림: 이제 고정된 가져오기 문제로 인해 `openai >=1.13.3`이 필요함 + - 불안정한 테스트 수정 및 테스트 안정성 향상 + - HITL 및 순환 흐름에 대한 `Flow` 리스너의 재개 가능성 개선 + - `PlusAPI` 및 `TraceBatchManager`에서 타임아웃 처리 향상 + - 중복 작업을 줄이기 위해 엔티티 메모리 항목을 배치 처리 + ## 새로운 기능 및 향상된 사항 - - - `Flow.start()` 메서드에 추가 매개변수 지원 추가 - - 자세한 CLI 출력에 작업 이름 표시 - - 중앙 집중식 임베딩 유형 추가 및 기본 임베딩 클라이언트 도입 - - ChromaDB 및 Qdrant에 대한 일반 클라이언트 도입 - - 토큰을 지우기 위한 `crewai config reset` 지원 추가 - - `crewai_trigger_payload` 자동 주입 활성화 - - RAG 클라이언트 초기화 간소화 및 RAG 구성 시스템 도입 - - Qdrant RAG 공급자 지원 추가 - - 더 나은 이벤트 데이터로 추적 개선 - - `crewai login`에서 Auth0 및 이메일 입력 제거 지원 추가 - + + - `Flow.start()` 메서드에 추가 매개변수 지원 추가 + - 자세한 CLI 출력에 작업 이름 표시 + - 중앙 집중식 임베딩 유형 추가 및 기본 임베딩 클라이언트 도입 + - ChromaDB 및 Qdrant에 대한 일반 클라이언트 도입 + - 토큰을 지우기 위한 `crewai config reset` 지원 추가 + - `crewai_trigger_payload` 자동 주입 활성화 + - RAG 클라이언트 초기화 간소화 및 RAG 구성 시스템 도입 + - Qdrant RAG 공급자 지원 추가 + - 더 나은 이벤트 데이터로 추적 개선 + - `crewai login`에서 Auth0 및 이메일 입력 제거 지원 추가 + ## 문서 및 가이드 - - - 자동화 트리거에 대한 문서 추가 - - API 참조 OpenAPI 소스 및 리디렉션 수정 - - 문서에 하이브리드 검색 알파 매개변수 추가 - + + - 자동화 트리거에 대한 문서 추가 + - API 참조 OpenAPI 소스 및 리디렉션 수정 + - 문서에 하이브리드 검색 알파 매개변수 추가 + ## 정리 및 사용 중단 - - - `Task.max_retries`에 대한 사용 중단 알림 추가 + + - `Task.max_retries`에 대한 사용 중단 알림 추가 - 로그인 흐름에서 Auth0 의존성 제거 @@ -156,31 +234,31 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.165.1) ## 핵심 개선 사항 및 수정 사항 - - - `configparser`를 위해 구성 값을 문자열로 변환하여 `XMLSearchTool`의 호환성 수정 - - `PytestUnraisableExceptionWarning`과 관련된 불안정한 Pytest 테스트 수정 - - 더 안정적인 CI 실행을 위해 테스트 스위트에서 텔레메트리 모의 - - Chroma 잠금 파일 처리를 `db_storage_path`로 이동 - - `chromadb`의 사용 중단 경고 무시 - - `ResponseTextConfigParam` 가져오기 문제로 인해 OpenAI 버전을 `<1.100.0`으로 고정 - + + - `configparser`를 위해 구성 값을 문자열로 변환하여 `XMLSearchTool`의 호환성 수정 + - `PytestUnraisableExceptionWarning`과 관련된 불안정한 Pytest 테스트 수정 + - 더 안정적인 CI 실행을 위해 테스트 스위트에서 텔레메트리 모의 + - Chroma 잠금 파일 처리를 `db_storage_path`로 이동 + - `chromadb`의 사용 중단 경고 무시 + - `ResponseTextConfigParam` 가져오기 문제로 인해 OpenAI 버전을 `<1.100.0`으로 고정 + ## 새로운 기능 및 향상 사항 - - - 교환된 에이전트 메시지를 `ExternalMemory` 메타데이터에 포함 - - 자동으로 `crewai_trigger_payload` 주입 - - 내부 플래그 `inject_trigger_input`의 이름을 `allow_crewai_trigger_context`로 변경 - - 추적 개선 및 일시적인 추적 로직 지속 - - 추적 로직 조건 통합 - - `Mem0`에서 `agent_id`와 연결된 메모리 항목 지원 추가 - + + - 교환된 에이전트 메시지를 `ExternalMemory` 메타데이터에 포함 + - 자동으로 `crewai_trigger_payload` 주입 + - 내부 플래그 `inject_trigger_input`의 이름을 `allow_crewai_trigger_context`로 변경 + - 추적 개선 및 일시적인 추적 로직 지속 + - 추적 로직 조건 통합 + - `Mem0`에서 `agent_id`와 연결된 메모리 항목 지원 추가 + ## 문서 및 가이드 - - - 도구 저장소 문서에 예제 추가 - - 단기 및 엔티티 메모리 통합을 위한 Mem0 문서 업데이트 - - 한국어 번역 수정 및 문장 구조 개선 - + + - 도구 저장소 문서에 예제 추가 + - 단기 및 엔티티 메모리 통합을 위한 Mem0 문서 업데이트 + - 한국어 번역 수정 및 문장 구조 개선 + ## 정리 및 잡일 - + - 사용 중단된 AgentOps 통합 제거 @@ -190,31 +268,31 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.165.0) ## 핵심 개선 사항 및 수정 사항 - - - `configparser`를 위해 구성 값을 문자열로 변환하여 `XMLSearchTool`의 호환성 수정 - - `PytestUnraisableExceptionWarning`과 관련된 불안정한 Pytest 테스트 수정 - - 더 안정적인 CI 실행을 위해 테스트 스위트에서 텔레메트리 모의 - - Chroma 잠금 파일 처리를 `db_storage_path`로 이동 - - `chromadb`의 사용 중단 경고 무시 - - `ResponseTextConfigParam` 가져오기 문제로 인해 OpenAI 버전을 `<1.100.0`으로 고정 - + + - `configparser`를 위해 구성 값을 문자열로 변환하여 `XMLSearchTool`의 호환성 수정 + - `PytestUnraisableExceptionWarning`과 관련된 불안정한 Pytest 테스트 수정 + - 더 안정적인 CI 실행을 위해 테스트 스위트에서 텔레메트리 모의 + - Chroma 잠금 파일 처리를 `db_storage_path`로 이동 + - `chromadb`의 사용 중단 경고 무시 + - `ResponseTextConfigParam` 가져오기 문제로 인해 OpenAI 버전을 `<1.100.0`으로 고정 + ## 새로운 기능 및 향상 사항 - - - 교환된 에이전트 메시지를 `ExternalMemory` 메타데이터에 포함 - - 자동으로 `crewai_trigger_payload` 주입 - - 내부 플래그 `inject_trigger_input`의 이름을 `allow_crewai_trigger_context`로 변경 - - 추적 개선 및 일시적인 추적 로직 지속 - - 추적 로직 조건 통합 - - `Mem0`에서 `agent_id`와 연결된 메모리 항목 지원 추가 - + + - 교환된 에이전트 메시지를 `ExternalMemory` 메타데이터에 포함 + - 자동으로 `crewai_trigger_payload` 주입 + - 내부 플래그 `inject_trigger_input`의 이름을 `allow_crewai_trigger_context`로 변경 + - 추적 개선 및 일시적인 추적 로직 지속 + - 추적 로직 조건 통합 + - `Mem0`에서 `agent_id`와 연결된 메모리 항목 지원 추가 + ## 문서 및 가이드 - - - 도구 저장소 문서에 예제 추가 - - 단기 및 엔티티 메모리 통합을 위한 Mem0 문서 업데이트 - - 한국어 번역 수정 및 문장 구조 개선 - + + - 도구 저장소 문서에 예제 추가 + - 단기 및 엔티티 메모리 통합을 위한 Mem0 문서 업데이트 + - 한국어 번역 수정 및 문장 구조 개선 + ## 정리 및 잡일 - + - 사용 중단된 AgentOps 통합 제거 @@ -224,22 +302,22 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.159.0) ## Core Improvements & Fixes - - - LLM 메시지 포맷팅 성능 개선으로 더 나은 런타임 효율성 제공 - - 엔터프라이즈 구성 auth/parameters에서 잘못된 엔드포인트 사용 수정 - - 부분 흐름 재개 중 안정성을 위해 리스너 재개 가능성 체크 주석 처리 - + + - LLM 메시지 포맷팅 성능 개선으로 더 나은 런타임 효율성 제공 + - 엔터프라이즈 구성 auth/parameters에서 잘못된 엔드포인트 사용 수정 + - 부분 흐름 재개 중 안정성을 위해 리스너 재개 가능성 체크 주석 처리 + ## New Features & Enhancements - - - 간소화된 엔터프라이즈 설정을 위한 CLI에 `enterprise configure` 명령 추가 - - 부분 흐름 재개 지원 도입 - + + - 간소화된 엔터프라이즈 설정을 위한 CLI에 `enterprise configure` 명령 추가 + - 부분 흐름 재개 지원 도입 + ## Documentation & Guides - - - 새로운 도구에 대한 문서 추가 - - 한국어 번역 추가 - - TrueFoundry 통합 세부정보로 문서 업데이트 - - RBAC 문서 추가 및 일반 정리 + + - 새로운 도구에 대한 문서 추가 + - 한국어 번역 추가 + - TrueFoundry 통합 세부정보로 문서 업데이트 + - RBAC 문서 추가 및 일반 정리 - EN, PT-BR, KO 전반에 걸쳐 API 참조 수정 및 예제/요리책 개편 @@ -249,30 +327,30 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.157.0) ## v0.157.0 변경 사항 - + ## 핵심 개선 사항 및 수정 사항 - - - 긴 입력 도구에 대한 단어 줄 바꿈 활성화 - - `BaseModel` 항목으로 Flow 상태 지속 가능하도록 허용 - - 성능을 위해 `partition()`을 사용하여 문자열 작업 최적화 - - 더 이상 사용되지 않는 사용자 메모리 시스템에 대한 지원 중단 - - LiteLLM 버전을 `1.74.9`로 업데이트 - - CLI에서 모듈 누락 시 더 명확하게 표시하도록 수정 - - Okta를 통한 장치 인증 지원 - + + - 긴 입력 도구에 대한 단어 줄 바꿈 활성화 + - `BaseModel` 항목으로 Flow 상태 지속 가능하도록 허용 + - 성능을 위해 `partition()`을 사용하여 문자열 작업 최적화 + - 더 이상 사용되지 않는 사용자 메모리 시스템에 대한 지원 중단 + - LiteLLM 버전을 `1.74.9`로 업데이트 + - CLI에서 모듈 누락 시 더 명확하게 표시하도록 수정 + - Okta를 통한 장치 인증 지원 + ## 새로운 기능 및 향상된 사항 - - - 테스트와 함께 `crewai config` CLI 명령 그룹 추가 - - `crew.name`에 대한 기본값 지원 추가 - - 초기 추적 기능 도입 - - LangDB 통합 지원 추가 - - CLI 구성 문서화 지원 추가 - + + - 테스트와 함께 `crewai config` CLI 명령 그룹 추가 + - `crew.name`에 대한 기본값 지원 추가 + - 초기 추적 기능 도입 + - LangDB 통합 지원 추가 + - CLI 구성 문서화 지원 추가 + ## 문서 및 가이드 - - - `connect_timeout` 속성으로 MCP 문서 업데이트 - - LangDB 통합 문서 추가 - - CLI 구성 문서 추가 + + - `connect_timeout` 속성으로 MCP 문서 업데이트 + - LangDB 통합 문서 추가 + - CLI 구성 문서 추가 - 일반 기능 문서 업데이트 및 정리 @@ -282,20 +360,20 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.152.0) ## Core Improvements & Fixes - - - `crewai signup` 참조를 제거하고 `crewai login`으로 대체했습니다. - - `agent_id`를 사용하여 Mem0에 메모리를 추가하는 지원을 수정했습니다. - - Mem0 구성의 기본값을 변경했습니다. - - 누락된 모듈 파일을 명확하게 표시하도록 가져오기 오류를 업데이트했습니다. - - 이벤트 타임스탬프에 대한 시간대 지원을 추가했습니다. - + + - `crewai signup` 참조를 제거하고 `crewai login`으로 대체했습니다. + - `agent_id`를 사용하여 Mem0에 메모리를 추가하는 지원을 수정했습니다. + - Mem0 구성의 기본값을 변경했습니다. + - 누락된 모듈 파일을 명확하게 표시하도록 가져오기 오류를 업데이트했습니다. + - 이벤트 타임스탬프에 대한 시간대 지원을 추가했습니다. + ## New Features & Enhancements - - - 사용자 정의 흐름 이름을 지원하도록 `Flow` 클래스를 향상시켰습니다. - - RAG 구성 요소를 전용 최상위 모듈로 리팩토링했습니다. - + + - 사용자 정의 흐름 이름을 지원하도록 `Flow` 클래스를 향상시켰습니다. + - RAG 구성 요소를 전용 최상위 모듈로 리팩토링했습니다. + ## Documentation & Guides - + - Google Vertex AI 문서에서 잘못된 모델 이름을 수정했습니다. @@ -305,38 +383,38 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.150.0) ## 핵심 개선 사항 및 수정 사항 - - - Chroma 클라이언트 초기화 주위에 파일 잠금 사용 - - FTS5 없이 SQLite와 관련된 우회 방법 제거 - - LLM 모델에 대해 자동으로 지원되지 않는 `stop` 매개변수 제거 - - `save` 메서드 수정 및 관련 테스트 케이스 업데이트 - - 마지막 메시지가 어시스턴트인 경우 Ollama 모델의 메시지 처리 수정 - - LLM 호출 오류에 대한 중복 출력 제거 - - `UserMemory`에 대한 사용 중단 알림 추가 - - LiteLLM을 버전 1.74.3으로 업그레이드 - + + - Chroma 클라이언트 초기화 주위에 파일 잠금 사용 + - FTS5 없이 SQLite와 관련된 우회 방법 제거 + - LLM 모델에 대해 자동으로 지원되지 않는 `stop` 매개변수 제거 + - `save` 메서드 수정 및 관련 테스트 케이스 업데이트 + - 마지막 메시지가 어시스턴트인 경우 Ollama 모델의 메시지 처리 수정 + - LLM 호출 오류에 대한 중복 출력 제거 + - `UserMemory`에 대한 사용 중단 알림 추가 + - LiteLLM을 버전 1.74.3으로 업그레이드 + ## 새로운 기능 및 향상된 사항 - - - 내부 LLM 클래스를 통한 임시 도구 호출 지원 추가 - - Mem0 Storage를 v1.1에서 v2로 업데이트 - + + - 내부 LLM 클래스를 통한 임시 도구 호출 지원 추가 + - Mem0 Storage를 v1.1에서 v2로 업데이트 + ## 문서 및 가이드 - - - neatlogs 문서 수정 - - Search-Research 스위트에 Tavily Search & Extractor 도구 추가 - - `SerperScrapeWebsiteTool`에 대한 문서 추가 및 Serper 섹션 재구성 - - 일반 문서 업데이트 및 개선 - + + - neatlogs 문서 수정 + - Search-Research 스위트에 Tavily Search & Extractor 도구 추가 + - `SerperScrapeWebsiteTool`에 대한 문서 추가 및 Serper 섹션 재구성 + - 일반 문서 업데이트 및 개선 + ## crewai-tools v0.58.0 ### 새로운 도구 / 향상된 사항 - - **SerperScrapeWebsiteTool**: URL에서 깨끗한 콘텐츠를 추출하는 도구 추가 - - **Bedrock AgentCore**: Bedrock 에이전트를 위한 브라우저 및 코드 해석기 툴킷 통합 - - **Stagehand 업데이트**: Stagehand 통합 리팩토링 및 업데이트 - + - **SerperScrapeWebsiteTool**: URL에서 깨끗한 콘텐츠를 추출하는 도구 추가 + - **Bedrock AgentCore**: Bedrock 에이전트를 위한 브라우저 및 코드 해석기 툴킷 통합 + - **Stagehand 업데이트**: Stagehand 통합 리팩토링 및 업데이트 + ### 수정 사항 및 정리 - - **FTS5 지원**: 테스트 워크플로우에서 개선된 텍스트 검색을 위한 SQLite FTS5 활성화 - - **테스트 속도 향상**: 더 빠른 CI 실행을 위해 GitHub Actions 테스트 스위트 병렬화 - - **정리**: FTS5 지원으로 인해 SQLite 우회 방법 제거 + - **FTS5 지원**: 테스트 워크플로우에서 개선된 텍스트 검색을 위한 SQLite FTS5 활성화 + - **테스트 속도 향상**: 더 빠른 CI 실행을 위해 GitHub Actions 테스트 스위트 병렬화 + - **정리**: FTS5 지원으로 인해 SQLite 우회 방법 제거 **MongoDBVectorSearchTool**: 직렬화 및 스키마 처리 수정 @@ -346,27 +424,27 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.148.0) ## 핵심 개선 사항 및 수정 사항 - - - 프로덕션 WorkOS 환경 ID 사용 - - 테스트 워크플로우에 SQLite FTS5 지원 추가 - - 에이전트 지식 처리 수정 - - `LLM` 대신 `BaseLLM` 클래스를 사용하여 비교 - - `Task` 클래스에서 누락된 `create_directory` 매개변수 수정 - + + - 프로덕션 WorkOS 환경 ID 사용 + - 테스트 워크플로우에 SQLite FTS5 지원 추가 + - 에이전트 지식 처리 수정 + - `LLM` 대신 `BaseLLM` 클래스를 사용하여 비교 + - `Task` 클래스에서 누락된 `create_directory` 매개변수 수정 + ## 새로운 기능 및 향상 사항 - - - 에이전트 평가 기능 도입 - - 평가자 실험 및 회귀 테스트 방법 추가 - - 스레드 안전한 `AgentEvaluator` 구현 - - 에이전트 평가를 위한 이벤트 발생 활성화 - - 단일 `Agent` 및 `LiteAgent` 평가 지원 - - `neatlogs`와의 통합 추가 - - LLM 가드레일 이벤트에 대한 크루 컨텍스트 추적 추가 - + + - 에이전트 평가 기능 도입 + - 평가자 실험 및 회귀 테스트 방법 추가 + - 스레드 안전한 `AgentEvaluator` 구현 + - 에이전트 평가를 위한 이벤트 발생 활성화 + - 단일 `Agent` 및 `LiteAgent` 평가 지원 + - `neatlogs`와의 통합 추가 + - LLM 가드레일 이벤트에 대한 크루 컨텍스트 추적 추가 + ## 문서 및 가이드 - - - `guardrail` 속성 및 사용 예제에 대한 문서 추가 - - `neatlogs`에 대한 통합 가이드 추가 + + - `guardrail` 속성 및 사용 예제에 대한 문서 추가 + - `neatlogs`에 대한 통합 가이드 추가 - 에이전트 리포지토리 및 `Agent.kickoff` 사용에 대한 문서 업데이트 @@ -376,16 +454,16 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.141.0) ## 핵심 개선 사항 및 수정 사항 - - - 병렬화를 통해 GitHub Actions 테스트 속도 향상 - + + - 병렬화를 통해 GitHub Actions 테스트 속도 향상 + ## 새로운 기능 및 향상된 사항 - - - LLM 가드레일 이벤트에 대한 크루 컨텍스트 추적 추가 - + + - LLM 가드레일 이벤트에 대한 크루 컨텍스트 추적 추가 + ## 문서 및 가이드 - - - 에이전트 리포지토리 사용에 대한 문서 추가 + + - 에이전트 리포지토리 사용에 대한 문서 추가 - `Agent.kickoff` 메서드에 대한 문서 추가 @@ -395,29 +473,29 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.140.0) ## 핵심 개선 사항 및 수정 사항 - - - 테스트 프롬프트의 오타 수정 - - 크루 생성 시 후행 슬래시를 제거하여 프로젝트 이름 정규화 수정 - - 환경 변수가 대문자로 작성되도록 보장 - - LiteLLM 의존성 업데이트 - - `RAGStorage`에서 컬렉션 처리 리팩토링 - - PEP 621 동적 버전 관리 구현 - + + - 테스트 프롬프트의 오타 수정 + - 크루 생성 시 후행 슬래시를 제거하여 프로젝트 이름 정규화 수정 + - 환경 변수가 대문자로 작성되도록 보장 + - LiteLLM 의존성 업데이트 + - `RAGStorage`에서 컬렉션 처리 리팩토링 + - PEP 621 동적 버전 관리 구현 + ## 새로운 기능 및 향상된 사항 - - - 작업 및 에이전트별로 LLM 호출을 추적하는 기능 추가 - - 메모리 사용량 모니터링을 위한 `MemoryEvents` 도입 - - 메모리 시스템 및 LLM 가드레일 이벤트에 대한 콘솔 로깅 추가 - - 최대 7B 매개변수를 지원하는 모델에 대한 데이터 훈련 지원 개선 - - Scarf 및 Reo.dev 분석 추적 추가 - - CLI workos 로그인 - + + - 작업 및 에이전트별로 LLM 호출을 추적하는 기능 추가 + - 메모리 사용량 모니터링을 위한 `MemoryEvents` 도입 + - 메모리 시스템 및 LLM 가드레일 이벤트에 대한 콘솔 로깅 추가 + - 최대 7B 매개변수를 지원하는 모델에 대한 데이터 훈련 지원 개선 + - Scarf 및 Reo.dev 분석 추적 추가 + - CLI workos 로그인 + ## 문서 및 가이드 - - - CLI LLM 문서 업데이트 - - 문서에 Nebius 통합 추가 - - 설치 및 pt-BR 문서의 오타 수정 - - `MemoryEvents`에 대한 문서 추가 + + - CLI LLM 문서 업데이트 + - 문서에 Nebius 통합 추가 + - 설치 및 pt-BR 문서의 오타 수정 + - `MemoryEvents`에 대한 문서 추가 - 문서 리디렉션 구현 및 개발 도구 포함 @@ -427,32 +505,32 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.134.0) ## 핵심 개선 사항 및 수정 사항 - - - 도구 매개변수 구문 수정 - - `Task`의 타입 주석 수정 - - GitHub에서 LLM 데이터를 검색할 때 SSL 오류 수정 - - Pydantic 2.7.x와의 호환성 보장 - - 프로젝트 종속성에서 `mkdocs` 제거 - - Langfuse 코드 예제를 Python SDK v3로 업그레이드 - - `mem0` 저장소에 역할 정리 기능 추가 - - 메모리 재설정 중 Crew 검색 개선 - - 콘솔 프린터 출력 개선 - + + - 도구 매개변수 구문 수정 + - `Task`의 타입 주석 수정 + - GitHub에서 LLM 데이터를 검색할 때 SSL 오류 수정 + - Pydantic 2.7.x와의 호환성 보장 + - 프로젝트 종속성에서 `mkdocs` 제거 + - Langfuse 코드 예제를 Python SDK v3로 업그레이드 + - `mem0` 저장소에 역할 정리 기능 추가 + - 메모리 재설정 중 Crew 검색 개선 + - 콘솔 프린터 출력 개선 + ## 새로운 기능 및 향상 사항 - - - 정의된 `Tool` 속성에서 도구를 초기화하는 지원 추가 - - `CrewBase` 내에서 MCP 도구를 사용하는 공식 방법 추가 - - `CrewBase`에서 에이전트당 여러 도구를 선택할 수 있도록 MCP 도구 지원 향상 - - Oxylabs 웹 스크래핑 도구 추가 - + + - 정의된 `Tool` 속성에서 도구를 초기화하는 지원 추가 + - `CrewBase` 내에서 MCP 도구를 사용하는 공식 방법 추가 + - `CrewBase`에서 에이전트당 여러 도구를 선택할 수 있도록 MCP 도구 지원 향상 + - Oxylabs 웹 스크래핑 도구 추가 + ## 문서 및 가이드 - - - `quickstart.mdx` 업데이트 - - `LLMGuardrail` 이벤트에 대한 문서 추가 - - 포괄적인 서비스 통합 세부정보로 문서 업데이트 - - MCP 및 Enterprise 도구에 대한 추천 필터 업데이트 - - Maxim 가시성에 대한 문서 업데이트 - - pt-BR 문서 번역 추가 + + - `quickstart.mdx` 업데이트 + - `LLMGuardrail` 이벤트에 대한 문서 추가 + - 포괄적인 서비스 통합 세부정보로 문서 업데이트 + - MCP 및 Enterprise 도구에 대한 추천 필터 업데이트 + - Maxim 가시성에 대한 문서 업데이트 + - pt-BR 문서 번역 추가 - 일반 문서 개선 @@ -462,28 +540,28 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.130.0) ## 핵심 개선 사항 및 수정 사항 - - - 도구 결과 출력과 관련된 중복 메시지 제거 - - 시작 시 `usage_metrics`에서 누락된 `manager_agent` 토큰 수정 - - 동적 환경 변수를 존중하도록 텔레메트리 싱글톤 수정 - - Flow 상태 로그가 인간 입력을 숨길 수 있는 문제 수정 - - 흐름 플로팅을 위한 기본 X축 간격 증가 - + + - 도구 결과 출력과 관련된 중복 메시지 제거 + - 시작 시 `usage_metrics`에서 누락된 `manager_agent` 토큰 수정 + - 동적 환경 변수를 존중하도록 텔레메트리 싱글톤 수정 + - Flow 상태 로그가 인간 입력을 숨길 수 있는 문제 수정 + - 흐름 플로팅을 위한 기본 X축 간격 증가 + ## 새로운 기능 및 향상된 사항 - - - CLI에서 다중 조직 작업 지원 추가 - - 더 효율적인 워크플로를 위한 비동기 도구 실행 활성화 - - Guardrail 통합과 함께 `LiteAgent` 도입 - - 최신 OpenAI 버전을 지원하도록 `LiteLLM` 업그레이드 - + + - CLI에서 다중 조직 작업 지원 추가 + - 더 효율적인 워크플로를 위한 비동기 도구 실행 활성화 + - Guardrail 통합과 함께 `LiteAgent` 도입 + - 최신 OpenAI 버전을 지원하도록 `LiteLLM` 업그레이드 + ## 문서 및 가이드 - - - 도구 저장소에 대한 최소 `UV` 버전 문서화 - - 환각 방지 가이드라인에 대한 예제 개선 - - LLM 사용을 위한 계획 문서 업데이트 - - 에이전트 가시성에서 Maxim 지원에 대한 문서 추가 - - 기업 기능에 대한 이미지와 함께 통합 문서 확장 - - 지속성에 대한 가이드 수정 + + - 도구 저장소에 대한 최소 `UV` 버전 문서화 + - 환각 방지 가이드라인에 대한 예제 개선 + - LLM 사용을 위한 계획 문서 업데이트 + - 에이전트 가시성에서 Maxim 지원에 대한 문서 추가 + - 기업 기능에 대한 이미지와 함께 통합 문서 확장 + - 지속성에 대한 가이드 수정 - Python 버전 지원을 python 3.13.x로 업데이트 @@ -493,25 +571,25 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.126.0) ### 변경 사항 - + #### 핵심 개선 및 수정 - + - Python 3.13 지원 추가 - 에이전트 지식 출처 문제 수정 - 도구 저장소에서 사용 가능한 도구 지속화 - 에이전트 저장소에서 자체 모듈을 통해 도구 로드 가능 - LLM에 의해 호출될 때 도구 사용 기록 - + #### 새로운 기능 및 향상 - + - MCP 통합에서 스트리밍 가능한 HTTP 전송 지원 추가 - 커뮤니티 분석 지원 추가 - Gemini 예제를 포함한 OpenAI 호환 섹션 확장 - 프롬프트 및 메모리 시스템에 대한 투명성 기능 도입 - 도구 게시를 위한 소규모 개선 - + #### 문서 및 가이드 - + - 더 나은 탐색을 위한 문서의 주요 구조 조정 - MCP 통합 문서 확장 - 메모리 문서 및 README 시각 자료 업데이트 @@ -527,14 +605,14 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.121.1) # 버그 수정 및 더 나은 문서 - + ## 변경 사항 - + - 여러 버그 수정 - 문서 개선 - + ## 설치 - + 1. GitHub에서 리포지토리를 클론합니다. ```bash git clone https://github.com/username/repository.git @@ -544,20 +622,20 @@ mode: "wide" cd repository npm install ``` - + ## 사용법 - + - 기본 사용법은 다음과 같습니다: ```bash npm start ``` - + ## 기여 - + 기여를 원하시면, [기여 가이드](CONTRIBUTING.md)를 참조하세요. - + ## 라이센스 - + 이 프로젝트는 MIT 라이센스 하에 배포됩니다. 자세한 내용은 [LICENSE](LICENSE) 파일을 확인하세요. @@ -567,23 +645,23 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.121.0) # 변경 사항 - + ## 핵심 개선 및 수정 - + - 도구 생성 시 인코딩 오류 수정 - llama 테스트 실패 수정 - 일관성을 위한 로깅 구성 업데이트 - 텔레메트리 초기화 및 이벤트 처리 개선 - + ## 새로운 기능 및 향상 - + - Task 클래스에 markdown 속성 추가 - Agent 클래스에 reasoning 속성 추가 - 자동 날짜 주입을 위한 Agent의 inject_date 플래그 추가 - HallucinationGuardrail 구현 (테스트 커버리지와 함께 no-op) - + ## 문서 및 가이드 - + - StagehandTool에 대한 문서 추가 및 MDX 구조 개선 - MCP 통합에 대한 문서 추가 및 기업 문서 업데이트 - 지식 이벤트 문서화 및 reasoning 문서 업데이트 @@ -598,7 +676,7 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.120.1) ## 새로운 기능 - + * 하이픈이 있는 보간 수정 @@ -612,13 +690,13 @@ mode: "wide" • 컨텍스트 관리자를 사용하여 FilteredStream의 경쟁 조건을 해결했습니다. • 에이전트 지식 초기화 문제를 수정했습니다. • 에이전트 가져오기 로직을 유틸리티 모듈로 리팩토링했습니다. - + ### 새로운 기능 및 향상된 사항 • 저장소에서 에이전트를 직접 로드하는 기능을 추가했습니다. • Task에 대해 빈 컨텍스트를 설정할 수 있도록 했습니다. • 에이전트 저장소 피드백을 향상시키고 Tool 자동 가져오기 동작을 수정했습니다. • 지식 소스를 우회하여 지식을 직접 초기화하는 기능을 도입했습니다. - + ### 문서 및 가이드 • 현재 보안 관행에 대한 security.md를 업데이트했습니다. • 명확성을 위해 Google 설정 섹션을 정리했습니다. @@ -633,23 +711,23 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.119.0) What’s Changed - + ## Core Improvements & Fixes - + - Improved test reliability by enhancing pytest handling for flaky tests - Fixed memory reset crash when embedding dimensions mismatch - Enabled parent flow identification for Crew and LiteAgent - Prevented telemetry-related crashes when unavailable - Upgraded LiteLLM version for better compatibility - Fixed llama converter tests by removing skip_external_api - + ## New Features & Enhancements - + - Introduced knowledge retrieval prompt re-writting in Agent for improved tracking and debugging - Made LLM setup and quickstart guides model-agnostic - + ## Documentation & Guides - + - Added advanced configuration docs for the RAG tool - Updated Windows troubleshooting guide - Refined documentation examples for better clarity @@ -662,19 +740,19 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.118.0) ### 핵심 개선 사항 및 수정 사항 - + - 누락된 프롬프트 또는 시스템 템플릿 문제를 수정했습니다. - 의도하지 않은 덮어쓰기를 방지하기 위해 전역 로깅 구성을 제거했습니다. - 명확성을 높이기 위해 TaskGuardrail의 이름을 LLMGuardrail로 변경했습니다. - 호환성을 위해 litellm을 버전 1.167.1로 다운그레이드했습니다. - 모듈 초기화를 보장하기 위해 누락된 __init__.py 파일을 추가했습니다. - + ### 새로운 기능 및 향상된 사항 - + - AI 행동 제어를 단순화하기 위해 코드 없는 Guardrail 생성을 지원합니다. - + ### 문서 및 가이드 - + - 내부 사용을 반영하기 위해 CrewStructuredTool을 공개 문서에서 제거했습니다. - 개선된 온보딩 경험을 위해 기업 문서 및 YouTube 임베드를 업데이트했습니다. @@ -695,17 +773,17 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.117.0) # 변경 사항 - + ## 새로운 기능 및 향상 - + - `@tool` 데코레이터에서 `result_as_answer` 매개변수 지원 추가. - 새로운 언어 모델 지원 도입: GPT-4.1, Gemini-2.0, Gemini-2.5 Pro. - 지식 관리 기능 향상. - CLI에서 Huggingface 제공자 옵션 추가. - Python 3.10+에 대한 호환성 및 CI 지원 개선. - + ## 핵심 개선 사항 및 수정 - + - 잘못된 템플릿 매개변수 및 누락된 입력 문제 수정. - 코루틴 조건 검사를 통한 비동기 흐름 처리 개선. - 격리된 구성 및 올바른 메모리 객체 복사를 통한 메모리 관리 향상. @@ -715,9 +793,9 @@ mode: "wide" - 흐름 실패 시 명시적 예외 발생. - 다양한 모듈에서 사용되지 않는 코드 및 불필요한 주석 제거. - GitHub App 토큰 작업을 v2로 업데이트. - + ## 문서 및 가이드 - + - 기업 배포 지침을 포함한 문서 구조 향상. - 문서 생성을 위한 출력 폴더 자동 생성. - `WeaviateVectorSearchTool` 문서의 깨진 링크 수정. @@ -732,18 +810,18 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.114.0) # 변경 사항 - + ## 새로운 기능 및 향상 - + - 에이전트를 원자 단위로 사용. (`Agent(...).kickoff()`) - 사용자 정의 LLM 구현 지원. - 외부 메모리 및 Opik 가시성 통합. - YAML 추출 향상. - 다중 모드 에이전트 검증. - 에이전트 및 크루를 위한 보안 지문 추가. - + ## 핵심 개선 사항 및 수정 - + - 직렬화, 에이전트 복사 및 Python 호환성 개선. - emit()에 와일드카드 지원 추가. - 추가 라우터 호출 및 컨텍스트 창 조정 지원 추가. @@ -751,9 +829,9 @@ mode: "wide" - 메서드 성능 개선. - 에이전트 작업 처리, 이벤트 발생 및 메모리 관리 향상. - CLI 문제, 조건부 작업, 복제 동작 및 도구 출력 수정. - + ## 문서 및 가이드 - + - 문서 구조, 테마 및 조직 개선. - WSL2, W&B Weave 및 Arize Phoenix와 함께하는 로컬 NVIDIA NIM에 대한 가이드 추가. - 도구 구성 예제, 프롬프트 및 가시성 문서 업데이트. @@ -766,21 +844,21 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.108.0) # 기능 - + - PR #2190에서 crew.py 템플릿의 탭을 공백으로 변환했습니다. - PR #2266에서 LLM 스트리밍 응답 처리 및 이벤트 시스템을 개선했습니다. - PR #2310에서 model_name을 포함했습니다. - PR #2321에서 풍부한 시각화와 개선된 로깅을 갖춘 이벤트 리스너를 강화했습니다. - PR #2332에서 지문을 추가했습니다. - + # 버그 수정 - + - PR #2308에서 Mistral 문제를 수정했습니다. - PR #2370에서 문서의 버그를 수정했습니다. - PR #2369에서 지문 속성의 타입 검사 오류를 수정했습니다. - + # 문서 업데이트 - + - PR #2259에서 도구 문서를 개선했습니다. - PR #2196에서 uv 도구 패키지의 설치 가이드를 업데이트했습니다. - PR #2363에서 uv 도구로 crewAI를 업그레이드하는 방법에 대한 지침을 추가했습니다. @@ -797,7 +875,7 @@ mode: "wide" - 비동기 흐름 지원을 개선하고 에이전트 응답 형식을 조정했습니다. - 메모리 초기화 기능을 강화하고 CLI 메모리 명령을 수정했습니다. - 타입 문제, 도구 호출 속성 및 텔레메트리 분리를 수정했습니다. - + **새로운 기능 및 향상된 사항** - 흐름 상태 내보내기를 추가하고 상태 유틸리티를 개선했습니다. - 선택적 크루 임베더를 사용한 에이전트 지식 설정을 강화했습니다. @@ -805,7 +883,7 @@ mode: "wide" - Python 3.10 및 langchain_ollama의 ChatOllama에 대한 지원을 추가했습니다. - o3-mini 모델에 대한 컨텍스트 윈도우 크기 지원을 통합했습니다. - 여러 라우터 호출에 대한 지원을 추가했습니다. - + **문서 및 가이드** - 문서 레이아웃 및 계층 구조를 개선했습니다. - QdrantVectorSearchTool 가이드를 추가하고 이벤트 리스너 사용을 명확히 했습니다. @@ -818,28 +896,28 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.102.0) ### 핵심 개선 사항 및 수정 사항 - + - 향상된 LLM 지원: Anthropic 모델에 대한 구조화된 LLM 출력, 매개변수 처리 및 형식 개선. - Crew 및 Agent 안정성: 지식 소스를 사용하는 에이전트/크루 복제, 조건부 작업에서의 여러 작업 출력 및 무시된 Crew 작업 콜백과 관련된 문제 수정. - 메모리 및 저장소 수정: Bedrock과의 단기 메모리 처리 수정, 올바른 임베더 초기화 보장, 크루 클래스에 메모리 재설정 기능 추가. - 교육 및 실행 신뢰성: dict 및 list 입력 유형과 관련된 교육 및 보간 문제 수정. - + ### 새로운 기능 및 개선 사항 - + - 고급 지식 관리: 명명 규칙 개선 및 사용자 정의 임베더 지원을 통한 임베딩 구성 향상. - 확장된 로깅 및 관찰 가능성: 로깅을 위한 JSON 형식 지원 추가 및 MLflow 추적 문서 통합. - 데이터 처리 개선: multi-tab 파일을 처리하기 위해 excel_knowledge_source.py 업데이트. - 일반 성능 및 코드베이스 정리: 기업 코드 정렬 간소화 및 린팅 문제 해결. - 새로운 도구 QdrantVectorSearchTool 추가. - + ### 문서 및 가이드 - + - AI 및 메모리 문서 업데이트: Bedrock, Google AI 및 장기 메모리 문서 개선. - 작업 및 워크플로우 명확성: 작업 속성에 "인간 입력" 행 추가, Langfuse 가이드 및 FileWriterTool 문서. - 다양한 오타 및 형식 문제 수정. - + ### 유지 관리 및 기타 - + - 올해의 Google Docs 통합 및 작업 처리 개선. @@ -977,11 +1055,11 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.79.4) # llms 지원 관련 작은 버그 수정 시리즈 - + - llms 지원에 대한 여러 작은 버그 수정이 포함되었습니다. - 성능 향상 및 안정성 개선이 이루어졌습니다. - - 사용자 피드백을 반영하여 몇 가지 문제를 해결했습니다. - + - 사용자 피드백을 반영하여 몇 가지 문제를 해결했습니다. + 자세한 내용은 [GitHub](https://github.com)에서 확인하세요. @@ -1023,33 +1101,33 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.76.2) # crewai create 명령어 업데이트 - + ## 개요 `crewai create` 명령어는 새로운 CrewAI 프로젝트를 생성하는 데 사용됩니다. 이 문서에서는 이 명령어의 사용법과 업데이트된 기능에 대해 설명합니다. - + ## 사용법 다음 명령어를 사용하여 새로운 프로젝트를 생성할 수 있습니다: - + ```bash crewai create ``` - + ## 옵션 - `--template `: 특정 템플릿을 사용하여 프로젝트를 생성합니다. - `--description `: 프로젝트에 대한 설명을 추가합니다. - `--private`: 프로젝트를 비공개로 설정합니다. - + ## 예제 다음은 `crewai create` 명령어의 사용 예입니다: - + ```bash crewai create my-awesome-project --template basic --description "이것은 나의 멋진 프로젝트입니다." --private ``` - + ## 업데이트된 기능 - **템플릿 지원**: 이제 다양한 템플릿을 선택하여 프로젝트를 시작할 수 있습니다. - **비공개 프로젝트**: 비공식적인 작업을 위해 프로젝트를 비공개로 설정할 수 있는 옵션이 추가되었습니다. - + ## 추가 정보 자세한 내용은 [CrewAI 문서](https://crewai.com/docs)에서 확인할 수 있습니다. @@ -1071,38 +1149,38 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.75.1) # new `--provider` option on crewai crewat - + The `--provider` option has been added to the `crewai crewat` command. This option allows users to specify the provider they want to use when executing the command. - + ## Usage - + To use the `--provider` option, simply include it in your command as follows: - + ```bash crewai crewat --provider ``` - + ### Example - + Here’s an example of how to use the new option: - + ```bash crewai crewat --provider aws ``` - + ## Available Providers - + The following providers are currently supported: - + - aws - azure - gcp - + ## Notes - + - Make sure to replace `` with the actual name of the provider you wish to use. - This option is optional; if not specified, the default provider will be used. - + For more information, refer to the [CrewAI documentation](https://crewai.com/docs). @@ -1184,7 +1262,7 @@ mode: "wide" - 초기 도구 API 추가 - 오타 수정 - 문서 업데이트 - + 수정 사항: #1359 #1355 #1353 #1356 및 기타 @@ -1491,21 +1569,21 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/v0.30.4) **문서 업데이트가 곧 진행될 예정입니다** 불편을 드려 죄송하며, 기다려 주셔서 감사합니다. 새로운 문서가 곧 출시됩니다! - - ➿ 작업 콜백 수정 - 🧙 크루가 자동으로 생성하는 대신 특정 에이전트를 관리자으로 설정할 수 있는 기능 - 📄 시스템, 프롬프트 및 응답 템플릿을 설정할 수 있는 기능, 오픈소스 모델과 더 신뢰성 있게 작동하도록 (더 작은 모델과 더 잘 작동) - 👨‍💻 json 및 pydantic 출력 개선 (더 작은 모델과 더 잘 작동) - 🔎 도구 이름 인식 개선 (더 작은 모델과 더 잘 작동) - 🧰 도구 사용 개선 (더 작은 모델과 더 잘 작동) - 📃 사용자 정의 프롬프트를 가져오는 초기 지원 - 2️⃣ 중복 토큰 계산기 메트릭 수정 - 🪚 새로운 도구 추가, Browserbase 및 Exa Search - 📁 파일로 저장할 때 디렉토리 생성 기능 - 🔁 종속성 업데이트 - 도구를 다시 확인하세요 - 📄 전반적인 작은 문서 개선 - 🐛 작은 버그 수정 (오타 등) - 👬 동료 / 동료 문제 수정 + + ➿ 작업 콜백 수정 + 🧙 크루가 자동으로 생성하는 대신 특정 에이전트를 관리자으로 설정할 수 있는 기능 + 📄 시스템, 프롬프트 및 응답 템플릿을 설정할 수 있는 기능, 오픈소스 모델과 더 신뢰성 있게 작동하도록 (더 작은 모델과 더 잘 작동) + 👨‍💻 json 및 pydantic 출력 개선 (더 작은 모델과 더 잘 작동) + 🔎 도구 이름 인식 개선 (더 작은 모델과 더 잘 작동) + 🧰 도구 사용 개선 (더 작은 모델과 더 잘 작동) + 📃 사용자 정의 프롬프트를 가져오는 초기 지원 + 2️⃣ 중복 토큰 계산기 메트릭 수정 + 🪚 새로운 도구 추가, Browserbase 및 Exa Search + 📁 파일로 저장할 때 디렉토리 생성 기능 + 🔁 종속성 업데이트 - 도구를 다시 확인하세요 + 📄 전반적인 작은 문서 개선 + 🐛 작은 버그 수정 (오타 등) + 👬 동료 / 동료 문제 수정 👀 작은 Readme 업데이트 @@ -1596,37 +1674,37 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/v0.22.4) # 템플릿 문제 수정 - + 템플릿 문제를 수정하는 방법에 대한 지침입니다. - + ## 문제 식별 - + 1. 템플릿이 올바르게 로드되지 않는 경우 2. 템플릿의 스타일이 일관되지 않는 경우 3. 템플릿의 데이터가 올바르게 표시되지 않는 경우 - + ## 수정 단계 - + ### 1. 템플릿 로드 문제 해결 - + - 템플릿 파일 경로를 확인하십시오. - 필요한 모든 종속성이 설치되었는지 확인하십시오. - + ### 2. 스타일 일관성 유지 - + - CSS 파일을 검토하여 스타일 규칙이 일관되게 적용되었는지 확인하십시오. - 브라우저의 개발자 도구를 사용하여 스타일 충돌을 확인하십시오. - + ### 3. 데이터 표시 문제 해결 - + - 데이터 소스가 올바르게 연결되었는지 확인하십시오. - 데이터 형식이 템플릿에서 예상하는 형식과 일치하는지 확인하십시오. - + ## 추가 리소스 - + - [GitHub Issues](https://github.com)에서 유사한 문제를 검색하십시오. - 공식 문서에서 템플릿 관련 정보를 확인하십시오. - + 문제가 지속되면 지원 팀에 문의하십시오. @@ -1714,7 +1792,7 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/v0.14.0) # v0.14.0rc의 모든 개선 사항 - + - 오픈소스 모델에서 json 및 pydantic 내보내기 지원 @@ -1813,13 +1891,13 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/v0.5.0) 이 새로운 버전은 라이브러리에 많은 새로운 기능과 개선 사항을 가져옵니다. - + ## Features - Task Callbacks 추가. - 계층적 프로세스 지원 추가. - 다른 작업에서 특정 작업을 참조할 수 있는 기능 추가. - 병렬 작업 실행 기능 추가. - + ## Improvements - 최대 반복 횟수 및 분당 최대 요청 수 개편. - 개발자 경험 개선, docstrings 등. @@ -1884,11 +1962,11 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/v0.1.1) # CrewAI v0.1.1 릴리스 노트 - + ## 새로운 기능 - + - **Crew Verbose Mode**: 이제 실행 중인 작업을 검사할 수 있습니다. - + - **README 및 문서 업데이트**: 문서에 대한 일련의 소규모 업데이트 @@ -1898,34 +1976,34 @@ mode: "wide" [GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/v0.1.0) # CrewAI v0.1.0 릴리스 노트 - + CrewAI의 초기 릴리스인 버전 0.1.0을 발표하게 되어 매우 기쁩니다! CrewAI는 복잡한 작업을 보다 효율적으로 수행하기 위해 역할 수행 및 협업이 가능한 자율 AI 에이전트를 조정하는 데 도움을 주기 위해 설계된 프레임워크입니다. - + ## 새로운 기능 - + - **초기 출시**: CrewAI가 이제 공식적으로 출시되었습니다! 이 기초 릴리스는 AI 에이전트가 각자의 전문 역할과 목표를 가지고 협력할 수 있는 기반을 마련합니다. - + - **역할 기반 에이전트 설계**: 특정 역할, 목표 및 성공에 필요한 도구를 갖춘 에이전트를 정의하고 사용자 정의할 수 있습니다. - + - **에이전트 간 위임**: 에이전트는 이제 자율적으로 작업을 위임할 수 있는 기능을 갖추어 팀 간의 작업 부하를 동적으로 분배할 수 있습니다. - + - **작업 관리**: 각 작업에 필요한 도구를 지정할 수 있는 유연성을 가지고 작업을 동적으로 생성하고 할당할 수 있습니다. - + - **순차적 프로세스**: 에이전트를 설정하여 작업을 차례로 처리하도록 하여 조직적이고 예측 가능한 워크플로를 보장합니다. - + - **문서화**: 프레임워크의 설정 및 사용을 안내하는 초기 문서를 통해 CrewAI를 탐색하기 시작하세요. - + ## 향상된 기능 - + - `Agent`, `Task`, `Crew`, `Process` 클래스에 대한 상세 API 문서. - 첫 번째 CrewAI 애플리케이션을 구축하는 데 도움이 되는 예제 및 튜토리얼. - 에이전트 간의 협업 및 위임 메커니즘에 대한 기본 설정. - + ## 알려진 문제 - + - 이번이 첫 번째 릴리스이므로 발견되지 않은 버그 및 최적화가 필요한 영역이 있을 수 있습니다. 사용 중 발견된 문제를 커뮤니티에 보고해 주시기 바랍니다. - + ## 향후 기능 - + - **고급 프로세스 관리**: 향후 릴리스에서는 합의 기반 및 계층적 워크플로를 포함한 작업 관리를 위한 보다 복잡한 프로세스를 도입할 예정입니다. diff --git a/docs/ko/concepts/agents.mdx b/docs/ko/concepts/agents.mdx index cad0aec1e..688d9b2ae 100644 --- a/docs/ko/concepts/agents.mdx +++ b/docs/ko/concepts/agents.mdx @@ -20,7 +20,7 @@ CrewAI 프레임워크에서 `Agent`는 다음과 같은 역할을 수행하는 -CrewAI Enterprise에는 코드를 작성하지 않고도 에이전트 생성 및 구성을 간편하게 할 수 있는 시각적 에이전트 빌더가 포함되어 있습니다. 에이전트를 시각적으로 설계하고 실시간으로 테스트하세요. +CrewAI AMP에는 코드를 작성하지 않고도 에이전트 생성 및 구성을 간편하게 할 수 있는 시각적 에이전트 빌더가 포함되어 있습니다. 에이전트를 시각적으로 설계하고 실시간으로 테스트하세요. ![Visual Agent Builder Screenshot](/images/enterprise/crew-studio-interface.png) @@ -688,4 +688,4 @@ asyncio.run(main()) - knowledge 소스 구성 확인 - 대화 기록 관리 검토 -에이전트는 특정 사용 사례에 맞게 구성될 때 가장 효과적입니다. 자신의 요구 사항을 이해하고 이에 맞게 이러한 매개변수를 조정하는 데 시간을 투자하세요. \ No newline at end of file +에이전트는 특정 사용 사례에 맞게 구성될 때 가장 효과적입니다. 자신의 요구 사항을 이해하고 이에 맞게 이러한 매개변수를 조정하는 데 시간을 투자하세요. diff --git a/docs/ko/concepts/cli.mdx b/docs/ko/concepts/cli.mdx index 369662477..761f7a24b 100644 --- a/docs/ko/concepts/cli.mdx +++ b/docs/ko/concepts/cli.mdx @@ -5,7 +5,7 @@ icon: terminal mode: "wide" --- -릴리즈 0.140.0부터 CrewAI Enterprise는 로그인 제공자 마이그레이션 프로세스를 시작했습니다. 이에 따라 CLI를 통한 인증 흐름이 업데이트되었습니다. Google을 통해 로그인하거나 2025년 7월 3일 이후에 계정을 생성한 사용자는 이전 버전의 `crewai` 라이브러리로는 로그인할 수 없습니다. +릴리즈 0.140.0부터 CrewAI AMP는 로그인 제공자 마이그레이션 프로세스를 시작했습니다. 이에 따라 CLI를 통한 인증 흐름이 업데이트되었습니다. Google을 통해 로그인하거나 2025년 7월 3일 이후에 계정을 생성한 사용자는 이전 버전의 `crewai` 라이브러리로는 로그인할 수 없습니다. ## 개요 @@ -186,9 +186,9 @@ def crew(self) -> Crew: ### 10. 배포 -crew 또는 flow를 [CrewAI Enterprise](https://app.crewai.com)에 배포하세요. +crew 또는 flow를 [CrewAI AMP](https://app.crewai.com)에 배포하세요. -- **인증**: CrewAI Enterprise에 배포하려면 인증이 필요합니다. +- **인증**: CrewAI AMP에 배포하려면 인증이 필요합니다. 아래 명령어로 로그인하거나 계정을 생성할 수 있습니다: ```shell Terminal crewai login @@ -203,7 +203,7 @@ crew 또는 flow를 [CrewAI Enterprise](https://app.crewai.com)에 배포하세 ### 11. 조직 관리 -CrewAI Enterprise 조직을 관리합니다. +CrewAI AMP 조직을 관리합니다. ```shell Terminal crewai org [COMMAND] [OPTIONS] @@ -227,17 +227,17 @@ crewai org switch ``` -이러한 조직 관리 명령어를 사용하려면 CrewAI Enterprise에 인증되어 있어야 합니다. +이러한 조직 관리 명령어를 사용하려면 CrewAI AMP에 인증되어 있어야 합니다. - **배포 생성** (계속): - 배포를 해당 원격 GitHub 저장소에 연결합니다 (일반적으로 자동으로 감지됩니다). -- **Crew 배포**: 인증이 완료되면 crew 또는 flow를 CrewAI Enterprise에 배포할 수 있습니다. +- **Crew 배포**: 인증이 완료되면 crew 또는 flow를 CrewAI AMP에 배포할 수 있습니다. ```shell Terminal crewai deploy push ``` - - CrewAI Enterprise 플랫폼에서 배포 프로세스를 시작합니다. + - CrewAI AMP 플랫폼에서 배포 프로세스를 시작합니다. - 성공적으로 시작되면, Deployment created successfully! 메시지와 함께 Deployment Name 및 고유한 Deployment ID(UUID)가 출력됩니다. - **배포 상태**: 배포 상태를 확인하려면 다음을 사용합니다: @@ -262,7 +262,7 @@ crewai org switch ```shell Terminal crewai deploy remove ``` - 이 명령은 CrewAI Enterprise 플랫폼에서 배포를 삭제합니다. + 이 명령은 CrewAI AMP 플랫폼에서 배포를 삭제합니다. - **도움말 명령어**: CLI에 대한 도움말을 보려면 다음을 사용합니다: ```shell Terminal @@ -270,17 +270,15 @@ crewai org switch ``` 이 명령은 CrewAI Deploy CLI에 대한 도움말 메시지를 표시합니다. -CLI를 사용하여 [CrewAI Enterprise](http://app.crewai.com)에 crew를 배포하는 단계별 시연은 아래 비디오 튜토리얼을 참조하십시오. +CLI를 사용하여 [CrewAI AMP](http://app.crewai.com)에 crew를 배포하는 단계별 시연은 아래 비디오 튜토리얼을 참조하십시오. ### 11. API 키 @@ -338,7 +336,7 @@ crewai config reset #### 사용 가능한 구성 파라미터 -- `enterprise_base_url`: CrewAI Enterprise 인스턴스의 기본 URL +- `enterprise_base_url`: CrewAI AMP 인스턴스의 기본 URL - `oauth2_provider`: 인증에 사용되는 OAuth2 공급자 (예: workos, okta, auth0) - `oauth2_audience`: OAuth2 audience 값으로, 일반적으로 대상 API 또는 리소스를 식별하는 데 사용됨 - `oauth2_client_id`: 인증 요청 시 사용되는 공급자가 발급한 OAuth2 클라이언트 ID @@ -355,7 +353,7 @@ crewai config list | 설정 | 값 | 설명 | | :------------------- | :---------------------- | :------------------------------------------------------------------- | -| enterprise_base_url | https://app.crewai.com | CrewAI Enterprise 인스턴스의 기본 URL | +| enterprise_base_url | https://app.crewai.com | CrewAI AMP 인스턴스의 기본 URL | | org_name | Not set | 현재 활성화된 조직의 이름 | | org_uuid | Not set | 현재 활성화된 조직의 UUID | | oauth2_provider | workos | 인증에 사용되는 OAuth2 제공자 (예: workos, okta, auth0) | @@ -385,4 +383,4 @@ crewai config reset 설정 값은 `~/.config/crewai/settings.json`에 저장됩니다. 조직 이름과 UUID와 같은 일부 설정 값은 읽기 전용이며 인증 및 조직 명령을 통해 관리됩니다. 도구 저장소 관련 설정은 숨겨져 있으며 사용자가 직접 설정할 수 없습니다. - \ No newline at end of file + diff --git a/docs/ko/concepts/event-listener.mdx b/docs/ko/concepts/event-listener.mdx index 6dc870e2c..88962ca35 100644 --- a/docs/ko/concepts/event-listener.mdx +++ b/docs/ko/concepts/event-listener.mdx @@ -20,7 +20,7 @@ CrewAI는 실행 수명 주기 전반에 걸쳐 이벤트를 발생시키는 이 CrewAI에서 특정 동작(예: Crew가 실행을 시작하거나 Agent가 task를 완료하거나 tool이 사용될 때)이 발생하면, 시스템은 해당 이벤트를 발생시킵니다. 이러한 이벤트에 대한 핸들러를 등록하여 해당 이벤트가 발생할 때 커스텀 코드를 실행할 수 있습니다. -CrewAI Enterprise는 event 시스템을 활용하여 모든 prompt, completion 및 관련 메타데이터를 추적, 저장 및 시각화하는 내장 Prompt Tracing 기능을 제공합니다. 이 기능을 통해 agent 운영에 대한 강력한 디버깅 기능과 투명성을 얻을 수 있습니다. +CrewAI AMP는 event 시스템을 활용하여 모든 prompt, completion 및 관련 메타데이터를 추적, 저장 및 시각화하는 내장 Prompt Tracing 기능을 제공합니다. 이 기능을 통해 agent 운영에 대한 강력한 디버깅 기능과 투명성을 얻을 수 있습니다. ![Prompt Tracing Dashboard](/images/enterprise/traces-overview.png) @@ -310,4 +310,4 @@ with crewai_event_bus.scoped_handlers(): 4. **선택적 리스닝**: 실제로 처리해야 하는 이벤트에만 리스닝하세요. 5. **테스트**: 이벤트 리스너가 예상대로 동작하는지 독립적으로 테스트하세요. -CrewAI의 이벤트 시스템을 활용하면 기능을 확장하고 기존 인프라와 원활하게 통합할 수 있습니다. \ No newline at end of file +CrewAI의 이벤트 시스템을 활용하면 기능을 확장하고 기존 인프라와 원활하게 통합할 수 있습니다. diff --git a/docs/ko/concepts/flows.mdx b/docs/ko/concepts/flows.mdx index 5e5c1ddca..11caea5f3 100644 --- a/docs/ko/concepts/flows.mdx +++ b/docs/ko/concepts/flows.mdx @@ -163,8 +163,8 @@ Second method received: Output from first_method ![Flow Visual image](/images/crewai-flow-2.png) -이 예제에서 `second_method`가 마지막으로 완료된 메서드이므로, 해당 메서드의 결과가 Flow의 최종 출력값이 됩니다. -`kickoff()` 메서드는 이 최종 출력값을 반환하며, 이 값은 콘솔에 출력됩니다. +이 예제에서 `second_method`가 마지막으로 완료된 메서드이므로, 해당 메서드의 결과가 Flow의 최종 출력값이 됩니다. +`kickoff()` 메서드는 이 최종 출력값을 반환하며, 이 값은 콘솔에 출력됩니다. `plot()` 메서드는 HTML 파일을 생성하며, 이를 통해 flow를 쉽게 이해할 수 있습니다. #### 상태에 접근하고 업데이트하기 @@ -226,8 +226,8 @@ Flow 실행 과정 전반에 걸쳐 상태를 유지하고 접근하면서도 ### 비구조적 상태 관리 -비구조적 상태 관리에서는 모든 상태가 `Flow` 클래스의 `state` 속성에 저장됩니다. -이 방식은 엄격한 스키마를 정의하지 않고도 개발자가 상태 속성을 즉석에서 추가하거나 수정할 수 있는 유연성을 제공합니다. +비구조적 상태 관리에서는 모든 상태가 `Flow` 클래스의 `state` 속성에 저장됩니다. +이 방식은 엄격한 스키마를 정의하지 않고도 개발자가 상태 속성을 즉석에서 추가하거나 수정할 수 있는 유연성을 제공합니다. 비구조적 상태에서도 CrewAI Flows는 각 상태 인스턴스에 대한 고유 식별자(UUID)를 자동으로 생성하고 유지합니다. ```python Code @@ -460,7 +460,7 @@ Logger: Hello from the second method ![Flow Visual image](/images/crewai-flow-4.png) -이 Flow를 실행하면, `logger` 메서드는 `start_method` 또는 `second_method`의 출력에 의해 트리거됩니다. +이 Flow를 실행하면, `logger` 메서드는 `start_method` 또는 `second_method`의 출력에 의해 트리거됩니다. `or_` 함수는 여러 메서드를 감지하고 지정된 메서드 중 하나에서 출력이 발생하면 리스너 메서드를 트리거하는 데 사용됩니다. ### 조건부 로직: `and` @@ -501,12 +501,12 @@ flow.kickoff() ![Flow Visual image](/images/crewai-flow-5.png) -이 Flow를 실행하면, `logger` 메서드는 `start_method`와 `second_method`가 모두 출력을 발생시켰을 때만 트리거됩니다. +이 Flow를 실행하면, `logger` 메서드는 `start_method`와 `second_method`가 모두 출력을 발생시켰을 때만 트리거됩니다. `and_` 함수는 여러 메서드를 리슨하고, 지정된 모든 메서드가 출력을 발생시킬 때만 리스너 메서드를 트리거하는 데 사용됩니다. ### Router -Flows의 `@router()` 데코레이터를 사용하면 메서드의 출력값에 따라 조건부 라우팅 로직을 정의할 수 있습니다. +Flows의 `@router()` 데코레이터를 사용하면 메서드의 출력값에 따라 조건부 라우팅 로직을 정의할 수 있습니다. 메서드의 출력에 따라 서로 다른 경로를 지정할 수 있어 실행 흐름을 동적으로 제어할 수 있습니다. @@ -558,9 +558,9 @@ Fourth method running ![Flow Visual image](/images/crewai-flow-6.png) -위 예제에서 `start_method`는 랜덤 불리언 값을 생성하여 state에 저장합니다. -`second_method`는 `@router()` 데코레이터를 사용해 불리언 값에 따라 조건부 라우팅 로직을 정의합니다. -불리언 값이 `True`이면 메서드는 `"success"`를 반환하고, `False`이면 `"failed"`를 반환합니다. +위 예제에서 `start_method`는 랜덤 불리언 값을 생성하여 state에 저장합니다. +`second_method`는 `@router()` 데코레이터를 사용해 불리언 값에 따라 조건부 라우팅 로직을 정의합니다. +불리언 값이 `True`이면 메서드는 `"success"`를 반환하고, `False`이면 `"failed"`를 반환합니다. `third_method`와 `fourth_method`는 `second_method`의 출력값을 기다렸다가 반환된 값에 따라 실행됩니다. 이 Flow를 실행하면, `start_method`에서 생성된 랜덤 불리언 값에 따라 출력값이 달라집니다. @@ -868,14 +868,13 @@ flow를 시각화하면 워크플로의 구조를 더욱 명확하게 이해할 또한, 아래의 CrewAI에서 flows를 사용하는 방법에 대한 YouTube 영상을 확인해보세요! ## 플로우 실행하기 @@ -907,4 +906,4 @@ crewai run crewai flow kickoff ``` -하지만 `crewai run` 명령어가 이제 crew와 flow 모두에 작동하므로 더욱 선호되는 방법입니다. \ No newline at end of file +하지만 `crewai run` 명령어가 이제 crew와 flow 모두에 작동하므로 더욱 선호되는 방법입니다. diff --git a/docs/ko/concepts/tasks.mdx b/docs/ko/concepts/tasks.mdx index d601dc593..4d0b7c3b0 100644 --- a/docs/ko/concepts/tasks.mdx +++ b/docs/ko/concepts/tasks.mdx @@ -886,14 +886,13 @@ except RuntimeError as e: 아래 영상을 통해 CrewAI에서 구조화된 출력을 사용하는 방법을 확인하세요: ## 결론 diff --git a/docs/ko/enterprise/features/automations.mdx b/docs/ko/enterprise/features/automations.mdx new file mode 100644 index 000000000..ff32f5866 --- /dev/null +++ b/docs/ko/enterprise/features/automations.mdx @@ -0,0 +1,103 @@ +--- +title: "자동화" +description: "배포된 크루(자동화)를 한 곳에서 관리, 배포 및 모니터링하세요." +icon: "rocket" +mode: "wide" +--- + +## 개요 + +자동화는 배포된 크루를 운영하는 허브입니다. GitHub 또는 ZIP으로 배포하고, 환경 변수를 관리하고, 필요 시 재배포하며 각 자동화의 상태를 모니터링하세요. + + + ![자동화 개요](/images/enterprise/automations-overview.png) + + +## 배포 방법 + +### GitHub로 배포 + +버전 관리 및 지속적 배포에 적합합니다. + + + + Configure GitHub를 클릭하고 접근을 승인합니다. + + + 배포할 리포지토리와 브랜치를 선택합니다. + + + Automatically deploy new commits를 켜면 푸시 시마다 자동 배포됩니다. + + + 개별로 추가하거나 Bulk View를 사용해 여러 변수를 한 번에 추가합니다. + + + Deploy를 클릭해 라이브 자동화를 생성합니다. + + + + + ![GitHub 배포](/images/enterprise/deploy-from-github.png) + + +### ZIP으로 배포 + +Git 없이 빠르게 배포 — 프로젝트 ZIP 패키지를 업로드하세요. + + + + 컴퓨터에서 ZIP 파일을 선택합니다. + + + 필요한 변수를 제공합니다. + + + Deploy를 클릭해 라이브 자동화를 생성합니다. + + + + + ![ZIP 배포](/images/enterprise/deploy-from-zip.png) + + +## 자동화 대시보드 + +테이블에는 모든 라이브 자동화가 다음 정보와 함께 표시됩니다: + +- **CREW**: 자동화 이름 +- **STATUS**: Online / Failed / In Progress +- **URL**: kickoff/status 엔드포인트 +- **TOKEN**: 자동화 토큰 +- **ACTIONS**: 재배포, 삭제 등 + +우측 상단 컨트롤로 필터 및 검색: + +- 이름으로 검색 +- Status로 필터 +- Source로 필터 (GitHub / Studio / ZIP) + +배포 후 **Options** 드롭다운에서 `chat with this crew`, `Export React Component`, `Export as MCP`를 사용할 수 있습니다. + + + ![자동화 표](/images/enterprise/automations-table.png) + + +## 모범 사례 + +- 버전 관리 및 CI/CD를 위해 GitHub 배포를 권장 +- 코드/구성 변경 후 재배포 사용 또는 푸시마다 자동 배포 설정 + +## 관련 문서 + + + + GitHub 또는 ZIP 파일로 크루 배포 + + + 웹훅 또는 API로 자동화 트리거 + + + 실시간 이벤트/업데이트 스트리밍 + + diff --git a/docs/ko/enterprise/features/crew-studio.mdx b/docs/ko/enterprise/features/crew-studio.mdx new file mode 100644 index 000000000..f2b83608d --- /dev/null +++ b/docs/ko/enterprise/features/crew-studio.mdx @@ -0,0 +1,88 @@ +--- +title: "Crew Studio" +description: "AI 보조, 비주얼 에디터, 통합 테스트로 새로운 자동화를 구축하세요." +icon: "pencil" +mode: "wide" +--- + +## 개요 + +Crew Studio는 자연어와 시각적 워크플로 에디터로 처음부터 자동화를 만드는 인터랙티브한 AI 보조 작업 공간입니다. + + + ![Crew Studio 개요](/images/enterprise/crew-studio-overview.png) + + +## 프롬프트 기반 생성 + +- 원하는 자동화를 설명하면, AI가 에이전트/태스크/도구를 생성합니다. +- 마이크 아이콘으로 음성 입력을 사용할 수 있습니다. +- 공통 사용 사례용 프롬프트 템플릿으로 시작할 수 있습니다. + + + ![프롬프트 빌더](/images/enterprise/crew-studio-prompt.png) + + +## 비주얼 에디터 + +캔버스는 노드/엣지 형태로 플로우를 표현하며, 세 개의 보조 패널로 코드 없이 쉽게 구성할 수 있습니다 (일명 "vibe coding AI Agents"): + +- **AI Thoughts (좌측)**: 설계 중 스트리밍 추론 +- **Canvas (중앙)**: 에이전트/태스크 노드와 연결 +- **Resources (우측)**: 드래그앤드롭 컴포넌트 (에이전트, 태스크, 도구) + +드래그앤드롭으로 캔버스를 구성하거나, 채팅 섹션으로 에이전트를 생성할 수 있으며 두 방식은 상태를 공유합니다. + + + ![비주얼 캔버스](/images/enterprise/crew-studio-canvas.png) + + +## 실행 & 디버깅 + +Execution 뷰로 전환하여 실행을 관찰하세요: + +- 이벤트 타임라인 +- 상세 로그 (Details, Messages, Raw Data) +- 게시 전 로컬 실행 + + + ![실행 뷰](/images/enterprise/crew-studio-execution.png) + + +## 게시 & 내보내기 + +- Publish로 라이브 자동화 배포 +- Download로 소스 ZIP 다운로드 (로컬 개발용) + + + ![게시 & 다운로드](/images/enterprise/crew-studio-publish.png) + + +게시 후 **Options** 드롭다운에서 `chat with this crew`, `Export React Component`, `Export as MCP`를 사용할 수 있습니다. + + + ![게시된 자동화](/images/enterprise/crew-studio-published.png) + + +## 모범 사례 + +- Studio에서 빠르게 반복하고, 안정화 후 게시 +- 도구 권한은 최소한으로 제한 +- Traces로 동작/성능 검증 + +## 관련 문서 + + + + Crew Studio를 활성화하세요. + + + 크루를 빌드하세요. + + + GitHub 또는 ZIP 파일로 크루 배포. + + + React 컴포넌트를 내보내세요. + + diff --git a/docs/ko/enterprise/features/integrations.mdx b/docs/ko/enterprise/features/integrations.mdx deleted file mode 100644 index 422d724f6..000000000 --- a/docs/ko/enterprise/features/integrations.mdx +++ /dev/null @@ -1,180 +0,0 @@ ---- -title: 통합 -description: "에이전트가 조치를 취할 수 있도록 연결된 애플리케이션입니다." -icon: "plug" -mode: "wide" ---- - -## 개요 - -에이전트가 OAuth를 지원하는 모든 공급자와 인증하고 작업을 수행할 수 있도록 지원합니다. Salesforce와 HubSpot부터 Google 및 GitHub까지, 16개 이상의 통합 서비스를 제공합니다. - - - ![Integrations](/images/enterprise/crew_connectors.png) - - -## 지원되는 통합 - -### **커뮤니케이션 & 협업** -- **Gmail** - 이메일 및 임시 저장 관리 -- **Slack** - 워크스페이스 알림 및 경고 -- **Microsoft** - Office 365 및 Teams 통합 - -### **프로젝트 관리** -- **Jira** - 이슈 추적 및 프로젝트 관리 -- **ClickUp** - 작업 및 생산성 관리 -- **Asana** - 팀 작업 및 프로젝트 조정 -- **Notion** - 페이지 및 데이터베이스 관리 -- **Linear** - 소프트웨어 프로젝트 및 버그 추적 -- **GitHub** - 저장소 및 이슈 관리 - -### **고객 관계 관리** -- **Salesforce** - CRM 계정 및 기회 관리 -- **HubSpot** - 영업 파이프라인 및 연락처 관리 -- **Zendesk** - 고객 지원 티켓 관리 - -### **비즈니스 & 금융** -- **Stripe** - 결제 처리 및 고객 관리 -- **Shopify** - 전자상거래 스토어 및 상품 관리 - -### **생산성 및 저장소** -- **Google Sheets** - 스프레드시트 데이터 동기화 -- **Google Calendar** - 일정 및 스케줄 관리 -- **Box** - 파일 저장 및 문서 관리 - -추가 기능도 곧 제공됩니다! - -## 사전 준비 사항 - -Authentication Integrations를 사용하기 전에 다음이 준비되어 있는지 확인하세요: - -- [CrewAI Enterprise](https://app.crewai.com) 계정. 무료 체험으로 시작할 수 있습니다. - -## 통합 설정 - -### 1. 계정 연결하기 - -1. [CrewAI Enterprise](https://app.crewai.com)로 이동합니다. -2. **Integrations** 탭으로 이동합니다 - https://app.crewai.com/crewai_plus/connectors -3. Authentication Integrations 섹션에서 원하는 서비스의 **Connect** 버튼을 클릭합니다. -4. OAuth 인증 과정을 완료합니다. -5. 사용 사례에 필요한 권한을 부여합니다. -6. 완료! [CrewAI Enterprise](https://app.crewai.com)의 **Integration** 탭에서 Enterprise Token을 받습니다. - - - ![Integrations](/images/enterprise/enterprise_action_auth_token.png) - - -### 2. 통합 도구 설치 - -최신 버전의 `crewai-tools` 패키지만 있으면 됩니다. - -```bash -uv add crewai-tools -``` - -## 사용 예시 - -### 기본 사용법 - - 인증한 모든 서비스가 도구로 제공됩니다. 따라서 필요한 것은 `CrewaiEnterpriseTools`를 에이전트에 추가하는 것뿐이며, 바로 사용하실 수 있습니다. - - -```python -from crewai import Agent, Task, Crew -from crewai_tools import CrewaiEnterpriseTools - -# Get enterprise tools (Gmail tool will be included) -enterprise_tools = CrewaiEnterpriseTools( - enterprise_token="your_enterprise_token" -) -# print the tools -print(enterprise_tools) - -# Create an agent with Gmail capabilities -email_agent = Agent( - role="Email Manager", - goal="Manage and organize email communications", - backstory="An AI assistant specialized in email management and communication.", - tools=enterprise_tools -) - -# Task to send an email -email_task = Task( - description="Draft and send a follow-up email to john@example.com about the project update", - agent=email_agent, - expected_output="Confirmation that email was sent successfully" -) - -# Run the task -crew = Crew( - agents=[email_agent], - tasks=[email_task] -) - -# Run the crew -crew.kickoff() -``` - -### 필터링 도구 - -```python -from crewai_tools import CrewaiEnterpriseTools - -enterprise_tools = CrewaiEnterpriseTools( - actions_list=["gmail_find_email"] # only gmail_find_email tool will be available -) -gmail_tool = enterprise_tools["gmail_find_email"] - -gmail_agent = Agent( - role="Gmail Manager", - goal="Manage gmail communications and notifications", - backstory="An AI assistant that helps coordinate gmail communications.", - tools=[gmail_tool] -) - -notification_task = Task( - description="Find the email from john@example.com", - agent=gmail_agent, - expected_output="Email found from john@example.com" -) - -# Run the task -crew = Crew( - agents=[slack_agent], - tasks=[notification_task] -) -``` - -## 모범 사례 - -### 보안 -- **최소 권한 원칙**: 에이전트의 작업에 필요한 최소한의 권한만 부여하세요 -- **정기적인 감사**: 연결된 통합 및 해당 권한을 주기적으로 검토하세요 -- **자격 증명 보안**: 자격 증명을 하드코딩하지 말고, CrewAI의 안전한 인증 플로우를 사용하세요 - -### 필터링 도구 -배포된 crew에서 연결된 서비스의 설정 페이지에서 각 통합에 대해 사용할 수 있는 작업을 지정할 수 있습니다. - - - ![Integrations](/images/enterprise/filtering_enterprise_action_tools.png) - - -### 다중 사용자 조직을 위한 Scoped Deployments -crew를 배포하고 각 통합을 특정 사용자에게 범위 지정할 수 있습니다. 예를 들어, google에 연결하는 crew는 특정 사용자의 gmail 계정을 사용할 수 있습니다. - - - 이것은 통합을 특정 사용자에게 범위 지정하고자 하는 다중 사용자 조직에서 유용합니다. - - -`user_bearer_token`을 사용하여 통합을 특정 사용자에 범위 지정하면 crew가 시작될 때 사용자의 bearer token을 사용해 통합에 인증합니다. 사용자가 로그인하지 않은 경우, crew는 연결된 통합을 사용하지 않습니다. 기본 bearer token을 사용하여 crew와 함께 배포된 통합에 인증할 수 있습니다. - - - ![Integrations](/images/enterprise/user_bearer_token.png) - - -### 도움 받기 - - - 통합 설정이나 문제 해결에 대한 지원이 필요하시면 저희 지원팀에 문의하세요. - diff --git a/docs/ko/enterprise/features/marketplace.mdx b/docs/ko/enterprise/features/marketplace.mdx new file mode 100644 index 000000000..d43807898 --- /dev/null +++ b/docs/ko/enterprise/features/marketplace.mdx @@ -0,0 +1,45 @@ +--- +title: "마켓플레이스" +description: "엔터프라이즈 크루를 위한 재사용 가능한 자산을 탐색, 설치 및 관리하세요." +icon: "store" +mode: "wide" +--- + +## 개요 + +마켓플레이스는 통합, 내부 도구 및 재사용 가능한 자산을 탐색할 수 있는 큐레이션된 공간을 제공하여 크루 개발을 가속화합니다. + + + ![마켓플레이스 개요](/images/enterprise/marketplace-overview.png) + + +## 탐색 + +- 카테고리 및 기능별로 탐색 +- 이름 또는 키워드로 검색 + +## 설치 & 활성화 + +- 승인된 자산은 원클릭 설치 지원 +- 크루별로 활성화/비활성화 가능 +- 필요한 환경 변수 및 스코프 구성 + + + ![설치 & 구성](/images/enterprise/marketplace-install.png) + + +마켓플레이스에서 `Download` 버튼을 클릭해 템플릿을 직접 내려받아 로컬에서 사용하거나 필요에 맞게 수정할 수도 있습니다. + +## 관련 문서 + + + + 에이전트가 사용할 외부 앱 연결 및 내부 도구 관리. + + + 크루 기능을 확장할 수 있도록 도구를 게시하고 설치. + + + 팀과 프로젝트 전반에서 에이전트 정의 저장, 공유 및 재사용. + + diff --git a/docs/ko/enterprise/features/rbac.mdx b/docs/ko/enterprise/features/rbac.mdx index d7d7867e5..e7ba4f299 100644 --- a/docs/ko/enterprise/features/rbac.mdx +++ b/docs/ko/enterprise/features/rbac.mdx @@ -7,11 +7,11 @@ mode: "wide" ## 개요 -CrewAI Enterprise의 RBAC는 **조직 수준 역할**과 **자동화(Automation) 수준 가시성**을 결합하여 안전하고 확장 가능한 접근 제어를 제공합니다. +CrewAI AMP의 RBAC는 **조직 수준 역할**과 **자동화(Automation) 수준 가시성**을 결합하여 안전하고 확장 가능한 접근 제어를 제공합니다. - CrewAI Enterprise RBAC 개요 - + CrewAI AMP RBAC 개요 + ## 사용자와 역할 @@ -93,12 +93,10 @@ Owner는 항상 접근 가능하며, Private 모드에서는 화이트리스트 - CrewAI Enterprise 가시성 설정 - + CrewAI AMP 가시성 설정 + RBAC 구성과 점검에 대한 지원이 필요하면 연락해 주세요. - - diff --git a/docs/ko/enterprise/features/tools-and-integrations.mdx b/docs/ko/enterprise/features/tools-and-integrations.mdx new file mode 100644 index 000000000..84a5760c0 --- /dev/null +++ b/docs/ko/enterprise/features/tools-and-integrations.mdx @@ -0,0 +1,234 @@ +--- +title: "도구 & 통합" +description: "외부 앱을 연결하고 에이전트가 사용할 내부 도구를 관리하세요." +icon: "wrench" +mode: "wide" +--- + +## 개요 + +도구 & 통합은 서드파티 애플리케이션을 연결하고 에이전트가 런타임에 사용할 내부 도구를 관리하는 중앙 허브입니다. + + + ![도구 & 통합 개요](/images/enterprise/crew_connectors.png) + + +## 살펴보기 + + + + + ## 에이전트 앱 (통합) + + Gmail, Google Drive, HubSpot, Slack 등 OAuth 기반 서비스에 연결하여 에이전트 액션을 활성화하세요. + + + + 원하는 앱에서 Connect를 클릭하고 OAuth를 완료합니다. + + + 필요에 따라 스코프, 트리거, 사용 가능한 액션을 조정합니다. + + + 연결된 서비스는 에이전트 도구로 사용 가능합니다. + + + + + ![앱 그리드](/images/enterprise/agent-apps.png) + + + ### 계정 연결하기 + + 1. Integrations로 이동 + 2. 원하는 서비스에서 Connect 클릭 + 3. OAuth 플로우 완료 및 스코프 승인 + 4. Integration 탭에서 Enterprise Token 복사 + + + ![Enterprise Token](/images/enterprise/enterprise_action_auth_token.png) + + + ### 통합 도구 설치 + + 로컬에서 통합을 사용하려면 최신 `crewai-tools` 패키지를 설치하세요. + + ```bash + uv add crewai-tools + ``` + + ### 사용 예시 + + + 인증된 모든 서비스는 도구로 제공됩니다. 에이전트에 `CrewaiEnterpriseTools`를 추가하세요. + + + ```python + from crewai import Agent, Task, Crew + from crewai_tools import CrewaiEnterpriseTools + + enterprise_tools = CrewaiEnterpriseTools( + enterprise_token="your_enterprise_token" + ) + print(enterprise_tools) + + email_agent = Agent( + role="이메일 매니저", + goal="이메일 커뮤니케이션 관리", + backstory="이메일 관리에 특화된 AI 어시스턴트", + tools=enterprise_tools + ) + + email_task = Task( + description="프로젝트 업데이트에 대한 후속 이메일 작성 및 전송", + agent=email_agent, + expected_output="이메일 전송 성공 확인" + ) + + crew = Crew(agents=[email_agent], tasks=[email_task]) + crew.kickoff() + ``` + + ### 도구 필터링 + + ```python + from crewai_tools import CrewaiEnterpriseTools + + enterprise_tools = CrewaiEnterpriseTools( + actions_list=["gmail_find_email"] + ) + + gmail_tool = enterprise_tools["gmail_find_email"] + + gmail_agent = Agent( + role="Gmail 매니저", + goal="Gmail 커뮤니케이션 및 알림 관리", + backstory="Gmail 커뮤니케이션 조율 AI 어시스턴트", + tools=[gmail_tool] + ) + + notification_task = Task( + description="john@example.com에서 온 이메일 찾기", + agent=gmail_agent, + expected_output="john@example.com의 이메일을 찾았다는 확인" + ) + + crew = Crew(agents=[gmail_agent], tasks=[notification_task]) + ``` + + 배포된 크루에서는 각 통합의 서비스 설정 페이지에서 사용 가능한 액션을 지정할 수 있습니다. + + + ![액션 필터링](/images/enterprise/filtering_enterprise_action_tools.png) + + + ### 범위 지정 배포 (다중 사용자 조직) + + 각 통합을 특정 사용자로 범위 지정할 수 있습니다 (예: 특정 사용자의 Gmail 계정 사용). + + + 팀/사용자별 데이터 접근을 분리해야 할 때 유용합니다. + + + `user_bearer_token`을 사용해 요청 사용자로 인증을 범위 지정합니다. 사용자가 로그인하지 않은 경우 연결된 통합을 사용하지 않으며, 그렇지 않으면 배포에 설정된 기본 토큰을 사용합니다. + + + ![사용자 토큰](/images/enterprise/user_bearer_token.png) + + +
+ ### 카탈로그 + + #### 커뮤니케이션 & 협업 + - Gmail — 이메일 및 초안 관리 + - Slack — 워크스페이스 알림 및 경보 + - Microsoft — Office 365 및 Teams 통합 + + #### 프로젝트 관리 + - Jira — 이슈 추적 및 프로젝트 관리 + - ClickUp — 작업 및 생산성 관리 + - Asana — 팀 작업 조율 + - Notion — 페이지 및 데이터베이스 관리 + - Linear — 버그/프로젝트 추적 + - GitHub — 리포지토리 및 이슈 관리 + + #### CRM + - Salesforce — 계정 및 기회 관리 + - HubSpot — 파이프라인/연락처 관리 + - Zendesk — 고객 지원 티켓 관리 + + #### 비즈니스 & 금융 + - Stripe — 결제 처리 및 고객 관리 + - Shopify — 전자상거래 및 상품 관리 + + #### 생산성 & 스토리지 + - Google Sheets — 스프레드시트 동기화 + - Google Calendar — 일정/이벤트 관리 + - Box — 파일 스토리지 + + …더 많은 통합이 추가될 예정입니다! + + + + + ## 내부 도구 + + 로컬에서 도구를 만들고, CrewAI AMP 도구 저장소에 게시한 후, 에이전트에서 사용하세요. + + + 아래 명령을 실행하기 전에 CrewAI AMP 계정에 로그인하세요: + ```bash + crewai login + ``` + + + + ![내부 도구](/images/enterprise/tools-integrations-internal.png) + + + + + 로컬에서 새 도구 생성 + ```bash + crewai tool create your-tool + ``` + + + 도구 저장소에 게시 + ```bash + crewai tool publish + ``` + + + 도구 저장소에서 설치 + ```bash + crewai tool install your-tool + ``` + + + + 관리: + + - 이름 및 설명 + - 가시성 (비공개 / 공개) + - 필요한 환경 변수 + - 버전 이력 및 다운로드 + - 팀/역할 접근 권한 + + + ![도구 설정](/images/enterprise/tool-configs.png) + + + + + +## 관련 문서 + + + + 크루 기능을 확장할 수 있도록 도구를 게시하고 설치하세요. + + + 워크플로를 자동화하고 외부 플랫폼/서비스와 통합하세요. + + diff --git a/docs/ko/enterprise/features/traces.mdx b/docs/ko/enterprise/features/traces.mdx index 2d91c06bd..4b44f406e 100644 --- a/docs/ko/enterprise/features/traces.mdx +++ b/docs/ko/enterprise/features/traces.mdx @@ -11,7 +11,7 @@ Trace는 crew 실행에 대한 포괄적인 가시성을 제공하여 성능 모 ## Traces란 무엇인가요? -CrewAI Enterprise의 Traces는 crew의 작동 과정을 처음 입력에서 최종 출력까지 모든 측면에서 포착하는 상세 실행 기록입니다. Traces에는 다음 내용이 기록됩니다: +CrewAI AMP의 Traces는 crew의 작동 과정을 처음 입력에서 최종 출력까지 모든 측면에서 포착하는 상세 실행 기록입니다. Traces에는 다음 내용이 기록됩니다: - Agent의 생각 및 추론 - 작업 실행 세부 정보 @@ -28,9 +28,9 @@ CrewAI Enterprise의 Traces는 crew의 작동 과정을 처음 입력에서 최 - CrewAI Enterprise 대시보드에 들어가면, **트레이스**를 클릭하여 모든 실행 기록을 볼 수 있습니다. + CrewAI AMP 대시보드에 들어가면, **트레이스**를 클릭하여 모든 실행 기록을 볼 수 있습니다. - + 모든 crew 실행 목록이 날짜별로 정렬되어 표시됩니다. 상세 트레이스를 보려면 원하는 실행을 클릭하세요. @@ -111,7 +111,7 @@ CrewAI Enterprise의 Traces는 crew의 작동 과정을 처음 입력에서 최 crew 실행이 예상한 결과를 내지 못할 때, 트레이스를 확인하여 어디에서 문제가 발생했는지 찾으세요. 다음을 확인하세요: - + - 실패한 작업 - 에이전트의 예상 밖 결정 - 도구 사용 오류 @@ -121,19 +121,19 @@ CrewAI Enterprise의 Traces는 crew의 작동 과정을 처음 입력에서 최 ![Failure Points](/images/enterprise/failure.png) - + 실행 메트릭을 사용하여 성능 병목 현상을 파악하세요: - + - 예상보다 오래 걸린 작업 - 과도한 토큰 사용 - 중복된 도구 작업 - 불필요한 API 호출 - + 토큰 사용량 및 비용 추정치를 분석해 crew의 효율성을 최적화하세요: - + - 더 간단한 작업에는 더 작은 모델을 사용 고려 - 프롬프트를 더 간결하게 다듬기 - 자주 액세스하는 정보 캐싱 @@ -143,4 +143,4 @@ CrewAI Enterprise의 Traces는 crew의 작동 과정을 처음 입력에서 최 트레이스 분석이나 기타 CrewAI 엔터프라이즈 기능에 대한 지원이 필요하시면 저희 지원팀에 문의하세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/features/webhook-streaming.mdx b/docs/ko/enterprise/features/webhook-streaming.mdx index 8c4e0a3b6..44a419efc 100644 --- a/docs/ko/enterprise/features/webhook-streaming.mdx +++ b/docs/ko/enterprise/features/webhook-streaming.mdx @@ -7,7 +7,7 @@ mode: "wide" ## 개요 -Enterprise Event Streaming을 사용하면 CrewAI Enterprise에 배포된 crew 및 flow에 대한 실시간 웹훅 업데이트(예: 모델 호출, 도구 사용, flow 단계)를 받을 수 있습니다. +Enterprise Event Streaming을 사용하면 CrewAI AMP에 배포된 crew 및 flow에 대한 실시간 웹훅 업데이트(예: 모델 호출, 도구 사용, flow 단계)를 받을 수 있습니다. ## 사용법 @@ -79,4 +79,4 @@ CrewAI는 Enterprise Event Streaming에서 시스템 이벤트와 사용자 지 웹훅 통합 또는 문제 해결에 대한 지원이 필요하다면 저희 지원팀에 문의해 주세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/guides/automation-triggers.mdx b/docs/ko/enterprise/guides/automation-triggers.mdx index 8ccc76094..84b31b6bf 100644 --- a/docs/ko/enterprise/guides/automation-triggers.mdx +++ b/docs/ko/enterprise/guides/automation-triggers.mdx @@ -1,75 +1,130 @@ --- -title: "자동화 트리거" -description: "연결된 통합에서 특정 이벤트가 발생할 때 CrewAI 워크플로우를 자동으로 실행합니다" +title: "트리거 개요" +description: "CrewAI AMP 트리거의 동작 방식과 관리 방법, 그리고 통합별 플레이북을 한눈에 확인하세요" icon: "bolt" mode: "wide" --- -자동화 트리거를 사용하면 연결된 통합에서 특정 이벤트가 발생할 때 CrewAI 배포를 자동으로 실행할 수 있어, 비즈니스 시스템의 실시간 변화에 반응하는 강력한 이벤트 기반 워크플로우를 만들 수 있습니다. +CrewAI AMP 트리거는 팀이 이미 사용하고 있는 도구의 실시간 이벤트와 자동화를 연결합니다. 폴링이나 수동 실행 대신, 트리거는 새로운 이메일, 캘린더 업데이트, CRM 상태 변화 등을 감지하여 지정한 크루 또는 플로우를 즉시 실행합니다. -## 개요 + -자동화 트리거를 사용하면 다음을 수행할 수 있습니다: +### 통합 플레이북 -- **실시간 이벤트에 응답** - 특정 조건이 충족될 때 워크플로우를 자동으로 실행 -- **외부 시스템과 통합** - Gmail, Outlook, OneDrive, JIRA, Slack, Stripe 등의 플랫폼과 연결 -- **자동화 확장** - 수동 개입 없이 대용량 이벤트 처리 -- **컨텍스트 유지** - crew와 flow 내에서 트리거 데이터에 액세스 +아래 가이드는 각 통합을 활성화하고 테스트하는 방법을 자세히 설명합니다. -## 자동화 트리거 관리 + + + 새로운 이메일이나 스레드 업데이트에 맞춰 크루를 실행하세요. + + + + 캘린더 이벤트 생성, 수정, 취소에 대응하세요. + + + + Drive 파일 업로드, 수정, 삭제를 감시하세요. + + + + Outlook의 새로운 메일이나 삭제된 이벤트에 대응하세요. + + + + OneDrive 파일 활동 및 공유 변경 사항을 감사하세요. + + + + 새로운 Teams 채팅이 생성될 때 워크플로우를 시작하세요. + + + + HubSpot 워크플로우와 라이프사이클 이벤트에서 자동화를 실행하세요. + + + + Salesforce 프로세스를 CrewAI 크루와 연결해 CRM 자동화를 구현하세요. + + + + Slack 슬래시 명령으로 크루를 바로 실행하세요. + + + + CrewAI를 수천 개의 Zapier 지원 앱과 연동하세요. + + + +## 트리거 기능 + +- **실시간 대응** – 조건이 충족되면 자동으로 워크플로우 실행 +- **외부 시스템 연동** – Gmail, Outlook, OneDrive, JIRA, Slack, Stripe 등과 연결 +- **자동화 확장성** – 수동 개입 없이 대량 이벤트 처리 +- **컨텍스트 유지** – 트리거 데이터를 크루와 플로우에서 바로 활용 + +## 트리거 관리 ### 사용 가능한 트리거 보기 -자동화 트리거에 액세스하고 관리하려면: - -1. CrewAI 대시보드에서 배포로 이동 -2. **트리거** 탭을 클릭하여 사용 가능한 모든 트리거 통합 보기 +1. CrewAI 대시보드에서 자동화를 선택합니다. +2. **Triggers** 탭을 클릭하여 사용 가능한 통합을 확인합니다. - 사용 가능한 자동화 트리거 목록 + 사용 가능한 트리거 목록 -이 보기는 배포에 사용 가능한 모든 트리거 통합과 현재 연결 상태를 보여줍니다. - -### 트리거 활성화 및 비활성화 - -각 트리거는 토글 스위치를 사용하여 쉽게 활성화하거나 비활성화할 수 있습니다: +### 트리거 활성화/비활성화 - 토글로 트리거 활성화 또는 비활성화 + 트리거 토글 -- **활성화됨 (파란색 토글)**: 트리거가 활성 상태이며 지정된 이벤트가 발생할 때 배포를 자동으로 실행합니다 -- **비활성화됨 (회색 토글)**: 트리거가 비활성 상태이며 이벤트에 응답하지 않습니다 +- **파랑 (활성)** – 이벤트 발생 시 자동 실행 +- **회색 (비활성)** – 이벤트 무시 -토글을 클릭하기만 하면 트리거 상태를 변경할 수 있습니다. 변경 사항은 즉시 적용됩니다. +토글 버튼을 클릭하면 즉시 적용됩니다. ### 트리거 실행 모니터링 -트리거된 실행의 성능과 기록을 추적합니다: +트리거 실행 내역과 상태를 대시보드에서 확인하세요. - 자동화에 의해 트리거된 실행 목록 + 트리거 실행 내역 -## 자동화 구축 +## 트리거 기반 자동화 구성 -자동화를 구축하기 전에 crew와 flow가 받을 트리거 페이로드의 구조를 이해하는 것이 도움이 됩니다. +### 설정 체크리스트 -### 페이로드 샘플 저장소 +- **Tools & Integrations**에서 해당 서비스를 연결하고 OAuth 또는 API 설정을 완료했나요? +- 자동화에서 트리거 토글을 활성화했나요? +- 필요한 환경 변수(토큰, 테넌트 ID, 시크릿 등)를 설정했나요? +- 첫 번째 작업에서 트리거 payload를 파싱하도록 구성했나요? +- `allow_crewai_trigger_context` 옵션으로 컨텍스트 자동 주입 여부를 결정했나요? +- 웹훅 로그, CrewAI 실행 기록, 외부 알림 등 모니터링을 준비했나요? -자동화를 구축하고 테스트하는 데 도움이 되도록 다양한 트리거 소스의 샘플 페이로드가 포함된 포괄적인 저장소를 유지 관리하고 있습니다: +### Payload & Crew 예제 저장소 -**🔗 [CrewAI Enterprise 트리거 페이로드 샘플](https://github.com/crewAIInc/crewai-enterprise-trigger-payload-samples)** +| 통합 | 동작 시점 | Payload 예제 | Crew 예제 | +| :-- | :-- | :-- | :-- | +| Gmail | 신규 메일, 스레드 업데이트 | [Gmail payload](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/gmail) | [`new-email-crew.py`, `gmail-alert-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/gmail) | +| Google Calendar | 이벤트 생성/수정/시작/종료/취소 | [Calendar payload](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_calendar) | [`calendar-event-crew.py`, `calendar-meeting-crew.py`, `calendar-working-location-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_calendar) | +| Google Drive | 파일 생성/수정/삭제 | [Drive payload](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_drive) | [`drive-file-crew.py`, `drive-file-deletion-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_drive) | +| Outlook | 새 이메일, 이벤트 제거 | [Outlook payload](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/outlook) | [`outlook-message-crew.py`, `outlook-event-removal-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/outlook) | +| OneDrive | 파일 작업(생성, 수정, 공유, 삭제) | [OneDrive payload](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/onedrive) | [`onedrive-file-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/onedrive) | +| HubSpot | 레코드 생성/업데이트(연락처, 회사, 딜) | [HubSpot payload](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/hubspot) | [`hubspot-company-crew.py`, `hubspot-contact-crew.py`, `hubspot-record-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/hubspot) | +| Microsoft Teams | 채팅 생성 | [Teams payload](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/microsoft-teams) | [`teams-chat-created-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/microsoft-teams) | -이 저장소에는 다음이 포함되어 있습니다: +예제 payload를 참고해 파싱 로직을 검증하고, 제공되는 crew를 복사해 실제 데이터로 교체하세요. -- **실제 페이로드 예제** - 다양한 트리거 소스(Gmail, Google Drive 등)에서 가져온 예제 -- **페이로드 구조 문서** - 형식과 사용 가능한 필드를 보여주는 문서 - -### Crew와 트리거 - -기존 crew 정의는 트리거와 완벽하게 작동하며, 받은 페이로드를 분석하는 작업만 있으면 됩니다: +### 트리거와 Crew 연동 ```python @CrewBase @@ -95,15 +150,9 @@ class MyAutomatedCrew: ) ``` -crew는 자동으로 트리거 페이로드를 받고 표준 CrewAI 컨텍스트 메커니즘을 통해 액세스할 수 있습니다. +### 플로우와의 통합 -### Flow와의 통합 - -flow의 경우 트리거 데이터 처리 방법을 더 세밀하게 제어할 수 있습니다: - -#### 트리거 페이로드 액세스 - -flow의 모든 `@start()` 메서드는 `crewai_trigger_payload`라는 추가 매개변수를 허용합니다: +#### Payload 접근 ```python from crewai.flow import Flow, start, listen @@ -111,62 +160,48 @@ from crewai.flow import Flow, start, listen class MyAutomatedFlow(Flow): @start() def handle_trigger(self, crewai_trigger_payload: dict = None): - """ - 이 start 메서드는 트리거 데이터를 받을 수 있습니다 - """ if crewai_trigger_payload: - # 트리거 데이터 처리 trigger_id = crewai_trigger_payload.get('id') event_data = crewai_trigger_payload.get('payload', {}) - - # 다른 메서드에서 사용할 수 있도록 flow 상태에 저장 self.state.trigger_id = trigger_id self.state.trigger_type = event_data - return event_data - - # 수동 실행 처리 return None @listen(handle_trigger) def process_data(self, trigger_data): - """ - 트리거 데이터 처리 - """ # ... 트리거 처리 ``` -#### Flow에서 Crew 트리거하기 - -트리거된 flow 내에서 crew를 시작할 때 트리거 페이로드를 전달합니다: +#### 플로우에서 Crew 실행 ```python @start() def delegate_to_crew(self, crewai_trigger_payload: dict = None): - """ - 전문 crew에 처리 위임 - """ crew = MySpecializedCrew() - - # crew에 트리거 페이로드 전달 result = crew.crew().kickoff( inputs={ - 'a_custom_parameter': "custom_value", + 'custom_parameter': "custom_value", 'crewai_trigger_payload': crewai_trigger_payload }, ) - return result ``` ## 문제 해결 -**트리거가 작동하지 않는 경우:** -- 트리거가 활성화되어 있는지 확인 -- 통합 연결 상태 확인 +**트리거가 실행되지 않나요?** +- 트리거가 활성 상태인지 확인하세요. +- 통합 연결 상태를 확인하세요. -**실행 실패:** -- 오류 세부 정보는 실행 로그 확인 -- 개발 중인 경우 입력에 올바른 페이로드가 포함된 `crewai_trigger_payload` 매개변수가 포함되어 있는지 확인 +**실행 중 오류가 발생하나요?** +- 실행 로그에서 오류 메시지를 확인하세요. +- 개발 중이라면 `crewai_trigger_payload`가 올바른 데이터로 전달되고 있는지 확인하세요. -자동화 트리거는 CrewAI 배포를 기존 비즈니스 프로세스 및 도구와 완벽하게 통합할 수 있는 반응형 이벤트 기반 시스템으로 변환합니다. +트리거를 활용하면 CrewAI 자동화를 이벤트 기반 시스템으로 전환하여 기존 비즈니스 프로세스와 도구에 자연스럽게 녹여낼 수 있습니다. + + + + CrewAI AMP Trigger Examples + + diff --git a/docs/ko/enterprise/guides/azure-openai-setup.mdx b/docs/ko/enterprise/guides/azure-openai-setup.mdx index 50dbfe74e..2ac47c909 100644 --- a/docs/ko/enterprise/guides/azure-openai-setup.mdx +++ b/docs/ko/enterprise/guides/azure-openai-setup.mdx @@ -19,8 +19,8 @@ mode: "wide" - - 4. 다른 탭에서 `CrewAI Enterprise > LLM Connections`를 엽니다. LLM Connection에 이름을 지정하고, 공급자로 Azure를 선택한 다음, Azure에서 선택한 것과 동일한 모델을 선택하세요. + + 4. 다른 탭에서 `CrewAI AMP > LLM Connections`를 엽니다. LLM Connection에 이름을 지정하고, 공급자로 Azure를 선택한 다음, Azure에서 선택한 것과 동일한 모델을 선택하세요. 5. 같은 페이지에서 3단계에서 가져온 환경 변수를 추가하세요: - 하나는 `AZURE_DEPLOYMENT_TARGET_URL` (Target URI 사용)로 명명합니다. URL은 다음과 같이 표시됩니다: https://your-deployment.openai.azure.com/openai/deployments/gpt-4o/chat/completions?api-version=2024-08-01-preview - 다른 하나는 `AZURE_API_KEY` (Key 사용)로 명명합니다. @@ -28,7 +28,7 @@ mode: "wide" - 7. `CrewAI Enterprise > Settings > Defaults > Crew Studio LLM Settings`에서 새 LLM Connection과 모델을 기본값으로 설정합니다. + 7. `CrewAI AMP > Settings > Defaults > Crew Studio LLM Settings`에서 새 LLM Connection과 모델을 기본값으로 설정합니다. @@ -49,4 +49,4 @@ mode: "wide" - Target URI 형식이 예상 패턴과 일치하는지 확인하세요 - API 키가 올바르고 적절한 권한을 가지고 있는지 확인하세요 - 네트워크 액세스가 CrewAI 연결을 허용하도록 구성되어 있는지 확인하세요 -- 배포 모델이 CrewAI에서 구성한 것과 일치하는지 확인하세요 \ No newline at end of file +- 배포 모델이 CrewAI에서 구성한 것과 일치하는지 확인하세요 diff --git a/docs/ko/enterprise/guides/build-crew.mdx b/docs/ko/enterprise/guides/build-crew.mdx index 5be57ccbf..b6d747172 100644 --- a/docs/ko/enterprise/guides/build-crew.mdx +++ b/docs/ko/enterprise/guides/build-crew.mdx @@ -7,19 +7,17 @@ mode: "wide" ## 개요 -[CrewAI Enterprise](https://app.crewai.com)는 프로덕션 환경에서 AI 에이전트를 **생성**, **배포** 및 **관리**하는 과정을 간소화합니다. +[CrewAI AMP](https://app.crewai.com)는 프로덕션 환경에서 AI 에이전트를 **생성**, **배포** 및 **관리**하는 과정을 간소화합니다. ## 시작하기 ### 설치 및 설정 @@ -41,4 +39,4 @@ Enterprise 전용 지원 또는 문의가 필요하신 경우, [support@crewai.c Enterprise 기능과 해당 기능이 귀사의 조직에 어떻게 도움이 될 수 있는지 알아보시려면 저희 팀과 상담 일정을 예약하세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/guides/deploy-crew.mdx b/docs/ko/enterprise/guides/deploy-crew.mdx index a8ee0da14..0356e5f9b 100644 --- a/docs/ko/enterprise/guides/deploy-crew.mdx +++ b/docs/ko/enterprise/guides/deploy-crew.mdx @@ -6,7 +6,7 @@ mode: "wide" --- -로컬에서 또는 Crew Studio를 통해 crew를 생성한 후, 다음 단계는 이를 CrewAI Enterprise 플랫폼에 배포하는 것입니다. 본 가이드에서는 다양한 배포 방법을 다루며, 여러분의 워크플로우에 가장 적합한 방식을 선택할 수 있도록 안내합니다. +로컬에서 또는 Crew Studio를 통해 crew를 생성한 후, 다음 단계는 이를 CrewAI AMP 플랫폼에 배포하는 것입니다. 본 가이드에서는 다양한 배포 방법을 다루며, 여러분의 워크플로우에 가장 적합한 방식을 선택할 수 있도록 안내합니다. ## 사전 준비 사항 @@ -39,10 +39,10 @@ CLI는 로컬에서 개발된 crew를 Enterprise 플랫폼에 가장 빠르게 - 먼저, CrewAI Enterprise 플랫폼에 CLI를 인증해야 합니다: + 먼저, CrewAI AMP 플랫폼에 CLI를 인증해야 합니다: ```bash - # 이미 CrewAI Enterprise 계정이 있거나 새로 생성하고 싶을 때: + # 이미 CrewAI AMP 계정이 있거나 새로 생성하고 싶을 때: crewai login ``` @@ -124,7 +124,7 @@ crewai deploy remove ## 옵션 2: 웹 인터페이스를 통한 직접 배포 -GitHub 계정을 연결하여 CrewAI Enterprise 웹 인터페이스를 통해 crews를 직접 배포할 수도 있습니다. 이 방법은 로컬 머신에서 CLI를 사용할 필요가 없습니다. +GitHub 계정을 연결하여 CrewAI AMP 웹 인터페이스를 통해 crews를 직접 배포할 수도 있습니다. 이 방법은 로컬 머신에서 CLI를 사용할 필요가 없습니다. @@ -134,9 +134,9 @@ GitHub 계정을 연결하여 CrewAI Enterprise 웹 인터페이스를 통해 cr - + - 1. [CrewAI Enterprise](https://app.crewai.com)에 로그인합니다. + 1. [CrewAI AMP](https://app.crewai.com)에 로그인합니다. 2. "Connect GitHub" 버튼을 클릭합니다. @@ -190,7 +190,7 @@ GitHub 계정을 연결하여 CrewAI Enterprise 웹 인터페이스를 통해 cr ## ⚠️ 환경 변수 보안 요구사항 -**중요**: CrewAI Enterprise는 환경 변수 이름에 대한 보안 제한이 있으며, 이를 따르지 않을 경우 배포가 실패할 수 있습니다. +**중요**: CrewAI AMP는 환경 변수 이름에 대한 보안 제한이 있으며, 이를 따르지 않을 경우 배포가 실패할 수 있습니다. ### 차단된 환경 변수 패턴 @@ -288,4 +288,4 @@ Enterprise 플랫폼은 또한 다음을 제공합니다: Enterprise 플랫폼의 배포 문제 또는 문의 사항이 있으시면 지원팀에 연락해 주십시오. - \ No newline at end of file + diff --git a/docs/ko/enterprise/guides/enable-crew-studio.mdx b/docs/ko/enterprise/guides/enable-crew-studio.mdx index f6119f885..ed411b3c8 100644 --- a/docs/ko/enterprise/guides/enable-crew-studio.mdx +++ b/docs/ko/enterprise/guides/enable-crew-studio.mdx @@ -1,6 +1,6 @@ --- title: "Crew Studio 활성화" -description: "CrewAI Enterprise에서 Crew Studio 활성화하기" +description: "CrewAI AMP에서 Crew Studio 활성화하기" icon: "comments" mode: "wide" --- @@ -24,7 +24,7 @@ Crew Studio를 사용하면 다음과 같은 작업이 가능합니다: - 적절한 tool 선택 - 필요한 입력값 구성 - 커스터마이징을 위한 다운로드 가능한 코드 생성 -- CrewAI Enterprise 플랫폼에 직접 배포 +- CrewAI AMP 플랫폼에 직접 배포 ## 구성 단계 @@ -32,14 +32,14 @@ Crew Studio를 사용하기 전에 LLM 연결을 구성해야 합니다: - CrewAI Enterprise 대시보드의 **LLM Connections** 탭으로 이동하여 새 LLM 연결을 만듭니다. + CrewAI AMP 대시보드의 **LLM Connections** 탭으로 이동하여 새 LLM 연결을 만듭니다. CrewAI에서 지원하는 원하는 LLM 공급자를 자유롭게 사용하실 수 있습니다. - + LLM 연결을 구성하세요: - + - `Connection Name`(예: `OpenAI`)을 입력하세요. - 모델 공급자를 선택하세요: `openai` 또는 `azure` - Studio에서 생성되는 Crews에 사용할 모델을 선택하세요. @@ -48,28 +48,28 @@ Crew Studio를 사용하기 전에 LLM 연결을 구성해야 합니다: - OpenAI의 경우: `OPENAI_API_KEY`에 API 키를 추가 - Azure OpenAI의 경우: [이 글](https://blog.crewai.com/configuring-azure-openai-with-crewai-a-comprehensive-guide/)을 참고하여 구성 - `Add Connection`을 클릭하여 구성을 저장하세요. - + ![LLM 연결 구성](/images/enterprise/llm-connection-config.png) - + 설정이 완료되면 새 연결이 사용 가능한 연결 목록에 추가된 것을 볼 수 있습니다. - + ![연결 추가됨](/images/enterprise/connection-added.png) - + 메인 메뉴에서 **Settings → Defaults**로 이동하여 LLM 기본값을 구성하세요: - + - 에이전트 및 기타 구성 요소의 기본 모델을 선택하세요 - Crew Studio의 기본 구성을 설정하세요 - + 변경 사항을 적용하려면 `Save Settings`를 클릭하세요. - + ![LLM 기본값 구성](/images/enterprise/llm-defaults.png) @@ -82,38 +82,38 @@ LLM 연결과 기본 설정을 구성했다면 이제 Crew Studio 사용을 시 - CrewAI Enterprise 대시보드에서 **Studio** 섹션으로 이동하세요. + CrewAI AMP 대시보드에서 **Studio** 섹션으로 이동하세요. - + Crew Assistant와 대화를 시작하며 해결하고자 하는 문제를 설명하세요: - + ```md I need a crew that can research the latest AI developments and create a summary report. ``` - + Crew Assistant는 귀하의 요구 사항을 더 잘 이해하기 위해 추가 질문을 할 것입니다. - + 생성된 crew 구성을 검토하세요. 구성에는 다음이 포함됩니다: - + - 에이전트 및 그들의 역할 - 수행할 작업 - 필요한 입력값 - 사용할 도구 - + 이 단계에서 구성 내용을 세부적으로 수정할 수 있습니다. - + 구성에 만족하면 다음을 수행할 수 있습니다: - + - 생성된 코드를 다운로드하여 로컬에서 커스터마이징 - - crew를 CrewAI Enterprise 플랫폼에 직접 배포 + - crew를 CrewAI AMP 플랫폼에 직접 배포 - 구성을 수정하고 crew를 재생성 - + 배포 후 샘플 입력으로 crew를 테스트하여 기대한 대로 동작하는지 확인하세요. @@ -130,37 +130,37 @@ LLM 연결과 기본 설정을 구성했다면 이제 Crew Studio 사용을 시 먼저 문제를 설명하세요: - + ```md I need a crew that can analyze financial news and provide investment recommendations ``` - + crew assistant가 요구 사항을 구체화할 수 있도록 하는 추가 질문에 답변하세요. - + 생성된 crew 계획을 검토하세요. 여기에는 다음과 같은 항목이 포함될 수 있습니다: - + - 금융 뉴스를 수집하는 Research Agent - 데이터를 해석하는 Analysis Agent - 투자 조언을 제공하는 Recommendations Agent - + 계획을 승인하거나 필요하다면 변경을 요청하세요. - + 사용자화를 위해 코드를 다운로드하거나 플랫폼에 직접 배포하세요. - + 샘플 입력으로 crew를 테스트하고 필요에 따라 개선하세요. - Crew Studio 또는 기타 CrewAI Enterprise 기능 지원이 필요하다면 지원팀에 문의하세요. - \ No newline at end of file + Crew Studio 또는 기타 CrewAI AMP 기능 지원이 필요하다면 지원팀에 문의하세요. + diff --git a/docs/ko/enterprise/guides/gmail-trigger.mdx b/docs/ko/enterprise/guides/gmail-trigger.mdx new file mode 100644 index 000000000..2caefc045 --- /dev/null +++ b/docs/ko/enterprise/guides/gmail-trigger.mdx @@ -0,0 +1,85 @@ +--- +title: "Gmail Trigger" +description: "Trigger automations when Gmail events occur (e.g., new emails, labels)." +icon: "envelope" +mode: "wide" +--- + +## Overview + +Use the Gmail Trigger to kick off your deployed crews when Gmail events happen in connected accounts, such as receiving a new email or messages matching a label/filter. + + + Make sure Gmail is connected in Tools & Integrations and the trigger is enabled for your deployment. + + +## Enabling the Gmail Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Gmail** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Process new emails + +When a new email arrives, the Gmail Trigger will send the payload to your Crew or Flow. Below is a Crew example that parses and processes the trigger payload. + +```python +@CrewBase +class GmailProcessingCrew: + @agent + def parser(self) -> Agent: + return Agent( + config=self.agents_config['parser'], + ) + + @task + def parse_gmail_payload(self) -> Task: + return Task( + config=self.tasks_config['parse_gmail_payload'], + agent=self.parser(), + ) + + @task + def act_on_email(self) -> Task: + return Task( + config=self.tasks_config['act_on_email'], + agent=self.parser(), + ) +``` + +The Gmail payload will be available via the standard context mechanisms. See the payload samples repository for structure and fields. + +### Sample payloads & crews + +The [CrewAI AMP Trigger Examples repository](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/gmail) includes: + +- `new-email-payload-1.json` / `new-email-payload-2.json` — production-style new message alerts with matching crews in `new-email-crew.py` +- `thread-updated-sample-1.json` — follow-up messages on an existing thread, processed by `gmail-alert-crew.py` + +Use these samples to validate your parsing logic locally before wiring the trigger to your live Gmail accounts. + +## Monitoring Executions + +Track history and performance of triggered runs: + + + List of executions triggered by automation + + +## Payload Reference + +See the sample payloads and field descriptions: + + + Gmail samples in Trigger Examples Repo + + +## Troubleshooting + +- Ensure Gmail is connected in Tools & Integrations +- Verify the Gmail Trigger is enabled on the Triggers tab +- Check the execution logs and confirm the payload is passed as `crewai_trigger_payload` diff --git a/docs/ko/enterprise/guides/google-calendar-trigger.mdx b/docs/ko/enterprise/guides/google-calendar-trigger.mdx new file mode 100644 index 000000000..cf2d32471 --- /dev/null +++ b/docs/ko/enterprise/guides/google-calendar-trigger.mdx @@ -0,0 +1,65 @@ +--- +title: "Google Calendar Trigger" +description: "Kick off crews when Google Calendar events are created, updated, or cancelled" +icon: "calendar" +mode: "wide" +--- + +## Overview + +Use the Google Calendar trigger to launch automations whenever calendar events change. Common use cases include briefing a team before a meeting, notifying stakeholders when a critical event is cancelled, or summarizing daily schedules. + + + Make sure Google Calendar is connected in **Tools & Integrations** and enabled for the deployment you want to automate. + + +## Enabling the Google Calendar Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Google Calendar** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize meeting details + +The snippet below mirrors the `calendar-event-crew.py` example in the trigger repository. It parses the payload, analyses the attendees and timing, and produces a meeting brief for downstream tools. + +```python +from calendar_event_crew import GoogleCalendarEventTrigger + +crew = GoogleCalendarEventTrigger().crew() +result = crew.kickoff({ + "crewai_trigger_payload": calendar_payload, +}) +print(result.raw) +``` + +Use `crewai_trigger_payload` exactly as it is delivered by the trigger so the crew can extract the proper fields. + +## Sample payloads & crews + +The [Google Calendar examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_calendar) show how to handle multiple event types: + +- `new-event.json` → standard event creation handled by `calendar-event-crew.py` +- `event-updated.json` / `event-started.json` / `event-ended.json` → in-flight updates processed by `calendar-meeting-crew.py` +- `event-canceled.json` → cancellation workflow that alerts attendees via `calendar-meeting-crew.py` +- Working location events use `calendar-working-location-crew.py` to extract on-site schedules + +Each crew transforms raw event metadata (attendees, rooms, working locations) into the summaries your teams need. + +## Monitoring Executions + +The **Executions** list in the deployment dashboard tracks every triggered run and surfaces payload metadata, output summaries, and errors. + + + List of executions triggered by automation + + +## Troubleshooting + +- Ensure the correct Google account is connected and the trigger is enabled +- Confirm your workflow handles all-day events (payloads use `start.date` and `end.date` instead of timestamps) +- Check execution logs if reminders or attendee arrays are missing—calendar permissions can limit fields in the payload diff --git a/docs/ko/enterprise/guides/google-drive-trigger.mdx b/docs/ko/enterprise/guides/google-drive-trigger.mdx new file mode 100644 index 000000000..19c10837b --- /dev/null +++ b/docs/ko/enterprise/guides/google-drive-trigger.mdx @@ -0,0 +1,61 @@ +--- +title: "Google Drive Trigger" +description: "Respond to Google Drive file events with automated crews" +icon: "folder" +mode: "wide" +--- + +## Overview + +Trigger your automations when files are created, updated, or removed in Google Drive. Typical workflows include summarizing newly uploaded content, enforcing sharing policies, or notifying owners when critical files change. + + + Connect Google Drive in **Tools & Integrations** and confirm the trigger is enabled for the automation you want to monitor. + + +## Enabling the Google Drive Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Google Drive** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize file activity + +The drive example crews parse the payload to extract file metadata, evaluate permissions, and publish a summary. + +```python +from drive_file_crew import GoogleDriveFileTrigger + +crew = GoogleDriveFileTrigger().crew() +crew.kickoff({ + "crewai_trigger_payload": drive_payload, +}) +``` + +## Sample payloads & crews + +Explore the [Google Drive examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_drive) to cover different operations: + +- `new-file.json` → new uploads processed by `drive-file-crew.py` +- `updated-file.json` → file edits and metadata changes handled by `drive-file-crew.py` +- `deleted-file.json` → deletion events routed through `drive-file-deletion-crew.py` + +Each crew highlights the file name, operation type, owner, permissions, and security considerations so downstream systems can respond appropriately. + +## Monitoring Executions + +Track history and performance of triggered runs with the **Executions** list in the deployment dashboard. + + + List of executions triggered by automation + + +## Troubleshooting + +- Verify Google Drive is connected and the trigger toggle is enabled +- If a payload is missing permission data, ensure the connected account has access to the file or folder +- The trigger sends file IDs only; use the Drive API if you need to fetch binary content during the crew run diff --git a/docs/ko/enterprise/guides/hubspot-trigger.mdx b/docs/ko/enterprise/guides/hubspot-trigger.mdx index 4d55eb1f4..462778478 100644 --- a/docs/ko/enterprise/guides/hubspot-trigger.mdx +++ b/docs/ko/enterprise/guides/hubspot-trigger.mdx @@ -5,22 +5,22 @@ icon: "hubspot" mode: "wide" --- -이 가이드는 HubSpot Workflows에서 직접 crew를 시작할 수 있도록 CrewAI Enterprise용 HubSpot 트리거를 설정하는 단계별 과정을 제공합니다. +이 가이드는 HubSpot Workflows에서 직접 crew를 시작할 수 있도록 CrewAI AMP용 HubSpot 트리거를 설정하는 단계별 과정을 제공합니다. ## 사전 준비 사항 -- CrewAI Enterprise 계정 +- CrewAI AMP 계정 - [HubSpot Workflows](https://knowledge.hubspot.com/workflows/create-workflows) 기능이 활성화된 HubSpot 계정 ## 설정 단계 - - - `CrewAI Enterprise 계정 > 트리거`에 로그인합니다. + + - `CrewAI AMP 계정 > 트리거`에 로그인합니다. - 사용 가능한 트리거 목록에서 `HubSpot`을 선택합니다. - - CrewAI Enterprise와 연결하고자 하는 HubSpot 계정을 선택합니다. - - 화면에 나타나는 안내에 따라 CrewAI Enterprise가 HubSpot 계정에 접근하도록 승인합니다. - - HubSpot이 CrewAI Enterprise와 성공적으로 연결되면 확인 메시지가 표시됩니다. + - CrewAI AMP와 연결하고자 하는 HubSpot 계정을 선택합니다. + - 화면에 나타나는 안내에 따라 CrewAI AMP가 HubSpot 계정에 접근하도록 승인합니다. + - HubSpot이 CrewAI AMP와 성공적으로 연결되면 확인 메시지가 표시됩니다. - `HubSpot 계정 > 자동화 > 워크플로우 > 새 워크플로우`에 로그인합니다. @@ -51,4 +51,4 @@ mode: "wide" ## 추가 자료 -사용 가능한 작업과 사용자 지정 옵션에 대한 자세한 정보는 [HubSpot 워크플로우 문서](https://knowledge.hubspot.com/workflows/create-workflows)를 참고하세요. \ No newline at end of file +사용 가능한 작업과 사용자 지정 옵션에 대한 자세한 정보는 [HubSpot 워크플로우 문서](https://knowledge.hubspot.com/workflows/create-workflows)를 참고하세요. diff --git a/docs/ko/enterprise/guides/kickoff-crew.mdx b/docs/ko/enterprise/guides/kickoff-crew.mdx index 3f7eb2d5d..3d231de80 100644 --- a/docs/ko/enterprise/guides/kickoff-crew.mdx +++ b/docs/ko/enterprise/guides/kickoff-crew.mdx @@ -1,19 +1,19 @@ --- title: "Kickoff Crew" -description: "CrewAI Enterprise에서 Crew를 시작하세요" +description: "CrewAI AMP에서 Crew를 시작하세요" icon: "flag-checkered" mode: "wide" --- ## 개요 -Crew를 CrewAI Enterprise 플랫폼에 배포한 후에는 웹 인터페이스 또는 API를 통해 실행을 시작할 수 있습니다. 이 가이드는 두 가지 접근 방식을 모두 다룹니다. +Crew를 CrewAI AMP 플랫폼에 배포한 후에는 웹 인터페이스 또는 API를 통해 실행을 시작할 수 있습니다. 이 가이드는 두 가지 접근 방식을 모두 다룹니다. ## 방법 1: 웹 인터페이스 사용 ### 1단계: 배포된 Crew로 이동하기 -1. [CrewAI Enterprise](https://app.crewai.com)에 로그인합니다. +1. [CrewAI AMP](https://app.crewai.com)에 로그인합니다. 2. 프로젝트 목록에서 crew 이름을 클릭합니다. 3. crew의 상세 페이지로 이동합니다. @@ -83,7 +83,7 @@ crew의 상세 페이지에서 실행을 시작할 수 있는 두 가지 옵션 ## 방법 2: API 사용 -CrewAI Enterprise REST API를 사용하여 프로그래밍 방식으로 crews를 시작할 수도 있습니다. +CrewAI AMP REST API를 사용하여 프로그래밍 방식으로 crews를 시작할 수도 있습니다. ### 인증 @@ -183,4 +183,4 @@ curl -X GET \ 실행 문제 또는 엔터프라이즈 플랫폼 관련 질문이 있으신 경우, 지원팀에 문의하세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/guides/microsoft-teams-trigger.mdx b/docs/ko/enterprise/guides/microsoft-teams-trigger.mdx new file mode 100644 index 000000000..10878af40 --- /dev/null +++ b/docs/ko/enterprise/guides/microsoft-teams-trigger.mdx @@ -0,0 +1,52 @@ +--- +title: "Microsoft Teams Trigger" +description: "Kick off crews from Microsoft Teams chat activity" +icon: "microsoft" +mode: "wide" +--- + +## Overview + +Use the Microsoft Teams trigger to start automations whenever a new chat is created. Common patterns include summarizing inbound requests, routing urgent messages to support teams, or creating follow-up tasks in other systems. + + + Confirm Microsoft Teams is connected under **Tools & Integrations** and enabled in the **Triggers** tab for your deployment. + + +## Enabling the Microsoft Teams Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Microsoft Teams** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize a new chat thread + +```python +from teams_chat_created_crew import MicrosoftTeamsChatTrigger + +crew = MicrosoftTeamsChatTrigger().crew() +result = crew.kickoff({ + "crewai_trigger_payload": teams_payload, +}) +print(result.raw) +``` + +The crew parses thread metadata (subject, created time, roster) and generates an action plan for the receiving team. + +## Sample payloads & crews + +The [Microsoft Teams examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/microsoft-teams) include: + +- `chat-created.json` → chat creation payload processed by `teams-chat-created-crew.py` + +The crew demonstrates how to extract participants, initial messages, tenant information, and compliance metadata from the Microsoft Graph webhook payload. + +## Troubleshooting + +- Ensure the Teams connection is active; it must be refreshed if the tenant revokes permissions +- Confirm the webhook subscription in Microsoft 365 is still valid if payloads stop arriving +- Review execution logs for payload shape mismatches—Graph notifications may omit fields when a chat is private or restricted diff --git a/docs/ko/enterprise/guides/onedrive-trigger.mdx b/docs/ko/enterprise/guides/onedrive-trigger.mdx new file mode 100644 index 000000000..51de175db --- /dev/null +++ b/docs/ko/enterprise/guides/onedrive-trigger.mdx @@ -0,0 +1,53 @@ +--- +title: "OneDrive Trigger" +description: "Automate responses to OneDrive file activity" +icon: "cloud" +mode: "wide" +--- + +## Overview + +Start automations when files change inside OneDrive. You can generate audit summaries, notify security teams about external sharing, or update downstream line-of-business systems with new document metadata. + + + Connect OneDrive in **Tools & Integrations** and toggle the trigger on for your deployment. + + +## Enabling the OneDrive Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **OneDrive** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Audit file permissions + +```python +from onedrive_file_crew import OneDriveFileTrigger + +crew = OneDriveFileTrigger().crew() +crew.kickoff({ + "crewai_trigger_payload": onedrive_payload, +}) +``` + +The crew inspects file metadata, user activity, and permission changes to produce a compliance-friendly summary. + +## Sample payloads & crews + +The [OneDrive examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/onedrive) showcase how to: + +- Parse file metadata, size, and folder paths +- Track who created and last modified the file +- Highlight permission and external sharing changes + +`onedrive-file-crew.py` bundles the analysis and summarization tasks so you can add remediation steps as needed. + +## Troubleshooting + +- Ensure the connected account has permission to read the file metadata included in the webhook +- If the trigger fires but the payload is missing `permissions`, confirm the site-level sharing settings allow Graph to return this field +- For large tenants, filter notifications upstream so the crew only runs on relevant directories diff --git a/docs/ko/enterprise/guides/outlook-trigger.mdx b/docs/ko/enterprise/guides/outlook-trigger.mdx new file mode 100644 index 000000000..21bda5407 --- /dev/null +++ b/docs/ko/enterprise/guides/outlook-trigger.mdx @@ -0,0 +1,52 @@ +--- +title: "Outlook Trigger" +description: "Launch automations from Outlook emails and calendar updates" +icon: "microsoft" +mode: "wide" +--- + +## Overview + +Automate responses when Outlook delivers a new message or when an event is removed from the calendar. Teams commonly route escalations, file tickets, or alert attendees of cancellations. + + + Connect Outlook in **Tools & Integrations** and ensure the trigger is enabled for your deployment. + + +## Enabling the Outlook Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Outlook** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize a new email + +```python +from outlook_message_crew import OutlookMessageTrigger + +crew = OutlookMessageTrigger().crew() +crew.kickoff({ + "crewai_trigger_payload": outlook_payload, +}) +``` + +The crew extracts sender details, subject, body preview, and attachments before generating a structured response. + +## Sample payloads & crews + +Review the [Outlook examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/outlook) for two common scenarios: + +- `new-message.json` → new mail notifications parsed by `outlook-message-crew.py` +- `event-removed.json` → calendar cleanup handled by `outlook-event-removal-crew.py` + +Each crew demonstrates how to handle Microsoft Graph payloads, normalize headers, and keep humans in-the-loop with concise summaries. + +## Troubleshooting + +- Verify the Outlook connector is still authorized; the subscription must be renewed periodically +- If attachments are missing, confirm the webhook subscription includes the `includeResourceData` flag +- Review execution logs when events fail to match—cancellation payloads lack attendee lists by design and the crew should account for that diff --git a/docs/ko/enterprise/guides/react-component-export.mdx b/docs/ko/enterprise/guides/react-component-export.mdx index e68defcdb..cf1b2844e 100644 --- a/docs/ko/enterprise/guides/react-component-export.mdx +++ b/docs/ko/enterprise/guides/react-component-export.mdx @@ -1,11 +1,11 @@ --- title: "React 컴포넌트 내보내기" -description: "CrewAI Enterprise React 컴포넌트를 애플리케이션에 내보내고 통합하는 방법을 알아보세요" +description: "CrewAI AMP React 컴포넌트를 애플리케이션에 내보내고 통합하는 방법을 알아보세요" icon: "react" mode: "wide" --- -이 가이드는 CrewAI Enterprise crew를 React 컴포넌트로 내보내고 이를 여러분의 애플리케이션에 통합하는 방법을 설명합니다. +이 가이드는 CrewAI AMP crew를 React 컴포넌트로 내보내고 이를 여러분의 애플리케이션에 통합하는 방법을 설명합니다. ## React 컴포넌트 내보내기 @@ -38,7 +38,7 @@ mode: "wide" npx create-react-app my-crew-app ``` - 프로젝트 디렉터리로 이동합니다: - + ```bash cd my-crew-app ``` @@ -77,7 +77,7 @@ mode: "wide" - 프로젝트 디렉터리에서 다음 명령어를 실행하세요: - + ```bash npm start ``` @@ -101,4 +101,4 @@ mode: "wide" - 구성 요소 스타일을 애플리케이션 디자인에 맞게 맞춤화하세요 - 추가 구성을 위한 props를 추가하세요 - 애플리케이션의 상태 관리와 통합하세요 -- 오류 처리 및 로딩 상태를 추가하세요 \ No newline at end of file +- 오류 처리 및 로딩 상태를 추가하세요 diff --git a/docs/ko/enterprise/guides/salesforce-trigger.mdx b/docs/ko/enterprise/guides/salesforce-trigger.mdx index 653b9f671..9d4e92e58 100644 --- a/docs/ko/enterprise/guides/salesforce-trigger.mdx +++ b/docs/ko/enterprise/guides/salesforce-trigger.mdx @@ -5,7 +5,7 @@ icon: "salesforce" mode: "wide" --- -CrewAI Enterprise는 Salesforce에서 트리거되어 고객 관계 관리 워크플로우를 자동화하고 영업 운영을 강화할 수 있습니다. +CrewAI AMP는 Salesforce에서 트리거되어 고객 관계 관리 워크플로우를 자동화하고 영업 운영을 강화할 수 있습니다. ## 개요 @@ -18,15 +18,20 @@ Salesforce는 기업이 영업, 서비스, 마케팅 운영을 효율화할 수 ## 데모 - - - + ## 시작하기 Salesforce 트리거를 설정하려면: -1. **지원팀 문의**: Salesforce 트리거 설정을 위해 CrewAI Enterprise 지원팀에 연락하세요. +1. **지원팀 문의**: Salesforce 트리거 설정을 위해 CrewAI AMP 지원팀에 연락하세요. 2. **요구 사항 검토**: 필요한 Salesforce 권한과 API 액세스 권한이 있는지 확인하세요. 3. **연결 구성**: 지원팀과 협력하여 CrewAI와 귀하의 Salesforce 인스턴스 간의 연결을 설정하세요. 4. **트리거 테스트**: 트리거가 귀하의 특정 사용 사례에 맞게 올바르게 작동하는지 확인하세요. @@ -42,4 +47,4 @@ Salesforce 트리거를 설정하려면: ## 다음 단계 -자세한 설정 지침 및 고급 구성 옵션에 대해서는 CrewAI Enterprise 지원팀에 문의해 주시기 바랍니다. 지원팀은 귀하의 특정 Salesforce 환경과 비즈니스 요구에 맞는 맞춤형 안내를 제공해 드릴 수 있습니다. \ No newline at end of file +자세한 설정 지침 및 고급 구성 옵션에 대해서는 CrewAI AMP 지원팀에 문의해 주시기 바랍니다. 지원팀은 귀하의 특정 Salesforce 환경과 비즈니스 요구에 맞는 맞춤형 안내를 제공해 드릴 수 있습니다. diff --git a/docs/ko/enterprise/guides/team-management.mdx b/docs/ko/enterprise/guides/team-management.mdx index 50096adc5..b1fa9a570 100644 --- a/docs/ko/enterprise/guides/team-management.mdx +++ b/docs/ko/enterprise/guides/team-management.mdx @@ -1,17 +1,17 @@ --- title: "팀 관리" -description: "CrewAI Enterprise 조직에서 팀원을 초대하고 관리하는 방법을 알아보세요" +description: "CrewAI AMP 조직에서 팀원을 초대하고 관리하는 방법을 알아보세요" icon: "users" mode: "wide" --- -CrewAI Enterprise 계정의 관리자라면 새로운 팀원을 조직에 쉽게 초대할 수 있습니다. 이 안내서는 단계별로 프로세스를 안내합니다. +CrewAI AMP 계정의 관리자라면 새로운 팀원을 조직에 쉽게 초대할 수 있습니다. 이 안내서는 단계별로 프로세스를 안내합니다. ## 팀 멤버 초대하기 - - CrewAI Enterprise 계정에 로그인합니다 + - CrewAI AMP 계정에 로그인합니다 - 대시보드 오른쪽 상단에 있는 기어 아이콘(⚙️)을 찾습니다 - 기어 아이콘을 클릭하여 **설정** 페이지에 접속합니다: @@ -43,7 +43,7 @@ CrewAI Enterprise 계정의 관리자라면 새로운 팀원을 조직에 쉽게 - - CrewAI Enterprise 계정에 로그인하세요 + - CrewAI AMP 계정에 로그인하세요 - 대시보드 오른쪽 상단에서 기어 아이콘(⚙️)을 찾으세요 - 기어 아이콘을 클릭하여 **설정** 페이지에 접근하세요: @@ -85,4 +85,4 @@ CrewAI Enterprise 계정의 관리자라면 새로운 팀원을 조직에 쉽게 - **초대 수락**: 초대된 멤버는 조직에 가입하기 위해 초대를 수락해야 합니다 - **이메일 알림**: 팀 멤버에게 초대 이메일(스팸 폴더 포함)을 확인하도록 안내할 수 있습니다 -이 단계들을 따르면 팀을 손쉽게 확장하고 CrewAI Enterprise 조직 내에서 더욱 효과적으로 협업할 수 있습니다. \ No newline at end of file +이 단계들을 따르면 팀을 손쉽게 확장하고 CrewAI AMP 조직 내에서 더욱 효과적으로 협업할 수 있습니다. diff --git a/docs/ko/enterprise/features/tool-repository.mdx b/docs/ko/enterprise/guides/tool-repository.mdx similarity index 91% rename from docs/ko/enterprise/features/tool-repository.mdx rename to docs/ko/enterprise/guides/tool-repository.mdx index d9b4db3cb..7e83b403b 100644 --- a/docs/ko/enterprise/features/tool-repository.mdx +++ b/docs/ko/enterprise/guides/tool-repository.mdx @@ -20,11 +20,11 @@ Tool Repository는 CrewAI 도구를 위한 패키지 관리자입니다. 사용 Tool Repository를 사용하기 전에 다음이 준비되어 있어야 합니다: -- [CrewAI Enterprise](https://app.crewai.com) 계정 +- [CrewAI AMP](https://app.crewai.com) 계정 - [CrewAI CLI](https://docs.crewai.com/concepts/cli#cli) 설치됨 - uv>=0.5.0 이 설치되어 있어야 합니다. [업그레이드 방법](https://docs.astral.sh/uv/getting-started/installation/#upgrading-uv)을 참고하세요. - [Git](https://git-scm.com) 설치 및 구성 완료 -- CrewAI Enterprise 조직에서 도구를 게시하거나 설치할 수 있는 액세스 권한 +- CrewAI AMP 조직에서 도구를 게시하거나 설치할 수 있는 액세스 권한 ## 도구 설치 @@ -85,7 +85,7 @@ crewai tool publish 도구를 삭제하려면: -1. [CrewAI Enterprise](https://app.crewai.com)로 이동합니다. +1. [CrewAI AMP](https://app.crewai.com)로 이동합니다. 2. **Tools**로 이동합니다. 3. 도구를 선택합니다. 4. **Delete**를 클릭합니다. @@ -100,8 +100,8 @@ crewai tool publish 도구의 보안 점검 상태는 다음에서 확인할 수 있습니다: -`CrewAI Enterprise > Tools > Your Tool > Versions` +`CrewAI AMP > Tools > Your Tool > Versions` API 통합 또는 문제 해결에 대한 지원이 필요하시면 지원팀에 문의해 주세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/guides/update-crew.mdx b/docs/ko/enterprise/guides/update-crew.mdx index f6fc809f4..bfae1074d 100644 --- a/docs/ko/enterprise/guides/update-crew.mdx +++ b/docs/ko/enterprise/guides/update-crew.mdx @@ -1,12 +1,12 @@ --- title: "크루 업데이트" -description: "CrewAI Enterprise에서 크루 업데이트하기" +description: "CrewAI AMP에서 크루 업데이트하기" icon: "pencil" mode: "wide" --- -CrewAI Enterprise에 crew를 배포한 후, 코드, 보안 설정 또는 구성을 업데이트해야 할 수 있습니다. +CrewAI AMP에 crew를 배포한 후, 코드, 보안 설정 또는 구성을 업데이트해야 할 수 있습니다. 이 가이드는 이러한 일반적인 업데이트 작업을 수행하는 방법을 설명합니다. @@ -23,7 +23,7 @@ Crew 배포를 업데이트하고 싶은 이유는 여러 가지가 있을 수 GitHub 저장소에 새로운 커밋을 푸시한 후 배포를 업데이트하려면 다음 단계를 따르세요: -1. CrewAI Enterprise 플랫폼에서 자신의 crew로 이동하세요. +1. CrewAI AMP 플랫폼에서 자신의 crew로 이동하세요. 2. crew 상세 페이지에서 `Re-deploy` 버튼을 클릭하세요. @@ -36,7 +36,7 @@ GitHub 저장소에 새로운 커밋을 푸시한 후 배포를 업데이트하 현재 토큰이 유출되었을 가능성이 있다고 의심되는 경우 등, 새 베어러 토큰을 생성해야 한다면 다음 단계를 따르세요: -1. CrewAI Enterprise 플랫폼에서 해당 crew로 이동하세요. +1. CrewAI AMP 플랫폼에서 해당 crew로 이동하세요. 2. `Bearer Token` 섹션을 찾으세요. 3. 현재 토큰 옆에 있는 `Reset` 버튼을 클릭하세요. @@ -86,4 +86,4 @@ crew의 환경 변수를 업데이트하려면 다음 단계를 따르세요: crew 업데이트나 배포 문제 해결에 대해 지원이 필요하시면 지원팀에 문의해 주세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/guides/webhook-automation.mdx b/docs/ko/enterprise/guides/webhook-automation.mdx index fd699e447..ad4c412a5 100644 --- a/docs/ko/enterprise/guides/webhook-automation.mdx +++ b/docs/ko/enterprise/guides/webhook-automation.mdx @@ -1,17 +1,17 @@ --- title: "웹후크 자동화" -description: "ActivePieces, Zapier, Make.com과 같은 플랫폼을 사용하여 CrewAI Enterprise 워크플로우를 웹후크로 자동화하세요" +description: "ActivePieces, Zapier, Make.com과 같은 플랫폼을 사용하여 CrewAI AMP 워크플로우를 웹후크로 자동화하세요" icon: "webhook" mode: "wide" --- -CrewAI Enterprise를 사용하면 웹훅을 통해 워크플로우를 자동화할 수 있습니다. 이 문서에서는 웹훅을 설정하고 사용하는 과정을 안내하며, Zapier와 Make.com과 유사한 워크플로우 자동화 플랫폼인 ActivePieces와의 통합에 중점을 두고 crew 실행을 시작하는 방법을 설명합니다. +CrewAI AMP를 사용하면 웹훅을 통해 워크플로우를 자동화할 수 있습니다. 이 문서에서는 웹훅을 설정하고 사용하는 과정을 안내하며, Zapier와 Make.com과 유사한 워크플로우 자동화 플랫폼인 ActivePieces와의 통합에 중점을 두고 crew 실행을 시작하는 방법을 설명합니다. ## Webhook 설정하기 - - CrewAI Enterprise 대시보드로 이동하세요. + - CrewAI AMP 대시보드로 이동하세요. - crew 실행을 시작할 때 사용하는 `/kickoff` 섹션을 찾으세요. Kickoff 인터페이스 @@ -44,7 +44,7 @@ CrewAI Enterprise를 사용하면 웹훅을 통해 워크플로우를 자동화 3. HTTP 액션 단계를 추가하세요. - 액션을 `Send HTTP request`로 설정하세요. - 메소드는 `POST`로 사용하세요. - - URL은 CrewAI Enterprise kickoff 엔드포인트로 설정하세요. + - URL은 CrewAI AMP kickoff 엔드포인트로 설정하세요. - 필요한 헤더 추가 (예: `Bearer Token`) ActivePieces 헤더 @@ -121,4 +121,4 @@ CrewAI Enterprise를 사용하면 웹훅을 통해 워크플로우를 자동화 } ``` - \ No newline at end of file + diff --git a/docs/ko/enterprise/guides/zapier-trigger.mdx b/docs/ko/enterprise/guides/zapier-trigger.mdx index 662633f2a..36d414460 100644 --- a/docs/ko/enterprise/guides/zapier-trigger.mdx +++ b/docs/ko/enterprise/guides/zapier-trigger.mdx @@ -5,11 +5,11 @@ icon: "bolt" mode: "wide" --- -이 가이드는 CrewAI Enterprise용 Zapier 트리거를 설정하는 과정을 안내합니다. 이를 통해 CrewAI Enterprise와 기타 애플리케이션 간의 워크플로우를 자동화할 수 있습니다. +이 가이드는 CrewAI AMP용 Zapier 트리거를 설정하는 과정을 안내합니다. 이를 통해 CrewAI AMP와 기타 애플리케이션 간의 워크플로우를 자동화할 수 있습니다. ## 사전 요구 사항 -- CrewAI Enterprise 계정 +- CrewAI AMP 계정 - Zapier 계정 - Slack 계정 (이 특정 예시에 해당) @@ -32,7 +32,7 @@ mode: "wide" - 아직 Slack 계정을 연결하지 않았다면 연결하세요. - + - Zap에 새 액션 단계를 추가합니다. - CrewAI+를 액션 앱으로, Kickoff를 액션 이벤트로 선택합니다. @@ -41,8 +41,8 @@ mode: "wide" - - - CrewAI Enterprise 계정을 연결하세요. + + - CrewAI AMP 계정을 연결하세요. - 워크플로에 적합한 Crew를 선택하세요. @@ -51,8 +51,8 @@ mode: "wide" - Slack 메시지의 데이터를 사용하여 Crew의 입력값을 구성하세요. - - - CrewAI Enterprise에서 출력된 텍스트를 포맷팅하기 위해 추가 액션 단계를 추가합니다. + + - CrewAI AMP에서 출력된 텍스트를 포맷팅하기 위해 추가 액션 단계를 추가합니다. - Zapier의 포매팅 도구를 사용하여 Markdown 출력을 HTML로 변환합니다. @@ -67,7 +67,7 @@ mode: "wide" - 포맷팅된 출력을 이메일로 전송하는 마지막 액션 단계를 추가합니다. - 원하는 이메일 서비스를 선택하세요 (예: Gmail, Outlook). - 수신자, 제목, 본문 등 이메일 상세 정보를 구성하세요. - - 포맷팅된 CrewAI Enterprise 출력을 이메일 본문에 삽입합니다. + - 포맷팅된 CrewAI AMP 출력을 이메일 본문에 삽입합니다. Zapier 7 @@ -97,8 +97,8 @@ mode: "wide" ## 성공을 위한 팁 -- CrewAI Enterprise 입력값이 Slack 메시지에서 올바르게 매핑되었는지 확인하세요. +- CrewAI AMP 입력값이 Slack 메시지에서 올바르게 매핑되었는지 확인하세요. - Zap을 활성화하기 전에 철저히 테스트하여 잠재적인 문제를 미리 파악하세요. - 워크플로우 내에서 발생할 수 있는 실패 상황을 관리하기 위해 오류 처리 단계를 추가하는 것을 고려하세요. -이 단계를 따르면 Slack 메시지로 트리거되는 자동화된 워크플로우와 CrewAI Enterprise 출력이 포함된 이메일 알림을 설정할 수 있습니다. \ No newline at end of file +이 단계를 따르면 Slack 메시지로 트리거되는 자동화된 워크플로우와 CrewAI AMP 출력이 포함된 이메일 알림을 설정할 수 있습니다. diff --git a/docs/ko/enterprise/integrations/asana.mdx b/docs/ko/enterprise/integrations/asana.mdx index bccf34f2e..898265311 100644 --- a/docs/ko/enterprise/integrations/asana.mdx +++ b/docs/ko/enterprise/integrations/asana.mdx @@ -13,7 +13,7 @@ mode: "wide" Asana 연동을 사용하기 전에 다음을 확인하세요: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 권한이 있는 Asana 계정 - [통합 페이지](https://app.crewai.com/crewai_plus/connectors)를 통해 Asana 계정 연결 @@ -21,7 +21,7 @@ Asana 연동을 사용하기 전에 다음을 확인하세요: ### 1. Asana 계정 연결하기 -1. [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. +1. [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. 2. 인증 통합 섹션에서 **Asana**를 찾습니다. 3. **Connect**를 클릭하고 OAuth 플로우를 완료합니다. 4. 작업 및 프로젝트 관리를 위한 필요한 권한을 부여합니다. @@ -251,4 +251,4 @@ crew = Crew( ) crew.kickoff() -``` \ No newline at end of file +``` diff --git a/docs/ko/enterprise/integrations/box.mdx b/docs/ko/enterprise/integrations/box.mdx index 3140b0608..15de12f6b 100644 --- a/docs/ko/enterprise/integrations/box.mdx +++ b/docs/ko/enterprise/integrations/box.mdx @@ -13,7 +13,7 @@ mode: "wide" Box 통합을 사용하기 전에 다음을 확인하세요: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 권한이 있는 Box 계정 - [통합 페이지](https://app.crewai.com/crewai_plus/connectors)를 통해 Box 계정 연결 @@ -21,7 +21,7 @@ Box 통합을 사용하기 전에 다음을 확인하세요: ### 1. Box 계정 연결하기 -1. [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. +1. [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. 2. 인증 통합 섹션에서 **Box**를 찾습니다. 3. **Connect**를 클릭하고 OAuth 흐름을 완료합니다. 4. 파일 및 폴더 관리를 위한 필요한 권한을 부여합니다. @@ -266,4 +266,4 @@ crew = Crew( ) crew.kickoff() -``` \ No newline at end of file +``` diff --git a/docs/ko/enterprise/integrations/clickup.mdx b/docs/ko/enterprise/integrations/clickup.mdx index 0cdc7ac36..f72cd53d5 100644 --- a/docs/ko/enterprise/integrations/clickup.mdx +++ b/docs/ko/enterprise/integrations/clickup.mdx @@ -13,7 +13,7 @@ mode: "wide" ClickUp 통합을 사용하기 전에 다음을 준비해야 합니다: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 권한이 있는 ClickUp 계정 - [통합 페이지](https://app.crewai.com/crewai_plus/connectors)를 통해 ClickUp 계정 연결 @@ -21,7 +21,7 @@ ClickUp 통합을 사용하기 전에 다음을 준비해야 합니다: ### 1. ClickUp 계정 연결하기 -1. [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. +1. [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. 2. 인증 통합 섹션에서 **ClickUp**을 찾습니다. 3. **Connect**를 클릭하고 OAuth 과정을 완료합니다. 4. 작업 및 프로젝트 관리에 필요한 권한을 부여합니다. @@ -291,4 +291,4 @@ crew.kickoff() ClickUp 연동 설정 또는 문제 해결에 대한 지원이 필요하신 경우 저희 지원팀에 문의하세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/github.mdx b/docs/ko/enterprise/integrations/github.mdx index f9635c2f9..e0b2dbe32 100644 --- a/docs/ko/enterprise/integrations/github.mdx +++ b/docs/ko/enterprise/integrations/github.mdx @@ -13,7 +13,7 @@ mode: "wide" GitHub 통합을 사용하기 전에 다음을 확인하세요: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 해당 리포지토리에 대한 적절한 권한이 있는 GitHub 계정 - [통합 페이지](https://app.crewai.com/crewai_plus/connectors)를 통해 GitHub 계정 연결 완료 @@ -21,7 +21,7 @@ GitHub 통합을 사용하기 전에 다음을 확인하세요: ### 1. GitHub 계정 연결하기 -1. [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. +1. [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. 2. 인증 통합 섹션에서 **GitHub**을 찾습니다. 3. **Connect**를 클릭하고 OAuth 흐름을 완료합니다. 4. 리포지토리 및 이슈 관리를 위한 필수 권한을 부여합니다. @@ -321,4 +321,4 @@ crew.kickoff() GitHub 통합 설정 또는 문제 해결에 대해 지원팀에 문의하세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/gmail.mdx b/docs/ko/enterprise/integrations/gmail.mdx index 81f7956fe..dcd1c1973 100644 --- a/docs/ko/enterprise/integrations/gmail.mdx +++ b/docs/ko/enterprise/integrations/gmail.mdx @@ -13,7 +13,7 @@ mode: "wide" Gmail 통합을 사용하기 전에 다음을 확인하세요: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 권한이 있는 Gmail 계정 - [통합 페이지](https://app.crewai.com/crewai_plus/connectors)를 통해 Gmail 계정 연결 @@ -21,7 +21,7 @@ Gmail 통합을 사용하기 전에 다음을 확인하세요: ### 1. Gmail 계정 연결하기 -1. [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. +1. [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. 2. 인증 통합 섹션에서 **Gmail**을 찾습니다. 3. **Connect**를 클릭하고 OAuth 흐름을 완료합니다. 4. 이메일 및 연락처 관리를 위한 필요한 권한을 부여합니다. @@ -354,4 +354,4 @@ crew.kickoff() Gmail 통합 설정 또는 문제 해결에 대한 지원이 필요하시다면 저희 지원팀에 문의해 주세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/google_calendar.mdx b/docs/ko/enterprise/integrations/google_calendar.mdx index f95d78209..a850e0d11 100644 --- a/docs/ko/enterprise/integrations/google_calendar.mdx +++ b/docs/ko/enterprise/integrations/google_calendar.mdx @@ -13,7 +13,7 @@ mode: "wide" Google Calendar 통합을 사용하기 전에 다음을 준비해야 합니다: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - Google Calendar에 접근 가능한 Google 계정 - [통합 페이지](https://app.crewai.com/crewai_plus/connectors)를 통해 Google 계정을 연결 완료 @@ -21,7 +21,7 @@ Google Calendar 통합을 사용하기 전에 다음을 준비해야 합니다: ### 1. Google 계정 연결하기 -1. [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. +1. [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. 2. 인증 통합 섹션에서 **Google Calendar**를 찾습니다. 3. **Connect**를 클릭하고 OAuth 과정을 완료합니다. 4. 캘린더 및 연락처 접근 권한을 허용합니다. @@ -389,4 +389,4 @@ crew.kickoff() Google Calendar 연동 설정 또는 문제 해결에 대한 지원이 필요하면 저희 지원팀에 문의하세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/google_sheets.mdx b/docs/ko/enterprise/integrations/google_sheets.mdx index 67c35f0c0..28a158fd1 100644 --- a/docs/ko/enterprise/integrations/google_sheets.mdx +++ b/docs/ko/enterprise/integrations/google_sheets.mdx @@ -13,7 +13,7 @@ mode: "wide" Google Sheets 통합을 사용하기 전에 다음을 확인하세요: -- 활성 구독이 되어 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 되어 있는 [CrewAI AMP](https://app.crewai.com) 계정 - Google Sheets에 액세스할 수 있는 Google 계정 - [통합 페이지](https://app.crewai.com/crewai_plus/connectors)를 통해 Google 계정 연결 - 데이터 작업을 위한 올바른 열 헤더가 있는 스프레드시트 @@ -22,7 +22,7 @@ Google Sheets 통합을 사용하기 전에 다음을 확인하세요: ### 1. Google 계정 연결하기 -1. [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. +1. [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. 2. 인증 통합 섹션에서 **Google Sheets**를 찾습니다. 3. **Connect**를 클릭하고 OAuth 흐름을 완료합니다. 4. 스프레드시트 접근에 필요한 권한을 허용합니다. @@ -319,4 +319,4 @@ crew.kickoff() Google Sheets 통합 설정 또는 문제 해결에 대한 지원이 필요하시면 저희 지원팀으로 문의해 주세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/hubspot.mdx b/docs/ko/enterprise/integrations/hubspot.mdx index aadd2ce5e..ba1b02310 100644 --- a/docs/ko/enterprise/integrations/hubspot.mdx +++ b/docs/ko/enterprise/integrations/hubspot.mdx @@ -13,7 +13,7 @@ mode: "wide" HubSpot 통합을 사용하기 전에 다음을 확인하세요. -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 권한이 있는 HubSpot 계정 - [통합 페이지](https://app.crewai.com/crewai_plus/connectors)를 통해 HubSpot 계정이 연결되어 있음 @@ -21,7 +21,7 @@ HubSpot 통합을 사용하기 전에 다음을 확인하세요. ### 1. HubSpot 계정 연결하기 -1. [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. +1. [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. 2. 인증 통합 섹션에서 **HubSpot**을 찾습니다. 3. **Connect**를 클릭하고 OAuth 플로우를 완료합니다. 4. 회사 및 연락처 관리를 위한 필요한 권한을 부여합니다. @@ -577,4 +577,4 @@ crew.kickoff() HubSpot 연동 설정 또는 문제 해결에 도움이 필요하시면 지원팀에 문의해 주세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/jira.mdx b/docs/ko/enterprise/integrations/jira.mdx index fc28d5e37..f98f20456 100644 --- a/docs/ko/enterprise/integrations/jira.mdx +++ b/docs/ko/enterprise/integrations/jira.mdx @@ -13,7 +13,7 @@ mode: "wide" Jira 통합을 사용하기 전에 다음을 준비하세요: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 프로젝트 권한이 있는 Jira 계정 - [통합 페이지](https://app.crewai.com/crewai_plus/connectors)를 통해 Jira 계정 연결 @@ -21,7 +21,7 @@ Jira 통합을 사용하기 전에 다음을 준비하세요: ### 1. Jira 계정 연결하기 -1. [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. +1. [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. 2. **Jira**를 인증 통합 섹션에서 찾습니다. 3. **Connect**를 클릭하고 OAuth 절차를 완료합니다. 4. 이슈 및 프로젝트 관리를 위한 필요한 권한을 부여합니다. @@ -392,4 +392,4 @@ crew.kickoff() Jira 연동 설정 또는 문제 해결에 대한 지원이 필요하시면 저희 지원팀에 문의하십시오. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/linear.mdx b/docs/ko/enterprise/integrations/linear.mdx index 9ee67d624..94aabe578 100644 --- a/docs/ko/enterprise/integrations/linear.mdx +++ b/docs/ko/enterprise/integrations/linear.mdx @@ -13,7 +13,7 @@ mode: "wide" Linear 통합을 사용하기 전에 다음을 확인하세요: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 워크스페이스 권한이 있는 Linear 계정 - [통합 페이지](https://app.crewai.com/crewai_plus/connectors)에서 Linear 계정 연결 @@ -21,7 +21,7 @@ Linear 통합을 사용하기 전에 다음을 확인하세요: ### 1. Linear 계정 연결하기 -1. [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. +1. [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. 2. 인증 통합( Authentication Integrations ) 섹션에서 **Linear**를 찾습니다. 3. **Connect**를 클릭하고 OAuth 절차를 완료합니다. 4. 이슈 및 프로젝트 관리를 위한 필수 권한을 부여합니다. @@ -451,4 +451,4 @@ crew.kickoff() Linear 연동 설정 또는 문제 해결에 대해 지원팀에 문의하세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/notion.mdx b/docs/ko/enterprise/integrations/notion.mdx index 9d399beae..00b324ed1 100644 --- a/docs/ko/enterprise/integrations/notion.mdx +++ b/docs/ko/enterprise/integrations/notion.mdx @@ -13,7 +13,7 @@ mode: "wide" Notion 통합을 사용하기 전에 다음을 확인하세요: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 워크스페이스 권한이 있는 Notion 계정 - [통합 페이지](https://app.crewai.com/crewai_plus/connectors)를 통해 Notion 계정을 연결함 @@ -21,7 +21,7 @@ Notion 통합을 사용하기 전에 다음을 확인하세요: ### 1. Notion 계정 연결하기 -1. [CrewAI Enterprise Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. +1. [CrewAI AMP Integrations](https://app.crewai.com/crewai_plus/connectors)로 이동합니다. 2. 인증 통합(Auhtentication Integrations) 섹션에서 **Notion**을(를) 찾습니다. 3. **Connect**를 클릭하고 OAuth 플로우를 완료합니다. 4. 페이지 및 데이터베이스 관리를 위한 필요한 권한을 부여합니다. @@ -507,4 +507,4 @@ crew.kickoff() Notion 연동 설정 또는 문제 해결에 대해 지원팀에 문의해 주세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/salesforce.mdx b/docs/ko/enterprise/integrations/salesforce.mdx index 25cad7594..1ffac80a9 100644 --- a/docs/ko/enterprise/integrations/salesforce.mdx +++ b/docs/ko/enterprise/integrations/salesforce.mdx @@ -13,7 +13,7 @@ mode: "wide" Salesforce 통합을 사용하기 전에 다음을 확인하세요: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 권한이 있는 Salesforce 계정 - [통합 페이지](https://app.crewai.com/integrations)를 통해 Salesforce 계정 연결 @@ -630,4 +630,4 @@ crew.kickoff() Salesforce 통합 설정 또는 문제 해결에 대해 지원팀에 문의하세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/shopify.mdx b/docs/ko/enterprise/integrations/shopify.mdx index e801af9fa..be1d7bde9 100644 --- a/docs/ko/enterprise/integrations/shopify.mdx +++ b/docs/ko/enterprise/integrations/shopify.mdx @@ -13,7 +13,7 @@ mode: "wide" Shopify 연동을 사용하기 전에 다음을 확인하세요: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 관리자 권한이 있는 Shopify 스토어 - [통합 페이지](https://app.crewai.com/integrations)를 통해 Shopify 스토어 연결 @@ -380,4 +380,4 @@ crew.kickoff() Shopify 연동 설정 또는 문제 해결에 관한 지원이 필요하시면 고객 지원팀에 문의해 주세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/slack.mdx b/docs/ko/enterprise/integrations/slack.mdx index e920c84d7..8097415f5 100644 --- a/docs/ko/enterprise/integrations/slack.mdx +++ b/docs/ko/enterprise/integrations/slack.mdx @@ -13,7 +13,7 @@ mode: "wide" Slack 통합을 사용하기 전에 다음을 확인하십시오: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 권한이 있는 Slack 워크스페이스 - [통합 페이지](https://app.crewai.com/integrations)를 통해 Slack 워크스페이스를 연결함 @@ -291,4 +291,4 @@ crew.kickoff() Slack 연동 설정 또는 문제 해결에 대해 지원팀에 문의하세요. - \ No newline at end of file + diff --git a/docs/ko/enterprise/integrations/stripe.mdx b/docs/ko/enterprise/integrations/stripe.mdx index 8918b13f2..59c3e5e6b 100644 --- a/docs/ko/enterprise/integrations/stripe.mdx +++ b/docs/ko/enterprise/integrations/stripe.mdx @@ -13,7 +13,7 @@ mode: "wide" Stripe 통합을 사용하기 전에 다음 사항을 확인하세요: -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 API 권한이 있는 Stripe 계정 - [통합 페이지](https://app.crewai.com/integrations)를 통해 Stripe 계정 연결 @@ -303,4 +303,4 @@ crew.kickoff() } ``` -이 통합을 통해 결제 및 구독 관리 자동화를 포괄적으로 구현할 수 있으며, AI 에이전트가 Stripe 생태계 내에서 청구 작업을 원활하게 처리할 수 있습니다. \ No newline at end of file +이 통합을 통해 결제 및 구독 관리 자동화를 포괄적으로 구현할 수 있으며, AI 에이전트가 Stripe 생태계 내에서 청구 작업을 원활하게 처리할 수 있습니다. diff --git a/docs/ko/enterprise/integrations/zendesk.mdx b/docs/ko/enterprise/integrations/zendesk.mdx index e326aed8c..f009e0bf8 100644 --- a/docs/ko/enterprise/integrations/zendesk.mdx +++ b/docs/ko/enterprise/integrations/zendesk.mdx @@ -13,7 +13,7 @@ mode: "wide" Zendesk 통합을 사용하기 전에 다음을 확인하세요. -- 활성 구독이 있는 [CrewAI Enterprise](https://app.crewai.com) 계정 +- 활성 구독이 있는 [CrewAI AMP](https://app.crewai.com) 계정 - 적절한 API 권한이 있는 Zendesk 계정 - [통합 페이지](https://app.crewai.com/integrations)를 통해 Zendesk 계정 연결 @@ -341,4 +341,4 @@ crew = Crew( ) crew.kickoff() -``` \ No newline at end of file +``` diff --git a/docs/ko/enterprise/introduction.mdx b/docs/ko/enterprise/introduction.mdx index e9804d395..ec4fdf55c 100644 --- a/docs/ko/enterprise/introduction.mdx +++ b/docs/ko/enterprise/introduction.mdx @@ -7,13 +7,13 @@ mode: "wide" ## 소개 -CrewAI Enterprise는 프로덕션 환경에서 crew와 agent를 배포, 모니터링, 확장할 수 있는 플랫폼을 제공합니다. +CrewAI AMP(Agent Management Platform)는 프로덕션 환경에서 crew와 agent를 배포, 모니터링, 확장할 수 있는 플랫폼을 제공합니다. - CrewAI Enterprise Dashboard + CrewAI AMP Dashboard -CrewAI Enterprise는 오픈 소스 프레임워크의 강력함에 프로덕션 배포, 협업, 확장성을 위한 기능을 더했습니다. crew를 관리형 인프라에 배포하고, 실행을 실시간으로 모니터링하세요. +CrewAI AMP는 오픈 소스 프레임워크의 강력함에 프로덕션 배포, 협업, 확장성을 위한 기능을 더했습니다. crew를 관리형 인프라에 배포하고, 실행을 실시간으로 모니터링하세요. ## 주요 기능 @@ -97,4 +97,4 @@ CrewAI Enterprise는 오픈 소스 프레임워크의 강력함에 프로덕션 -자세한 안내를 원하시면 [배포 가이드](/ko/enterprise/guides/deploy-crew)를 확인하거나 아래 버튼을 클릭해 시작하세요. \ No newline at end of file +자세한 안내를 원하시면 [배포 가이드](/ko/enterprise/guides/deploy-crew)를 확인하거나 아래 버튼을 클릭해 시작하세요. diff --git a/docs/ko/enterprise/resources/frequently-asked-questions.mdx b/docs/ko/enterprise/resources/frequently-asked-questions.mdx index c154af4c0..f26863016 100644 --- a/docs/ko/enterprise/resources/frequently-asked-questions.mdx +++ b/docs/ko/enterprise/resources/frequently-asked-questions.mdx @@ -1,6 +1,6 @@ --- title: 자주 묻는 질문 -description: "CrewAI Enterprise에 대한 자주 묻는 질문" +description: "CrewAI AMP에 대한 자주 묻는 질문" icon: "circle-question" mode: "wide" --- @@ -129,15 +129,14 @@ mode: "wide" 에이전트가 항상 구조화된 출력을 내도록 만드는 방법 관련 튜토리얼은 아래 영상을 참고하세요: - - - + @@ -149,4 +148,4 @@ mode: "wide" `max_rpm` 속성을 설정하면 crew 전체가 분당 보낼 수 있는 최대 요청 수를 제한할 수 있습니다. 이를 설정하면 개별 에이전트의 `max_rpm` 값보다 우선적으로 적용됩니다. - \ No newline at end of file + diff --git a/docs/ko/index.mdx b/docs/ko/index.mdx new file mode 100644 index 000000000..a6cf4aac8 --- /dev/null +++ b/docs/ko/index.mdx @@ -0,0 +1,102 @@ +--- +title: "CrewAI 문서" +description: "협업형 AI 에이전트, 크루, 플로우를 설계하고 즉시 프로덕션에 배포하세요." +icon: "house" +mode: "wide" +--- + +
+ CrewAI +
+

신뢰할 수 있는 멀티에이전트 시스템 구축

+

+ 에이전트를 설계하고 크루를 오케스트레이션하며 guardrails, 메모리, 지식, Observability가 기본 내장된 플로우를 자동화하세요. +

+
+ + +
+ +
+ + + + CrewAI의 핵심 개념, 아키텍처, 에이전트·크루·플로우로 만들 수 있는 것들을 빠르게 파악하세요. + + + `uv` 설치, API 키 설정, 로컬 개발을 위한 CLI 초기화까지 모든 단계를 안내합니다. + + + 몇 분 만에 첫 크루를 실행하세요. 런타임, 프로젝트 구조, 개발 루프를 배울 수 있습니다. + + + +## 기본 구축 + + + + 도구, 메모리, 지식, 구조화된 출력을 갖춘 에이전트를 구성하는 방법과 베스트 프랙티스를 배워보세요. + + + start/listen/router 단계, 상태 관리, 실행 저장 및 재개 등 복잡한 워크플로우를 설계하세요. + + + guardrails, 콜백, human-in-the-loop가 포함된 순차적·계층적 프로세스를 정의하세요. + + + +## 엔터프라이즈 여정 + + + + 환경을 관리하고 안전하게 재배포하며, Enterprise 콘솔에서 실시간 실행을 모니터링하세요. + + + Gmail, Slack, Salesforce 등 다양한 서비스를 연결하고 trigger payload를 자동으로 크루와 플로우에 전달하세요. + + + 팀원을 초대하고 RBAC을 설정하며, 프로덕션 자동화에 대한 접근을 제어하세요. + + + +## 최신 소식 + + + + Gmail, Drive, Outlook, Teams, OneDrive, HubSpot 등 다수의 통합을 하나의 문서에서 확인하고, payload/crew 예제를 살펴보세요. + + + 기존 CrewAI 자동화 또는 Amazon Bedrock Agent를 크루에서 직접 호출하는 방법을 안내합니다. + + + + + examples & cookbooks 섹션에서 에이전트, 플로우, Enterprise 자동화의 엔드-투-엔드 구현을 확인해 보세요. + + +## 커뮤니티 + + + + CrewAI가 도움이 되었다면 GitHub에서 별을 남기고 빌드를 공유해주세요. + + + 질문을 올리고, 워크플로우를 공유하며, 다른 빌더와 함께 새로운 기능을 제안하세요. + + diff --git a/docs/ko/installation.mdx b/docs/ko/installation.mdx index e2f412d69..ab7051d40 100644 --- a/docs/ko/installation.mdx +++ b/docs/ko/installation.mdx @@ -9,14 +9,12 @@ mode: "wide" 설치 과정을 단계별로 시연하는 비디오 튜토리얼을 시청하세요: ## 텍스트 튜토리얼 @@ -163,7 +161,7 @@ CrewAI는 의존성 관리와 패키지 처리를 위해 `uv`를 사용합니다 팀과 조직을 위해, CrewAI는 설치 복잡성을 없애는 엔터프라이즈 배포 옵션을 제공합니다: -### CrewAI Enterprise (SaaS) +### CrewAI AMP (SaaS) - 설치가 전혀 필요하지 않습니다 - [app.crewai.com](https://app.crewai.com)에서 무료로 가입하세요 - 자동 업데이트 및 유지 보수 - 관리형 인프라 및 확장성 지원 diff --git a/docs/ko/learn/human-input-on-execution.mdx b/docs/ko/learn/human-input-on-execution.mdx index 8665652a1..4eb4bca3c 100644 --- a/docs/ko/learn/human-input-on-execution.mdx +++ b/docs/ko/learn/human-input-on-execution.mdx @@ -1,13 +1,13 @@ --- title: 실행 중 인간 입력 description: 복잡한 의사결정 과정에서 실행 중 CrewAI와 인간 입력을 통합하고, 에이전트의 속성과 도구의 모든 기능을 활용하는 방법. -icon: user-check +icon: user-plus mode: "wide" --- ## 에이전트 실행에서의 인간 입력 -인간 입력은 여러 에이전트 실행 시나리오에서 매우 중요하며, 에이전트가 필요할 때 추가 정보나 설명을 요청할 수 있게 해줍니다. +인간 입력은 여러 에이전트 실행 시나리오에서 매우 중요하며, 에이전트가 필요할 때 추가 정보나 설명을 요청할 수 있게 해줍니다. 이 기능은 특히 복잡한 의사결정 과정이나 에이전트가 작업을 효과적으로 완료하기 위해 더 많은 세부 정보가 필요할 때 유용하게 사용됩니다. ## CrewAI에서 인간 입력 사용하기 @@ -96,4 +96,4 @@ result = crew.kickoff() print("######################") print(result) -``` \ No newline at end of file +``` diff --git a/docs/ko/learn/llm-selection-guide.mdx b/docs/ko/learn/llm-selection-guide.mdx index 38ba27daf..5325de074 100644 --- a/docs/ko/learn/llm-selection-guide.mdx +++ b/docs/ko/learn/llm-selection-guide.mdx @@ -44,7 +44,7 @@ LLM을 선택할 때 가장 중요한 단계는 실제로 여러분의 작업이 - **Creative Tasks**는 새롭고, 흥미로우며, 맥락에 적합한 콘텐츠를 생성하는 데 중점을 둔 새로운 인지적 능력을 요구합니다. 여기에는 스토리텔링, 마케팅 카피 작성, 창의적 문제 해결이 포함됩니다. 모델은 뉘앙스, 톤, 대상 청중을 이해하고, 공식적이지 않고 진정성 있고 흥미로운 콘텐츠를 제작해야 합니다. - + - **Structured Data** 작업은 포맷 규칙 준수의 정확성과 일관성을 요구합니다. JSON, XML, 데이터베이스 포맷 등을 다루는 경우, 모델은 구문적으로 올바른 출력을 안정적으로 생성할 수 있어야 하며, 이는 프로그램적으로 처리 가능해야 합니다. 이런 작업에는 엄격한 검증 요구 사항이 있으며 포맷 에러에 대한 허용 오차가 매우 적기 때문에, 창의성보다는 신뢰성이 더 중요합니다. @@ -52,7 +52,7 @@ LLM을 선택할 때 가장 중요한 단계는 실제로 여러분의 작업이 - **Technical Content**는 구조화된 데이터와 창의적 콘텐츠의 중간에 위치하며, 정확성과 명확성을 모두 필요로 합니다. 문서화, 코드 생성, 기술 분석 등은 정밀하면서도 포괄적으로 작성되어야 하며, 대상이 되는 청중에게 효과적으로 전달되어야 합니다. 모델은 복잡한 기술 개념을 이해하고 이를 명확하게 설명할 수 있어야 합니다. - + - **Short Context** 시나리오는 모델이 한정된 정보를 신속하게 처리해야 하는 즉각적이고 집중된 업무를 포함합니다. 이는 대체로 속도와 효율성이 심도 있는 이해보다 더 중요한 거래성 상호작용에서 주로 발생합니다. 모델은 긴 대화 내역이나 대용량 문서를 유지할 필요가 없습니다. @@ -74,7 +74,7 @@ LLM을 선택할 때 가장 중요한 단계는 실제로 여러분의 작업이 하지만 reasoning 모델은 속도와 비용 면에서 트레이드오프가 따르는 경우가 많습니다. 또한 그들의 고도화된 reasoning 역량이 필요 없는 창의적인 작업이나 간단한 작업에는 덜 적합할 수 있습니다. 체계적이고 단계적인 분석이 요구되는 진정한 복잡성이 관련된 작업에서 이러한 모델을 고려하십시오. - + General purpose 모델은 LLM 선택에서 가장 균형 잡힌 접근 방식을 제공하며, 특정 영역에 극단적으로 특화되지 않으면서도 다양한 작업에 대해 견고한 성능을 제공합니다. 이러한 모델은 다양한 데이터셋으로 학습되었으며, 특정 도메인에서의 최고 성능보다는 다재다능함에 최적화되어 있습니다. @@ -82,7 +82,7 @@ LLM을 선택할 때 가장 중요한 단계는 실제로 여러분의 작업이 General purpose 모델은 특정 도메인에서 특화된 대안들이 보여주는 최고 성능에는 미치지 않을 수 있지만, 운영의 단순성과 모델 관리의 복잡성 감소라는 이점이 있습니다. 신규 프로젝트의 시작점으로 가장 좋은 선택인 경우가 많으며, 팀이 구체적인 필요를 이해하고 나서 특화 모델로 최적화할 수 있습니다. - + Fast and efficient 모델은 고도화된 reasoning 역량보다 속도, 비용 효율, 리소스 효율성을 우선순위에 둡니다. 이러한 모델은 빠른 응답성과 낮은 운영비용이 중요하고, 미묘한 이해나 복잡한 reasoning이 덜 요구되는 고처리량 시나리오에 최적화되어 있습니다. @@ -90,7 +90,7 @@ LLM을 선택할 때 가장 중요한 단계는 실제로 여러분의 작업이 효율적인 모델에서 가장 중요한 고려사항은 그들의 역량이 귀하의 작업 요구와 일치하는지 확인하는 것입니다. 많은 일상적 작업은 효과적으로 처리할 수 있지만, Nuanced한 이해, 복잡한 reasoning, 혹은 고도화된 콘텐츠 생성이 필요한 작업에는 어려움을 겪을 수 있습니다. 정교함보다 속도와 비용이 더 중요한 명확하고 일상적인 작업에 가장 적합합니다. - + Creative 모델은 콘텐츠 생성, 글쓰기 품질, 창의적 사고가 요구되는 작업에 특별히 최적화되어 있습니다. 이러한 모델은 뉘앙스, 톤, 스타일을 이해하면서도 자연스럽고 진정성 있게 느껴지는 매력적이고 맥락에 맞는 콘텐츠를 생성하는 데 뛰어납니다. @@ -98,7 +98,7 @@ LLM을 선택할 때 가장 중요한 단계는 실제로 여러분의 작업이 Creative 모델을 선택할 때는 단순한 텍스트 생성 능력뿐 아니라, 대상, 맥락, 목적에 대한 이해력도 함께 고려해야 합니다. 최상의 creative 모델은 특정 브랜드 목소리에 맞게 출력 내용을 조정하고, 다양한 대상 그룹을 타깃팅하며, 긴 콘텐츠에서도 일관성을 유지할 수 있습니다. - + Open source 모델은 비용 통제, 맞춤화 가능성, 데이터 프라이버시, 배포 유연성 측면에서 독특한 이점을 제공합니다. 이러한 모델은 로컬이나 사설 인프라에서 운용이 가능하여 데이터 처리 및 모델 동작에 대해 완전한 통제권을 제공합니다. @@ -151,7 +151,7 @@ content_writer = Agent( ) data_processor = Agent( - role="Data Analysis Specialist", + role="Data Analysis Specialist", goal="Extract and organize key data points from research sources", backstory="Detail-oriented analyst focused on accuracy and efficiency", llm=processing_llm, # Fast, cost-effective model for routine tasks @@ -178,7 +178,7 @@ crew = Crew( Manager LLM은 모든 작업에 관여하기 때문에 비용 고려가 특히 중요합니다. 모델은 효과적인 조정을 위한 충분한 역량을 제공하면서도, 잦은 사용에도 비용 효율적이어야 합니다. 이는 종종 가장 정교한 모델의 높은 가격 없이도 충분한 추론 능력을 제공하는 모델을 찾는 것을 의미합니다. - + Function calling LLM은 모든 에이전트 간 도구 사용을 처리하므로, 외부 도구와 API에 크게 의존하는 crew에서 매우 중요합니다. 이 모델은 도구의 역량을 이해하고, 파라미터를 정확하게 추출하며, 도구 응답을 효과적으로 처리하는 데 특화되어야 합니다. @@ -186,7 +186,7 @@ crew = Crew( 많은 팀들은, 창의적이거나 추론에 특화된 모델보다는, 특화된 function calling 모델이나 도구 지원이 강력한 범용 모델이 이 역할에 더 적합하다는 것을 발견합니다. 핵심은 모델이 자연어 지침과 구조화된 도구 호출 간의 간극을 신뢰성 있게 연결할 수 있도록 하는 것입니다. - + 개별 에이전트는 특정 요구가 일반적인 crew 요구와 크게 다를 때, crew 단위 LLM 설정을 재정의할 수 있습니다. 이 기능을 통해 대부분의 에이전트에는 운영 단순성을 유지하면서, 미세한 최적화가 가능합니다. @@ -210,7 +210,7 @@ CrewAI 출력의 품질을 결정하는 데 있어 모델 선택보다 효과적 일반적인 실수로는 목표가 너무 모호하다거나, 필요한 맥락을 제공하지 않는다거나, 성공 기준이 불분명하다거나, 관련 없는 여러 작업을 하나의 설명으로 결합하는 경우가 있습니다. 목표는 단일의 명확한 목적에 집중하며, 에이전트가 성공할 수 있을 정도로 충분한 정보를 제공하는 것입니다. - + 예상 산출물 가이드라인은 작업 정의와 에이전트 간의 계약 역할을 하며, 산출물이 어떤 모습이어야 하며 어떻게 평가될 것인지 명확하게 지정합니다. 이러한 가이드라인은 필요한 형식과 구조뿐만 아니라 산출물이 완전하다고 간주되기 위해 반드시 포함되어야 하는 핵심 요소도 설명해야 합니다. @@ -230,7 +230,7 @@ CrewAI 출력의 품질을 결정하는 데 있어 모델 선택보다 효과적 순차적 의존성은 한 작업에서 다른 작업으로 명확한 논리적 진행이 있고, 한 작업의 산출물이 다음 작업의 품질이나 실행 가능성을 실제로 향상시킬 때 가장 효과적입니다. 그러나 적절히 관리되지 않을 경우 병목 현상이 발생할 수 있으니, 반드시 진정으로 필요한 의존성과 단순히 편의상 설정된 의존성을 구분해야 합니다. - + 병렬 실행은 작업 간에 상호 독립적이거나, 시간 효율성이 중요하거나, 서로 다른 전문 분야가 협업 없이 각자의 역량을 발휘할 수 있을 때 가치가 있습니다. 이 방식은 전체 실행 시간을 크게 줄일 수 있으며, 각 전문 에이전트가 자신의 강점을 동시에 발휘할 수 있습니다. @@ -286,10 +286,10 @@ domain_expert = Agent( role="B2B SaaS Marketing Strategist", goal="Develop comprehensive go-to-market strategies for enterprise software", backstory=""" - You have 10+ years of experience scaling B2B SaaS companies from Series A to IPO. - You understand the nuances of enterprise sales cycles, the importance of product-market - fit in different verticals, and how to balance growth metrics with unit economics. - You've worked with companies like Salesforce, HubSpot, and emerging unicorns, giving + You have 10+ years of experience scaling B2B SaaS companies from Series A to IPO. + You understand the nuances of enterprise sales cycles, the importance of product-market + fit in different verticals, and how to balance growth metrics with unit economics. + You've worked with companies like Salesforce, HubSpot, and emerging unicorns, giving you perspective on both established and disruptive go-to-market strategies. """, llm=LLM(model="claude-3-5-sonnet", temperature=0.3) # Balanced creativity with domain knowledge @@ -317,9 +317,9 @@ tech_writer = Agent( role="API Documentation Specialist", # Specific role for clear LLM requirements goal="Create comprehensive, developer-friendly API documentation", backstory=""" - You're a technical writer with 8+ years documenting REST APIs, GraphQL endpoints, - and SDK integration guides. You've worked with developer tools companies and - understand what developers need: clear examples, comprehensive error handling, + You're a technical writer with 8+ years documenting REST APIs, GraphQL endpoints, + and SDK integration guides. You've worked with developer tools companies and + understand what developers need: clear examples, comprehensive error handling, and practical use cases. You prioritize accuracy and usability over marketing fluff. """, llm=LLM( @@ -327,7 +327,7 @@ tech_writer = Agent( temperature=0.1 # Low temperature for accuracy ), tools=[code_analyzer_tool, api_scanner_tool], - verbose=True + verbose=True ) ``` @@ -351,26 +351,26 @@ tech_writer = Agent( - 어떤 agent가 가장 복잡한 reasoning 작업을 처리합니까? - 어떤 agent가 주로 데이터 처리 또는 포매팅을 담당합니까? - 도구에 크게 의존하는 agent가 있습니까? - + **Action**: 현재 agent 역할을 문서화하고 최적화 기회를 식별하세요. - + **기본값 설정:** ```python # crew에 신뢰할 수 있는 기본값으로 시작합니다 default_crew_llm = LLM(model="gpt-4o-mini") # 비용 효율적인 기준점 - + crew = Crew( agents=[...], tasks=[...], memory=True ) ``` - + **Action**: 개별 agent 최적화 전에 crew의 기본 LLM을 설정하세요. - + **핵심 agent 식별 및 업그레이드:** ```python @@ -380,25 +380,25 @@ tech_writer = Agent( llm=LLM(model="gemini-2.5-flash-preview-05-20"), # 조율을 위한 프리미엄 # ... 나머지 설정 ) - - # Creative 또는 고객 대응 agent + + # Creative 또는 고객 대응 agent content_agent = Agent( role="Content Creator", llm=LLM(model="claude-3-5-sonnet"), # 글쓰기에 최적 # ... 나머지 설정 ) ``` - + **Action**: 복잡도의 80%를 처리하는 agent 20%를 업그레이드하세요. - + **agent를 프로덕션에 배포한 후:** - - [CrewAI Enterprise platform](https://app.crewai.com)을 활용하여 모델 선택을 A/B 테스트하세요 + - [CrewAI AMP platform](https://app.crewai.com)을 활용하여 모델 선택을 A/B 테스트하세요 - 실제 입력으로 여러 번 반복 테스트하여 일관성과 성능을 측정하세요 - 최적화된 셋업 전반의 비용과 성능을 비교하세요 - 팀과 결과를 공유하여 협업 의사결정을 지원하세요 - + **Action**: 테스트 플랫폼을 활용해 추측이 아닌 데이터 기반 검증을 실행하세요. @@ -413,7 +413,7 @@ tech_writer = Agent( 그러나 reasoning 모델은 일반적으로 더 높은 비용과 느린 응답 시간을 수반하므로, 복잡한 사고가 필요한 작업에서 실질적인 가치를 제공할 때에만 사용하는 것이 좋으며, 복잡한 reasoning이 필요하지 않은 단순한 작업에는 권장되지 않습니다. - + creative 모델은 콘텐츠 생성이 주요 결과물이고 콘텐츠의 품질, 스타일, 참여도가 성공에 직접적으로 영향을 미칠 때 유용합니다. 이 모델들은 글의 질과 스타일이 매우 중요하거나, 창의적인 아이디어 창출 또는 브레인스토밍이 필요하거나, 브랜드의 목소리와 톤이 중요한 경우에 특히 뛰어납니다. @@ -421,7 +421,7 @@ tech_writer = Agent( creative 모델은 정밀성과 사실적 정확성이 스타일이나 참여도보다 더 중요한 기술적 또는 분석적 작업에는 덜 적합할 수 있습니다. 결과물의 창의적·의사소통적 측면이 성공의 주요 요인일 때 사용하는 것이 가장 좋습니다. - + efficient 모델은 빠른 속도와 비용 최적화가 우선순위인 고빈도, 반복 작업에 이상적입니다. 이러한 모델은 작업의 매개변수가 명확하고 잘 정의되어 있으며, 복잡한 reasoning이나 창의적인 능력이 필요하지 않을 때 가장 잘 작동합니다. @@ -429,7 +429,7 @@ tech_writer = Agent( efficient 모델에서는 해당 모델의 역량이 작업 요구 사항과 일치하는지 확인하는 것이 핵심입니다. 다양한 반복 작업을 효과적으로 처리할 수 있지만, 뉘앙스 이해, 복잡한 reasoning, 고도화된 콘텐츠 생성이 필요한 작업에서는 한계가 있을 수 있습니다. - + open source 모델은 예산 제약이 크거나, 데이터 프라이버시 요구 사항이 있거나, 맞춤화가 중요하거나, 운영·컴플라이언스 목적상 로컬 배포가 필요한 경우에 매력적인 선택이 됩니다. @@ -451,12 +451,12 @@ tech_writer = Agent( ```python # 전략 agent는 프리미엄 모델 사용 manager = Agent(role="Strategy Manager", llm=LLM(model="gpt-4o")) - - # 처리 agent는 효율적인 모델 사용 + + # 처리 agent는 효율적인 모델 사용 processor = Agent(role="Data Processor", llm=LLM(model="gpt-4o-mini")) ``` - + **문제점**: CrewAI의 LLM 계층 구조(crew LLM, manager LLM, agent LLM)를 이해하지 못해 설정이 충돌하거나 적절히 조정되지 않음. @@ -470,12 +470,12 @@ tech_writer = Agent( manager_llm=LLM(model="gpt-4o"), # crew 조정용 process=Process.hierarchical # manager_llm 사용 시 ) - + # agent는 특별히 지정하지 않으면 crew LLM을 상속받음 agent1 = Agent(llm=LLM(model="claude-3-5-sonnet")) # 특정 요구에 따라 오버라이드 ``` - + **문제점**: 기능 위주(함수 호출, 툴 활용 등) CrewAI workflow에서 필요한 함수 호출 성능을 무시한 채, 일반적인 모델 특성(예: 창의성)만을 보고 모델을 선택하는 실수. @@ -493,7 +493,7 @@ tech_writer = Agent( ) ``` - + **문제점**: 실제 CrewAI workflow 및 업무 테스트 없이 이론상 성능만으로 복잡하게 모델을 선정하고 구성하는 실수. @@ -503,7 +503,7 @@ tech_writer = Agent( ```python # 이렇게 시작 crew = Crew(agents=[...], tasks=[...], llm=LLM(model="gpt-4o-mini")) - + # 성능을 테스트하고, 필요에 따라 특정 agent만 최적화 # Enterprise 플랫폼 테스트를 통해 개선 사항 검증 ``` @@ -541,7 +541,7 @@ tech_writer = Agent( ### 엔터프라이즈급 모델 검증 -LLM 선택을 최적화하고자 하는 팀을 위해 **CrewAI Enterprise 플랫폼**은 기본적인 CLI 테스트를 훨씬 능가하는 정교한 테스트 기능을 제공합니다. 이 플랫폼은 데이터 기반의 LLM 전략 의사결정을 지원하는 종합적인 모델 평가를 가능하게 합니다. +LLM 선택을 최적화하고자 하는 팀을 위해 **CrewAI AMP 플랫폼**은 기본적인 CLI 테스트를 훨씬 능가하는 정교한 테스트 기능을 제공합니다. 이 플랫폼은 데이터 기반의 LLM 전략 의사결정을 지원하는 종합적인 모델 평가를 가능하게 합니다. ![엔터프라이즈 테스트 인터페이스](/images/enterprise/enterprise-testing.png) @@ -571,23 +571,23 @@ Enterprise 플랫폼은 모델 선택을 단순한 추측이 아닌 데이터 이론적 능력이나 일반적인 평판이 아니라, 작업에 실제로 필요한 것에 따라 모델을 선택하세요. - + 최적의 성능을 위해 모델의 강점을 agent의 역할 및 책임과 일치시키세요. - + 관련 구성 요소와 워크플로 전반에 걸쳐 일관된 모델 선택 전략을 유지하세요. - + 벤치마크에만 의존하지 말고 실제 사용을 통해 선택을 검증하세요. - + 단순하게 시작하고 실제 성능과 필요에 따라 최적화하세요. - + 성능 요구사항과 비용 및 복잡성 제약을 균형 있게 맞추세요. @@ -614,7 +614,7 @@ Enterprise 플랫폼은 모델 선택을 단순한 추측이 아닌 데이터 **매니저 LLM 및 복잡한 분석에 최적** - + | Model | Intelligence Score | Cost ($/M tokens) | Speed | Best Use in CrewAI | |:------|:------------------|:------------------|:------|:------------------| | **o3** | 70 | $17.50 | 빠름 | 복잡한 멀티 에이전트 조정용 매니저 LLM | @@ -625,10 +625,10 @@ Enterprise 플랫폼은 모델 선택을 단순한 추측이 아닌 데이터 이 모델들은 다단계 reasoning에 뛰어나며, 전략을 개발하거나 다른 에이전트를 조정하거나 복잡한 정보를 분석해야 하는 에이전트에 이상적입니다. - + **개발 및 도구 중심의 워크플로우에 최적** - + | Model | Coding Performance | Tool Use Score | Cost ($/M tokens) | Best Use in CrewAI | |:------|:------------------|:---------------|:------------------|:------------------| | **Claude 4 Sonnet** | 우수 | 72.7% | $6.00 | 주력 코딩 에이전트, 기술 문서화 | @@ -639,10 +639,10 @@ Enterprise 플랫폼은 모델 선택을 단순한 추측이 아닌 데이터 이 모델들은 코드 생성, 디버깅, 기술 문제 해결에 최적화되어 있어, 개발 중심 팀에 적합합니다. - + **대량 처리 및 실시간 애플리케이션에 최적** - + | Model | Speed (tokens/s) | Latency (TTFT) | Cost ($/M tokens) | Best Use in CrewAI | |:------|:-----------------|:---------------|:------------------|:------------------| | **Llama 4 Scout** | 2,600 | 0.33s | $0.27 | 대량 처리 에이전트 | @@ -653,10 +653,10 @@ Enterprise 플랫폼은 모델 선택을 단순한 추측이 아닌 데이터 이 모델들은 속도와 효율을 우선시하며, 일상적 운영 또는 신속한 응답이 필요한 에이전트에게 최적입니다. **팁**: 이러한 모델을 Groq와 같은 빠른 추론 제공자와 함께 사용하면 더욱 우수한 성능을 낼 수 있습니다. 특히 Llama와 같은 오픈소스 모델에 적합합니다. - + **일반 팀을 위한 최고의 다목적 모델** - + | Model | Overall Score | Versatility | Cost ($/M tokens) | Best Use in CrewAI | |:------|:--------------|:------------|:------------------|:------------------| | **GPT-4.1** | 53 | 탁월 | $3.50 | 범용 팀 LLM | @@ -677,19 +677,19 @@ Enterprise 플랫폼은 모델 선택을 단순한 추측이 아닌 데이터 **전략**: 프리미엄 모델이 전략적 사고를 담당하고, 효율적인 모델이 일상적 operation을 처리하는 멀티 모델 접근법을 구현하세요. - + **예산이 주요 제약일 때**: **DeepSeek R1**, **Llama 4 Scout**, **Gemini 2.0 Flash**와 같은 모델에 집중하세요. 이 모델들은 훨씬 낮은 비용으로 강력한 퍼포먼스를 제공합니다. **전략**: 대부분의 에이전트에는 비용 효율이 높은 모델을 사용하고, 가장 중요한 decision-making 역할에만 프리미엄 모델을 남겨두세요. - + **특정 도메인 전문성이 필요할 때**: 주된 사용 사례에 최적화된 모델을 선택하세요. 코딩에는 **Claude 4** 시리즈, 리서치에는 **Gemini 2.5 Pro**, function calling에는 **Llama 405B**를 사용하세요. **전략**: crew의 주요 기능에 따라 모델을 선택해, 핵심 역량이 모델의 강점과 일치하도록 하세요. - + **데이터 민감한 operation의 경우**: 로컬에서 배포 가능하면서 경쟁력 있는 퍼포먼스를 유지하는 오픈 소스 모델인 **Llama 4** 시리즈, **DeepSeek V3**, **Qwen3** 등을 고려하세요. @@ -715,16 +715,16 @@ Enterprise 플랫폼은 모델 선택을 단순한 추측이 아닌 데이터 여러 차원에서 우수한 성능을 제공하며 실제 환경에서 광범위하게 검증된 **GPT-4.1**, **Claude 3.7 Sonnet**, **Gemini 2.0 Flash**와 같은 잘 알려진 모델부터 시작하십시오. - + crew에 코드 작성, reasoning, 속도 등 특정 요구가 있는지 확인하고, 이러한 요구에 부합하는 **Claude 4 Sonnet**(개발용) 또는 **o3**(복잡한 분석용)과 같은 특화 모델을 고려하십시오. 속도가 중요한 애플리케이션의 경우, 모델 선택과 더불어 **Groq**와 같은 빠른 추론 제공자를 고려할 수 있습니다. - + 각 에이전트의 역할에 따라 다양한 모델을 사용하세요. 관리자와 복잡한 작업에는 고성능 모델을, 일상적 운영에는 효율적인 모델을 적용합니다. - + 사용 사례와 관련된 성능 지표를 추적하고, 새로운 모델이 출시되거나 가격이 변동될 때 모델 선택을 조정할 준비를 하십시오. - \ No newline at end of file + diff --git a/docs/ko/learn/using-annotations.mdx b/docs/ko/learn/using-annotations.mdx index 41f894b50..7cd3a9c97 100644 --- a/docs/ko/learn/using-annotations.mdx +++ b/docs/ko/learn/using-annotations.mdx @@ -42,6 +42,15 @@ class LinkedinProfileCrew(): `@CrewBase` 어노테이션은 메인 crew 클래스를 데코레이트하는 데 사용됩니다. 이 클래스는 일반적으로 agent, task, 그리고 crew 자체를 생성하기 위한 구성과 메서드를 포함합니다. + +`@CrewBase`는 단순히 클래스를 등록하는 것 이상을 처리합니다. + +- **구성 부트스트래핑:** 클래스 파일과 동일한 경로에서 `agents_config`와 `tasks_config`(기본값은 각각 `config/agents.yaml`, `config/tasks.yaml`)을 찾아 인스턴스화 시점에 불러오며, 파일이 없으면 빈 딕셔너리로 안전하게 대체합니다. +- **데코레이터 오케스트레이션:** `@agent`, `@task`, `@before_kickoff`, `@after_kickoff`로 표시된 메서드를 메모이즈하여 crew마다 한 번만 인스턴스화하고 선언 순서를 보장합니다. +- **후크 연결:** 보존된 킥오프 훅을 `@crew` 메서드가 반환하는 `Crew` 객체에 자동으로 연결하여 `.kickoff()` 호출 전후에 실행되도록 합니다. +- **MCP 연동:** 클래스에 `mcp_server_params`가 정의되어 있으면 `get_mcp_tools()`가 MCP 서버 어댑터를 지연 생성해 도구를 로드하고, 내부 after-kickoff 훅이 킥오프 종료 후 어댑터를 정리합니다. 어댑터 구성 방법은 [MCP 개요](/ko/mcp/overview)를 참고하세요. + + ### 2. 도구 정의 ```python @@ -100,7 +109,7 @@ def crew(self) -> Crew: process=Process.sequential, verbose=True ) -``` +``` `@crew` 어노테이션은 `Crew` 객체를 생성하고 반환하는 메서드를 데코레이션하는 데 사용됩니다. 이 메서드는 모든 구성 요소(agents와 tasks)를 기능적인 crew로 조합합니다. @@ -139,4 +148,4 @@ YAML 파일의 `llm`과 `tools`가 Python 클래스에서 `@llm` 및 `@tool`로 - **유연성**: agent와 task를 쉽게 추가 및 제거할 수 있도록 crew를 유연하게 설계하세요. - **YAML-코드 일치**: YAML 파일의 이름과 구조가 Python 코드의 데코레이터가 적용된 메서드와 정확히 일치하는지 확인하세요. -이 지침을 따르고 주석을 올바르게 사용하면 CrewAI 프레임워크를 이용해 구조적이고 유지보수가 쉬운 crew를 만들 수 있습니다. \ No newline at end of file +이 지침을 따르고 주석을 올바르게 사용하면 CrewAI 프레임워크를 이용해 구조적이고 유지보수가 쉬운 crew를 만들 수 있습니다. diff --git a/docs/ko/mcp/overview.mdx b/docs/ko/mcp/overview.mdx index 256ff1161..3a8b1ccb3 100644 --- a/docs/ko/mcp/overview.mdx +++ b/docs/ko/mcp/overview.mdx @@ -21,14 +21,12 @@ mode: "wide" CrewAI와 MCP 통합에 대한 종합적인 안내를 위해 이 비디오 튜토리얼을 시청하세요: ## 설치 @@ -175,6 +173,16 @@ class CrewWithMCP: # ... 나머지 crew 설정 ... ``` + +`@CrewBase`로 데코레이션된 클래스에서는 어댑터 수명 주기가 자동으로 관리됩니다. + +- `get_mcp_tools()`가 처음 호출될 때 공유 `MCPServerAdapter`가 지연 생성되며 crew 내 모든 에이전트가 이를 재사용합니다. +- `.kickoff()`가 끝나면 `@CrewBase`가 주입한 after-kickoff 훅이 어댑터를 종료하므로 별도의 정리 코드가 필요 없습니다. +- `mcp_server_params`를 지정하지 않으면 `get_mcp_tools()`는 빈 리스트를 반환하여 MCP 설정 여부와 상관없이 동일한 코드 경로를 사용할 수 있습니다. + +따라서 여러 에이전트에서 `get_mcp_tools()`를 호출하거나 환경에 따라 MCP 사용을 토글하더라도 안전하게 동작합니다. + + ### 연결 타임아웃 구성 `mcp_connect_timeout` 클래스 속성을 설정하여 MCP 서버의 연결 타임아웃을 구성할 수 있습니다. 타임아웃을 지정하지 않으면 기본값으로 30초가 사용됩니다. diff --git a/docs/ko/observability/neatlogs.mdx b/docs/ko/observability/neatlogs.mdx index 1d85a7c6e..c01704823 100644 --- a/docs/ko/observability/neatlogs.mdx +++ b/docs/ko/observability/neatlogs.mdx @@ -85,10 +85,9 @@ GitHub에 따르면, Neatlogs는: ### 🔍 전체 데모 (4 분) @@ -361,7 +359,7 @@ CLI를 사용하여 [CrewAI Enterprise](http://app.crewai.com)에 crew를 배포 icon="rocket" href="http://app.crewai.com" > - CrewAI Enterprise로 시작하여 몇 번의 클릭만으로 production 환경에 crew를 배포하세요. + CrewAI AMP로 시작하여 몇 번의 클릭만으로 production 환경에 crew를 배포하세요. 오픈 소스 커뮤니티에 참여하여 아이디어를 나누고, 프로젝트를 공유하며, 다른 CrewAI 개발자들과 소통하세요. - \ No newline at end of file + diff --git a/docs/ko/tools/cloud-storage/bedrockinvokeagenttool.mdx b/docs/ko/tools/cloud-storage/bedrockinvokeagenttool.mdx deleted file mode 100644 index cdb9f4cd4..000000000 --- a/docs/ko/tools/cloud-storage/bedrockinvokeagenttool.mdx +++ /dev/null @@ -1,188 +0,0 @@ ---- -title: Bedrock Invoke Agent 도구 -description: CrewAI 에이전트가 Amazon Bedrock 에이전트를 호출하고, 워크플로우 내에서 그 기능을 활용할 수 있도록 합니다 -icon: aws -mode: "wide" ---- - -# `BedrockInvokeAgentTool` - -`BedrockInvokeAgentTool`은 CrewAI agent가 Amazon Bedrock Agent를 호출하여 워크플로우 내에서 해당 기능을 활용할 수 있도록 해줍니다. - -## 설치 - -```bash -uv pip install 'crewai[tools]' -``` - -## 요구 사항 - -- AWS 자격 증명이 구성되어 있어야 합니다(AWS CLI 또는 환경 변수 사용) -- `boto3` 및 `python-dotenv` 패키지 -- Amazon Bedrock Agents에 대한 액세스 권한 - -## 사용법 - -CrewAI agent와 함께 이 도구를 사용하는 방법은 다음과 같습니다: - -```python {2, 4-8} -from crewai import Agent, Task, Crew -from crewai_tools.aws.bedrock.agents.invoke_agent_tool import BedrockInvokeAgentTool - -# Initialize the tool -agent_tool = BedrockInvokeAgentTool( - agent_id="your-agent-id", - agent_alias_id="your-agent-alias-id" -) - -# Create a CrewAI agent that uses the tool -aws_expert = Agent( - role='AWS Service Expert', - goal='Help users understand AWS services and quotas', - backstory='I am an expert in AWS services and can provide detailed information about them.', - tools=[agent_tool], - verbose=True -) - -# Create a task for the agent -quota_task = Task( - description="Find out the current service quotas for EC2 in us-west-2 and explain any recent changes.", - agent=aws_expert -) - -# Create a crew with the agent -crew = Crew( - agents=[aws_expert], - tasks=[quota_task], - verbose=2 -) - -# Run the crew -result = crew.kickoff() -print(result) -``` - -## 도구 인수 - -| 인수 | 타입 | 필수 여부 | 기본값 | 설명 | -|:---------|:-----|:---------|:--------|:------------| -| **agent_id** | `str` | 예 | 없음 | Bedrock agent의 고유 식별자 | -| **agent_alias_id** | `str` | 예 | 없음 | agent alias의 고유 식별자 | -| **session_id** | `str` | 아니오 | timestamp | 세션의 고유 식별자 | -| **enable_trace** | `bool` | 아니오 | False | 디버깅을 위한 trace 활성화 여부 | -| **end_session** | `bool` | 아니오 | False | 호출 후 세션 종료 여부 | -| **description** | `str` | 아니오 | 없음 | 도구에 대한 사용자 지정 설명 | - -## 환경 변수 - -```bash -BEDROCK_AGENT_ID=your-agent-id # Alternative to passing agent_id -BEDROCK_AGENT_ALIAS_ID=your-agent-alias-id # Alternative to passing agent_alias_id -AWS_REGION=your-aws-region # Defaults to us-west-2 -AWS_ACCESS_KEY_ID=your-access-key # Required for AWS authentication -AWS_SECRET_ACCESS_KEY=your-secret-key # Required for AWS authentication -``` - -## 고급 사용법 - -### 세션 관리가 포함된 다중 에이전트 워크플로우 - -```python {2, 4-22} -from crewai import Agent, Task, Crew, Process -from crewai_tools.aws.bedrock.agents.invoke_agent_tool import BedrockInvokeAgentTool - -# Initialize tools with session management -initial_tool = BedrockInvokeAgentTool( - agent_id="your-agent-id", - agent_alias_id="your-agent-alias-id", - session_id="custom-session-id" -) - -followup_tool = BedrockInvokeAgentTool( - agent_id="your-agent-id", - agent_alias_id="your-agent-alias-id", - session_id="custom-session-id" -) - -final_tool = BedrockInvokeAgentTool( - agent_id="your-agent-id", - agent_alias_id="your-agent-alias-id", - session_id="custom-session-id", - end_session=True -) - -# Create agents for different stages -researcher = Agent( - role='AWS Service Researcher', - goal='Gather information about AWS services', - backstory='I am specialized in finding detailed AWS service information.', - tools=[initial_tool] -) - -analyst = Agent( - role='Service Compatibility Analyst', - goal='Analyze service compatibility and requirements', - backstory='I analyze AWS services for compatibility and integration possibilities.', - tools=[followup_tool] -) - -summarizer = Agent( - role='Technical Documentation Writer', - goal='Create clear technical summaries', - backstory='I specialize in creating clear, concise technical documentation.', - tools=[final_tool] -) - -# Create tasks -research_task = Task( - description="Find all available AWS services in us-west-2 region.", - agent=researcher -) - -analysis_task = Task( - description="Analyze which services support IPv6 and their implementation requirements.", - agent=analyst -) - -summary_task = Task( - description="Create a summary of IPv6-compatible services and their key features.", - agent=summarizer -) - -# Create a crew with the agents and tasks -crew = Crew( - agents=[researcher, analyst, summarizer], - tasks=[research_task, analysis_task, summary_task], - process=Process.sequential, - verbose=2 -) - -# Run the crew -result = crew.kickoff() -``` - -## 사용 사례 - -### 하이브리드 멀티 에이전트 협업 -- CrewAI 에이전트가 AWS에서 서비스로 실행되는 관리형 Bedrock 에이전트와 협력하는 워크플로우를 생성합니다. -- 민감한 데이터 처리가 AWS 환경 내에서 이루어지면서, 다른 에이전트는 외부에서 작동하는 시나리오를 구현합니다. -- 온프레미스 CrewAI 에이전트와 클라우드 기반 Bedrock 에이전트를 연결하여 분산 지능 워크플로우를 실현합니다. - -### 데이터 주권 및 준수 -- 데이터에 민감한 에이전틱 워크플로우를 AWS 환경 내에서 유지하면서, 외부 CrewAI 에이전트가 작업을 오케스트레이션할 수 있도록 허용합니다 -- 민감한 정보를 오직 귀하의 AWS 계정 내에서 처리함으로써 데이터 보관 위치 요건을 준수합니다 -- 일부 에이전트가 귀 조직의 비공개 데이터에 접근할 수 없는 안전한 다중 에이전트 협업을 가능하게 합니다 - -### 원활한 AWS 서비스 통합 -- 복잡한 통합 코드를 작성하지 않고도 Amazon Bedrock Actions를 통해 모든 AWS 서비스에 액세스할 수 있습니다. -- CrewAI 에이전트가 자연어 요청을 통해 AWS 서비스와 상호작용할 수 있습니다. -- Bedrock Knowledge Bases, Lambda 등과 같은 AWS 서비스와 상호작용할 수 있도록 사전 구축된 Bedrock 에이전트 기능을 활용할 수 있습니다. - -### 확장 가능한 하이브리드 에이전트 아키텍처 -- 계산 집약적인 작업은 관리형 Bedrock 에이전트에 오프로드하고, 경량 작업은 CrewAI에서 실행 -- 로컬 CrewAI 에이전트와 클라우드 기반 Bedrock 에이전트 간에 워크로드를 분산하여 에이전트 처리를 확장 - -### 조직 간 에이전트 협업 -- 귀 조직의 CrewAI 에이전트와 파트너 조직의 Bedrock 에이전트 간의 안전한 협업을 지원합니다 -- 민감한 데이터를 노출하지 않고도 Bedrock 에이전트의 외부 전문 지식을 워크플로우에 통합할 수 있습니다 -- 보안 및 데이터 통제를 유지하면서 조직 경계를 넘는 에이전트 생태계를 구축합니다 \ No newline at end of file diff --git a/docs/ko/tools/integration/bedrockinvokeagenttool.mdx b/docs/ko/tools/integration/bedrockinvokeagenttool.mdx new file mode 100644 index 000000000..2a8e2ba25 --- /dev/null +++ b/docs/ko/tools/integration/bedrockinvokeagenttool.mdx @@ -0,0 +1,188 @@ +--- +title: Bedrock Invoke Agent Tool +description: Enables CrewAI agents to invoke Amazon Bedrock Agents and leverage their capabilities within your workflows +icon: aws +mode: "wide" +--- + +# `BedrockInvokeAgentTool` + +The `BedrockInvokeAgentTool` enables CrewAI agents to invoke Amazon Bedrock Agents and leverage their capabilities within your workflows. + +## Installation + +```bash +uv pip install 'crewai[tools]' +``` + +## Requirements + +- AWS credentials configured (either through environment variables or AWS CLI) +- `boto3` and `python-dotenv` packages +- Access to Amazon Bedrock Agents + +## Usage + +Here's how to use the tool with a CrewAI agent: + +```python {2, 4-8} +from crewai import Agent, Task, Crew +from crewai_tools.aws.bedrock.agents.invoke_agent_tool import BedrockInvokeAgentTool + +# Initialize the tool +agent_tool = BedrockInvokeAgentTool( + agent_id="your-agent-id", + agent_alias_id="your-agent-alias-id" +) + +# Create a CrewAI agent that uses the tool +aws_expert = Agent( + role='AWS Service Expert', + goal='Help users understand AWS services and quotas', + backstory='I am an expert in AWS services and can provide detailed information about them.', + tools=[agent_tool], + verbose=True +) + +# Create a task for the agent +quota_task = Task( + description="Find out the current service quotas for EC2 in us-west-2 and explain any recent changes.", + agent=aws_expert +) + +# Create a crew with the agent +crew = Crew( + agents=[aws_expert], + tasks=[quota_task], + verbose=2 +) + +# Run the crew +result = crew.kickoff() +print(result) +``` + +## Tool Arguments + +| Argument | Type | Required | Default | Description | +|:---------|:-----|:---------|:--------|:------------| +| **agent_id** | `str` | Yes | None | The unique identifier of the Bedrock agent | +| **agent_alias_id** | `str` | Yes | None | The unique identifier of the agent alias | +| **session_id** | `str` | No | timestamp | The unique identifier of the session | +| **enable_trace** | `bool` | No | False | Whether to enable trace for debugging | +| **end_session** | `bool` | No | False | Whether to end the session after invocation | +| **description** | `str` | No | None | Custom description for the tool | + +## Environment Variables + +```bash +BEDROCK_AGENT_ID=your-agent-id # Alternative to passing agent_id +BEDROCK_AGENT_ALIAS_ID=your-agent-alias-id # Alternative to passing agent_alias_id +AWS_REGION=your-aws-region # Defaults to us-west-2 +AWS_ACCESS_KEY_ID=your-access-key # Required for AWS authentication +AWS_SECRET_ACCESS_KEY=your-secret-key # Required for AWS authentication +``` + +## Advanced Usage + +### Multi-Agent Workflow with Session Management + +```python {2, 4-22} +from crewai import Agent, Task, Crew, Process +from crewai_tools.aws.bedrock.agents.invoke_agent_tool import BedrockInvokeAgentTool + +# Initialize tools with session management +initial_tool = BedrockInvokeAgentTool( + agent_id="your-agent-id", + agent_alias_id="your-agent-alias-id", + session_id="custom-session-id" +) + +followup_tool = BedrockInvokeAgentTool( + agent_id="your-agent-id", + agent_alias_id="your-agent-alias-id", + session_id="custom-session-id" +) + +final_tool = BedrockInvokeAgentTool( + agent_id="your-agent-id", + agent_alias_id="your-agent-alias-id", + session_id="custom-session-id", + end_session=True +) + +# Create agents for different stages +researcher = Agent( + role='AWS Service Researcher', + goal='Gather information about AWS services', + backstory='I am specialized in finding detailed AWS service information.', + tools=[initial_tool] +) + +analyst = Agent( + role='Service Compatibility Analyst', + goal='Analyze service compatibility and requirements', + backstory='I analyze AWS services for compatibility and integration possibilities.', + tools=[followup_tool] +) + +summarizer = Agent( + role='Technical Documentation Writer', + goal='Create clear technical summaries', + backstory='I specialize in creating clear, concise technical documentation.', + tools=[final_tool] +) + +# Create tasks +research_task = Task( + description="Find all available AWS services in us-west-2 region.", + agent=researcher +) + +analysis_task = Task( + description="Analyze which services support IPv6 and their implementation requirements.", + agent=analyst +) + +summary_task = Task( + description="Create a summary of IPv6-compatible services and their key features.", + agent=summarizer +) + +# Create a crew with the agents and tasks +crew = Crew( + agents=[researcher, analyst, summarizer], + tasks=[research_task, analysis_task, summary_task], + process=Process.sequential, + verbose=2 +) + +# Run the crew +result = crew.kickoff() +``` + +## Use Cases + +### Hybrid Multi-Agent Collaborations +- Create workflows where CrewAI agents collaborate with managed Bedrock agents running as services in AWS +- Enable scenarios where sensitive data processing happens within your AWS environment while other agents operate externally +- Bridge on-premises CrewAI agents with cloud-based Bedrock agents for distributed intelligence workflows + +### Data Sovereignty and Compliance +- Keep data-sensitive agentic workflows within your AWS environment while allowing external CrewAI agents to orchestrate tasks +- Maintain compliance with data residency requirements by processing sensitive information only within your AWS account +- Enable secure multi-agent collaborations where some agents cannot access your organization's private data + +### Seamless AWS Service Integration +- Access any AWS service through Amazon Bedrock Actions without writing complex integration code +- Enable CrewAI agents to interact with AWS services through natural language requests +- Leverage pre-built Bedrock agent capabilities to interact with AWS services like Bedrock Knowledge Bases, Lambda, and more + +### Scalable Hybrid Agent Architectures +- Offload computationally intensive tasks to managed Bedrock agents while lightweight tasks run in CrewAI +- Scale agent processing by distributing workloads between local CrewAI agents and cloud-based Bedrock agents + +### Cross-Organizational Agent Collaboration +- Enable secure collaboration between your organization's CrewAI agents and partner organizations' Bedrock agents +- Create workflows where external expertise from Bedrock agents can be incorporated without exposing sensitive data +- Build agent ecosystems that span organizational boundaries while maintaining security and data control diff --git a/docs/ko/tools/integration/crewaiautomationtool.mdx b/docs/ko/tools/integration/crewaiautomationtool.mdx new file mode 100644 index 000000000..4db577dc7 --- /dev/null +++ b/docs/ko/tools/integration/crewaiautomationtool.mdx @@ -0,0 +1,276 @@ +--- +title: CrewAI Run Automation Tool +description: Enables CrewAI agents to invoke CrewAI Platform automations and leverage external crew services within your workflows. +icon: robot +--- + +# `InvokeCrewAIAutomationTool` + +The `InvokeCrewAIAutomationTool` provides CrewAI Platform API integration with external crew services. This tool allows you to invoke and interact with CrewAI Platform automations from within your CrewAI agents, enabling seamless integration between different crew workflows. + +## Installation + +```bash +uv pip install 'crewai[tools]' +``` + +## Requirements + +- CrewAI Platform API access +- Valid bearer token for authentication +- Network access to CrewAI Platform automation endpoints + +## Usage + +Here's how to use the tool with a CrewAI agent: + +```python {2, 4-9} +from crewai import Agent, Task, Crew +from crewai_tools import InvokeCrewAIAutomationTool + +# Initialize the tool +automation_tool = InvokeCrewAIAutomationTool( + crew_api_url="https://data-analysis-crew-[...].crewai.com", + crew_bearer_token="your_bearer_token_here", + crew_name="Data Analysis Crew", + crew_description="Analyzes data and generates insights" +) + +# Create a CrewAI agent that uses the tool +automation_coordinator = Agent( + role='Automation Coordinator', + goal='Coordinate and execute automated crew tasks', + backstory='I am an expert at leveraging automation tools to execute complex workflows.', + tools=[automation_tool], + verbose=True +) + +# Create a task for the agent +analysis_task = Task( + description="Execute data analysis automation and provide insights", + agent=automation_coordinator, + expected_output="Comprehensive data analysis report" +) + +# Create a crew with the agent +crew = Crew( + agents=[automation_coordinator], + tasks=[analysis_task], + verbose=2 +) + +# Run the crew +result = crew.kickoff() +print(result) +``` + +## Tool Arguments + +| Argument | Type | Required | Default | Description | +|:---------|:-----|:---------|:--------|:------------| +| **crew_api_url** | `str` | Yes | None | Base URL of the CrewAI Platform automation API | +| **crew_bearer_token** | `str` | Yes | None | Bearer token for API authentication | +| **crew_name** | `str` | Yes | None | Name of the crew automation | +| **crew_description** | `str` | Yes | None | Description of what the crew automation does | +| **max_polling_time** | `int` | No | 600 | Maximum time in seconds to wait for task completion | +| **crew_inputs** | `dict` | No | None | Dictionary defining custom input schema fields | + +## Environment Variables + +```bash +CREWAI_API_URL=https://your-crew-automation.crewai.com # Alternative to passing crew_api_url +CREWAI_BEARER_TOKEN=your_bearer_token_here # Alternative to passing crew_bearer_token +``` + +## Advanced Usage + +### Custom Input Schema with Dynamic Parameters + +```python {2, 4-15} +from crewai import Agent, Task, Crew +from crewai_tools import InvokeCrewAIAutomationTool +from pydantic import Field + +# Define custom input schema +custom_inputs = { + "year": Field(..., description="Year to retrieve the report for (integer)"), + "region": Field(default="global", description="Geographic region for analysis"), + "format": Field(default="summary", description="Report format (summary, detailed, raw)") +} + +# Create tool with custom inputs +market_research_tool = InvokeCrewAIAutomationTool( + crew_api_url="https://state-of-ai-report-crew-[...].crewai.com", + crew_bearer_token="your_bearer_token_here", + crew_name="State of AI Report", + crew_description="Retrieves a comprehensive report on state of AI for a given year and region", + crew_inputs=custom_inputs, + max_polling_time=15 * 60 # 15 minutes timeout +) + +# Create an agent with the tool +research_agent = Agent( + role="Research Coordinator", + goal="Coordinate and execute market research tasks", + backstory="You are an expert at coordinating research tasks and leveraging automation tools.", + tools=[market_research_tool], + verbose=True +) + +# Create and execute a task with custom parameters +research_task = Task( + description="Conduct market research on AI tools market for 2024 in North America with detailed format", + agent=research_agent, + expected_output="Comprehensive market research report" +) + +crew = Crew( + agents=[research_agent], + tasks=[research_task] +) + +result = crew.kickoff() +``` + +### Multi-Stage Automation Workflow + +```python {2, 4-35} +from crewai import Agent, Task, Crew, Process +from crewai_tools import InvokeCrewAIAutomationTool + +# Initialize different automation tools +data_collection_tool = InvokeCrewAIAutomationTool( + crew_api_url="https://data-collection-crew-[...].crewai.com", + crew_bearer_token="your_bearer_token_here", + crew_name="Data Collection Automation", + crew_description="Collects and preprocesses raw data" +) + +analysis_tool = InvokeCrewAIAutomationTool( + crew_api_url="https://analysis-crew-[...].crewai.com", + crew_bearer_token="your_bearer_token_here", + crew_name="Analysis Automation", + crew_description="Performs advanced data analysis and modeling" +) + +reporting_tool = InvokeCrewAIAutomationTool( + crew_api_url="https://reporting-crew-[...].crewai.com", + crew_bearer_token="your_bearer_token_here", + crew_name="Reporting Automation", + crew_description="Generates comprehensive reports and visualizations" +) + +# Create specialized agents +data_collector = Agent( + role='Data Collection Specialist', + goal='Gather and preprocess data from various sources', + backstory='I specialize in collecting and cleaning data from multiple sources.', + tools=[data_collection_tool] +) + +data_analyst = Agent( + role='Data Analysis Expert', + goal='Perform advanced analysis on collected data', + backstory='I am an expert in statistical analysis and machine learning.', + tools=[analysis_tool] +) + +report_generator = Agent( + role='Report Generation Specialist', + goal='Create comprehensive reports and visualizations', + backstory='I excel at creating clear, actionable reports from complex data.', + tools=[reporting_tool] +) + +# Create sequential tasks +collection_task = Task( + description="Collect market data for Q4 2024 analysis", + agent=data_collector +) + +analysis_task = Task( + description="Analyze collected data to identify trends and patterns", + agent=data_analyst +) + +reporting_task = Task( + description="Generate executive summary report with key insights and recommendations", + agent=report_generator +) + +# Create a crew with sequential processing +crew = Crew( + agents=[data_collector, data_analyst, report_generator], + tasks=[collection_task, analysis_task, reporting_task], + process=Process.sequential, + verbose=2 +) + +result = crew.kickoff() +``` + +## Use Cases + +### Distributed Crew Orchestration +- Coordinate multiple specialized crew automations to handle complex, multi-stage workflows +- Enable seamless handoffs between different automation services for comprehensive task execution +- Scale processing by distributing workloads across multiple CrewAI Platform automations + +### Cross-Platform Integration +- Bridge CrewAI agents with CrewAI Platform automations for hybrid local-cloud workflows +- Leverage specialized automations while maintaining local control and orchestration +- Enable secure collaboration between local agents and cloud-based automation services + +### Enterprise Automation Pipelines +- Create enterprise-grade automation pipelines that combine local intelligence with cloud processing power +- Implement complex business workflows that span multiple automation services +- Enable scalable, repeatable processes for data analysis, reporting, and decision-making + +### Dynamic Workflow Composition +- Dynamically compose workflows by chaining different automation services based on task requirements +- Enable adaptive processing where the choice of automation depends on data characteristics or business rules +- Create flexible, reusable automation components that can be combined in various ways + +### Specialized Domain Processing +- Access domain-specific automations (financial analysis, legal research, technical documentation) from general-purpose agents +- Leverage pre-built, specialized crew automations without rebuilding complex domain logic +- Enable agents to access expert-level capabilities through targeted automation services + +## Custom Input Schema + +When defining `crew_inputs`, use Pydantic Field objects to specify the input parameters: + +```python +from pydantic import Field + +crew_inputs = { + "required_param": Field(..., description="This parameter is required"), + "optional_param": Field(default="default_value", description="This parameter is optional"), + "typed_param": Field(..., description="Integer parameter", ge=1, le=100) # With validation +} +``` + +## Error Handling + +The tool provides comprehensive error handling for common scenarios: + +- **API Connection Errors**: Network connectivity issues with CrewAI Platform +- **Authentication Errors**: Invalid or expired bearer tokens +- **Timeout Errors**: Tasks that exceed the maximum polling time +- **Task Failures**: Crew automations that fail during execution +- **Input Validation Errors**: Invalid parameters passed to automation endpoints + +## API Endpoints + +The tool interacts with two main API endpoints: + +- `POST {crew_api_url}/kickoff`: Starts a new crew automation task +- `GET {crew_api_url}/status/{crew_id}`: Checks the status of a running task + +## Notes + +- The tool automatically polls the status endpoint every second until completion or timeout +- Successful tasks return the result directly, while failed tasks return error information +- Bearer tokens should be kept secure and not hardcoded in production environments +- Consider using environment variables for sensitive configuration like bearer tokens +- Custom input schemas must be compatible with the target crew automation's expected parameters diff --git a/docs/ko/tools/integration/overview.mdx b/docs/ko/tools/integration/overview.mdx new file mode 100644 index 000000000..cdeb70ac3 --- /dev/null +++ b/docs/ko/tools/integration/overview.mdx @@ -0,0 +1,72 @@ +--- +title: "개요" +description: "CrewAI 에이전트를 외부 자동화 및 관리형 AI 서비스와 연결" +icon: "plug" +mode: "wide" +--- + +통합 도구를 사용하면 에이전트가 다른 자동화 플랫폼이나 관리형 AI 서비스에 작업을 위임할 수 있습니다. 이미 운영 중인 CrewAI Platform 자동화를 호출하거나 Amazon Bedrock과 같은 전문 제공업체에 태스크를 넘겨야 할 때 활용하세요. + +## **사용 가능한 도구** + + + + 실행 중인 CrewAI Platform 자동화를 호출하고 사용자 입력을 전달하며, 결과를 에이전트로 다시 수집합니다. + + + + 크루에서 Amazon Bedrock Agent를 호출하고 기존 AWS 가드레일을 재사용하며 응답을 현재 워크플로우로 되돌립니다. + + + +## **주요 사용 사례** + +- **자동화 연결**: 한 크루 또는 플로우에서 다른 CrewAI 자동화를 연속 실행 +- **엔터프라이즈 핸드오프**: 사내 정책과 가드레일을 담고 있는 Bedrock Agent에 태스크 위임 +- **하이브리드 워크플로우**: CrewAI의 추론 능력과 외부의 에이전트 API를 결합 +- **장기 실행 작업**: 외부 자동화를 폴링하고 최종 결과를 현재 실행에 병합 + +## **빠른 시작 예시** + +```python +from crewai import Agent, Task, Crew +from crewai_tools import InvokeCrewAIAutomationTool +from crewai_tools.aws.bedrock.agents.invoke_agent_tool import BedrockInvokeAgentTool + +# 외부 자동화 +analysis_automation = InvokeCrewAIAutomationTool( + crew_api_url="https://analysis-crew.acme.crewai.com", + crew_bearer_token="YOUR_BEARER_TOKEN", + crew_name="Analysis Automation", + crew_description="프로덕션 분석 파이프라인을 실행", +) + +# Bedrock 관리형 에이전트 +knowledge_router = BedrockInvokeAgentTool( + agent_id="bedrock-agent-id", + agent_alias_id="prod", +) + +automation_strategist = Agent( + role="자동화 전략가", + goal="외부 자동화를 조율하고 결과를 요약", + backstory="엔터프라이즈 워크플로우를 조정하고 전문 서비스에 태스크를 위임할 시점을 알고 있습니다.", + tools=[analysis_automation, knowledge_router], + verbose=True, +) + +execute_playbook = Task( + description="분석 자동화를 실행하고 Bedrock 에이전트에게 경영진 브리핑용 핵심 포인트를 요청하세요.", + agent=automation_strategist, +) + +Crew(agents=[automation_strategist], tasks=[execute_playbook]).kickoff() +``` + +## **모범 사례** + +- **자격 증명 보호**: API 키와 토큰은 환경 변수 또는 비밀 관리 솔루션에 저장하세요 +- **지연 시간 고려**: 외부 자동화는 시간이 더 걸릴 수 있으므로 폴링 주기와 타임아웃을 적절히 설정하세요 +- **세션 재사용**: Bedrock Agent는 세션 ID를 지원하므로 여러 호출 간에 컨텍스트를 유지할 수 있습니다 +- **응답 검증**: 후속 단계로 전달하기 전에 외부 출력(JSON, 텍스트, 상태 코드 등)을 정규화하세요 +- **사용량 모니터링**: CrewAI Platform 로그나 AWS CloudWatch를 통해 할당량 초과와 실패를 조기에 감지하세요 diff --git a/docs/ko/tools/tool-integrations/overview.mdx b/docs/ko/tools/tool-integrations/overview.mdx new file mode 100644 index 000000000..4dfa0e62b --- /dev/null +++ b/docs/ko/tools/tool-integrations/overview.mdx @@ -0,0 +1,30 @@ +--- +title: Overview +description: Integrations for deploying and automating crews with external platforms +icon: face-smile +mode: "wide" +--- + +## Available Integrations + + + + Invoke Amazon Bedrock Agents from CrewAI to orchestrate actions across AWS services. + + + + Automate deployment and operations by integrating CrewAI with external platforms and workflows. + + + +Use these integrations to connect CrewAI with your infrastructure and workflows. diff --git a/docs/pt-BR/api-reference/introduction.mdx b/docs/pt-BR/api-reference/introduction.mdx index 5a6cb83f3..c446fb9db 100644 --- a/docs/pt-BR/api-reference/introduction.mdx +++ b/docs/pt-BR/api-reference/introduction.mdx @@ -1,29 +1,29 @@ --- title: "Introdução" -description: "Referência completa para a API REST do CrewAI Enterprise" +description: "Referência completa para a API REST do CrewAI AMP" icon: "code" mode: "wide" --- -# CrewAI Enterprise API +# CrewAI AMP API -Bem-vindo à referência da API do CrewAI Enterprise. Esta API permite que você interaja programaticamente com seus crews implantados, possibilitando a integração com seus aplicativos, fluxos de trabalho e serviços. +Bem-vindo à referência da API do CrewAI AMP. Esta API permite que você interaja programaticamente com seus crews implantados, possibilitando a integração com seus aplicativos, fluxos de trabalho e serviços. ## Início Rápido - Navegue até a página de detalhes do seu crew no painel do CrewAI Enterprise e copie seu Bearer Token na aba Status. + Navegue até a página de detalhes do seu crew no painel do CrewAI AMP e copie seu Bearer Token na aba Status. - + Use o endpoint `GET /inputs` para ver quais parâmetros seu crew espera. - + Chame `POST /kickoff` com seus inputs para iniciar a execução do crew e receber um `kickoff_id`. - + Use `GET /status/{kickoff_id}` para checar o status da execução e recuperar os resultados. @@ -46,7 +46,7 @@ curl -H "Authorization: Bearer YOUR_CREW_TOKEN" \ | **User Bearer Token** | Acesso com escopo de usuário | Permissões limitadas, adequado para operações específicas de usuário | -Você pode encontrar ambos os tipos de token na aba Status da página de detalhes do seu crew no painel do CrewAI Enterprise. +Você pode encontrar ambos os tipos de token na aba Status da página de detalhes do seu crew no painel do CrewAI AMP. ## URL Base @@ -62,7 +62,7 @@ Substitua `your-crew-name` pela URL real do seu crew no painel. ## Fluxo Típico 1. **Descoberta**: Chame `GET /inputs` para entender o que seu crew precisa -2. **Execução**: Envie os inputs via `POST /kickoff` para iniciar o processamento +2. **Execução**: Envie os inputs via `POST /kickoff` para iniciar o processamento 3. **Monitoramento**: Faça polling em `GET /status/{kickoff_id}` até a conclusão 4. **Resultados**: Extraia o output final da resposta concluída @@ -82,12 +82,12 @@ A API utiliza códigos de status HTTP padrão: ## Testes Interativos -**Por que não há botão "Enviar"?** Como cada usuário do CrewAI Enterprise possui sua própria URL de crew, utilizamos o **modo referência** em vez de um playground interativo para evitar confusão. Isso mostra exatamente como as requisições devem ser feitas, sem botões de envio não funcionais. +**Por que não há botão "Enviar"?** Como cada usuário do CrewAI AMP possui sua própria URL de crew, utilizamos o **modo referência** em vez de um playground interativo para evitar confusão. Isso mostra exatamente como as requisições devem ser feitas, sem botões de envio não funcionais. Cada página de endpoint mostra para você: - ✅ **Formato exato da requisição** com todos os parâmetros -- ✅ **Exemplos de resposta** para casos de sucesso e erro +- ✅ **Exemplos de resposta** para casos de sucesso e erro - ✅ **Exemplos de código** em várias linguagens (cURL, Python, JavaScript, etc.) - ✅ **Exemplos de autenticação** com o formato adequado de Bearer token @@ -104,7 +104,7 @@ Cada página de endpoint mostra para você: **Exemplo de fluxo:** 1. **Copie este exemplo cURL** de qualquer página de endpoint -2. **Substitua `your-actual-crew-name.crewai.com`** pela URL real do seu crew +2. **Substitua `your-actual-crew-name.crewai.com`** pela URL real do seu crew 3. **Substitua o Bearer token** pelo seu token real do painel 4. **Execute a requisição** no seu terminal ou cliente de API @@ -117,4 +117,4 @@ Cada página de endpoint mostra para você: Gerencie seus crews e visualize logs de execução - \ No newline at end of file + diff --git a/docs/pt-BR/changelog.mdx b/docs/pt-BR/changelog.mdx index 419337d15..6ff5961be 100644 --- a/docs/pt-BR/changelog.mdx +++ b/docs/pt-BR/changelog.mdx @@ -4,6 +4,84 @@ description: "Atualizações de produto, melhorias e correções do CrewAI" icon: "clock" mode: "wide" --- + + ## v1.0.0a1 + + [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/1.0.0a1) + + ## O que mudou + + ### Melhorias e correções principais + - Corrigido o controle de permissões do atributo `actions` na configuração de agentes + - Fluxos de CI e publicação atualizados para suportar a nova estrutura de monorepo + - Migração para Python 3.13 e atualização do metadado dos pacotes + + ### Novos recursos e melhorias + - Novos atributos `apps` e `actions` nos agentes para controles avançados em runtime + - Repositório `crewai-tools` incorporado ao workspace principal (monorepo) + - Versão incrementada para 1.0.0a1 em todos os pacotes (marco alpha) + + ### Limpeza e infraestrutura + - Novo pipeline de CI com versionamento fixo e estratégia de publicação + - Unificação do código interno para gerenciar múltiplos pacotes + + + + + ## v0.201.1 + + [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.201.1) + + ## O que mudou + + ### Melhorias e correções principais + - Provedor de embeddings Watson renomeado para `watsonx` com prefixos de ambiente atualizados + - Compatibilidade do ChromaDB com providers `watsonx` e `voyageai` + + ### Limpeza e descontinuações + - Padronização dos prefixos de variáveis de ambiente para todos os providers + - Versão do CrewAI atualizada para 0.201.1 com dependências internas revisadas + + + + + ## v0.201.0 + + [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.201.0) + + ## O que mudou + + ### Melhorias e correções principais + - Parâmetro `ready` agora é opcional em `_create_reasoning_plan` + - Correções no tratamento de configuração aninhada para embedders + - Suporte ao parâmetro `batch_size` para evitar limites de tokens + - Corrigido o nome do diretório na documentação do Quickstart + - Resolvidos problemas de cache da duração de testes e exportação de eventos + - Adicionada lógica de fallback nas configurações de crew + + ### Novos recursos e melhorias + - Introduzido gerenciamento de contexto da plataforma thread-safe + - Adicionado comando `crewai uv` para executar `uv` diretamente via CLI + - Possibilidade de marcar traces como falhas para fluxos de observabilidade + - Suporte a tipos de embedding personalizados e migração entre providers + - ChromaDB atualizado para v1.1.0 com correções de compatibilidade e melhorias de tipagem + - Validações compatíveis com Pydantic e reorganização dos grupos de dependências + + ### Documentação e guias + - Cobertura do changelog atualizada para os releases 0.193.x + - Documentado suporte a metadados de eventos no LLM Guardrail + - Orientações adicionais sobre fallback e visibilidade de parâmetros de configuração + + ### Limpeza e descontinuações + - Resolvidos problemas de Ruff e MyPy em diversos módulos + - Melhorias nas anotações de tipos e consolidação de utilidades + - Descontinuação de utilitários antigos em favor de importações compatíveis com Pydantic + + ### Contribuidores + - Novo contribuidor: @qizwiz (primeira contribuição) + + + ## v0.193.2 @@ -33,28 +111,28 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.193.0) ## Melhorias e Correções Principais - - - Corrigido manuseio do parâmetro `model` durante a inicialização do adaptador OpenAI - - Resolvidos problemas de cache da duração de testes nos fluxos de CI - - Corrigido teste instável relacionado ao uso repetido de ferramentas pelos agentes - - Adicionadas exportações de eventos ausentes no `__init__.py` para comportamento consistente do módulo - - Removido armazenamento de mensagem dos metadados no Mem0 para reduzir inchaço - - Corrigido suporte à métrica de distância L2 para compatibilidade retroativa na busca vetorial + + - Corrigido manuseio do parâmetro `model` durante a inicialização do adaptador OpenAI + - Resolvidos problemas de cache da duração de testes nos fluxos de CI + - Corrigido teste instável relacionado ao uso repetido de ferramentas pelos agentes + - Adicionadas exportações de eventos ausentes no `__init__.py` para comportamento consistente do módulo + - Removido armazenamento de mensagem dos metadados no Mem0 para reduzir inchaço + - Corrigido suporte à métrica de distância L2 para compatibilidade retroativa na busca vetorial ## Novos Recursos e Melhorias - - - Introduzida gestão de contexto de plataforma com segurança de threads - - Adicionado cache da duração de testes para execuções otimizadas do `pytest-split` - - Melhorias de traces efêmeros para melhor controle de rastreamento - - Parâmetros de busca para RAG, conhecimento e memória totalmente configuráveis - - Habilitado ChromaDB para usar a OpenAI API para funções de embedding - - Adicionadas ferramentas de observabilidade mais profundas para insights ao nível do usuário - - Sistema de armazenamento RAG unificado com suporte a cliente específico por instância + + - Introduzida gestão de contexto de plataforma com segurança de threads + - Adicionado cache da duração de testes para execuções otimizadas do `pytest-split` + - Melhorias de traces efêmeros para melhor controle de rastreamento + - Parâmetros de busca para RAG, conhecimento e memória totalmente configuráveis + - Habilitado ChromaDB para usar a OpenAI API para funções de embedding + - Adicionadas ferramentas de observabilidade mais profundas para insights ao nível do usuário + - Sistema de armazenamento RAG unificado com suporte a cliente específico por instância ## Documentação e Guias - - - Atualizadas referências do `RagTool` para refletir a implementação nativa de RAG do CrewAI - - Melhorada documentação interna para adaptadores de agente `langgraph` e `openai` com anotações de tipo e docstrings + + - Atualizadas referências do `RagTool` para refletir a implementação nativa de RAG do CrewAI + - Melhorada documentação interna para adaptadores de agente `langgraph` e `openai` com anotações de tipo e docstrings @@ -65,8 +143,8 @@ mode: "wide" ## O que Mudou - - Corrigida falha silenciosa de reversão quando a versão não era encontrada - - Versão do CrewAI atualizada para 0.186.1 e dependências do CLI atualizadas + - Corrigida falha silenciosa de reversão quando a versão não era encontrada + - Versão do CrewAI atualizada para 0.186.1 e dependências do CLI atualizadas @@ -87,27 +165,27 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.177.0) ## Melhorias e Correções Principais - - - Alcançada paridade entre o pacote `rag` e a implementação atual - - Melhorado o manuseio de eventos LLM com metadados de tarefa e agente - - Corrigidos argumentos padrão mutáveis substituindo-os por `None` - - Suprimidos avisos de descontinuação do Pydantic durante a inicialização - - Corrigido link de exemplo quebrado no `README.md` - - Removidas regras do Ruff apenas para Python 3.12+ para compatibilidade - - Migrados fluxos de trabalho de CI para usar `uv` e atualizado ferramentas de desenvolvimento - + + - Alcançada paridade entre o pacote `rag` e a implementação atual + - Melhorado o manuseio de eventos LLM com metadados de tarefa e agente + - Corrigidos argumentos padrão mutáveis substituindo-os por `None` + - Suprimidos avisos de descontinuação do Pydantic durante a inicialização + - Corrigido link de exemplo quebrado no `README.md` + - Removidas regras do Ruff apenas para Python 3.12+ para compatibilidade + - Migrados fluxos de trabalho de CI para usar `uv` e atualizado ferramentas de desenvolvimento + ## Novos Recursos e Melhorias - - - Adicionadas melhorias de rastreamento e limpeza - - Centralizada a lógica de eventos movendo o módulo `events` para `crewai.events` - + + - Adicionadas melhorias de rastreamento e limpeza + - Centralizada a lógica de eventos movendo o módulo `events` para `crewai.events` + ## Documentação e Guias - - - Atualizada a seção de documentação do Token de Autenticação de Ação Empresarial - - Publicadas atualizações de documentação para o lançamento `v0.175.0` - + + - Atualizada a seção de documentação do Token de Autenticação de Ação Empresarial + - Publicadas atualizações de documentação para o lançamento `v0.175.0` + ## Limpeza e Refatoração - + - Refatorado o parser em funções modulares para melhor estrutura @@ -117,36 +195,36 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.175.0) ## Melhorias e Correções Principais - - - Corrigida a migração da seção `tool` durante `crewai update` - - Revertido o pin do OpenAI: agora requer `openai >=1.13.3` devido a problemas de importação corrigidos - - Corrigidos testes instáveis e melhorada a estabilidade dos testes - - Melhorada a retomada do listener `Flow` para fluxos HITL e cíclicos - - Aprimorado o manuseio de timeouts em `PlusAPI` e `TraceBatchManager` - - Agrupados itens de memória de entidade para reduzir operações redundantes - + + - Corrigida a migração da seção `tool` durante `crewai update` + - Revertido o pin do OpenAI: agora requer `openai >=1.13.3` devido a problemas de importação corrigidos + - Corrigidos testes instáveis e melhorada a estabilidade dos testes + - Melhorada a retomada do listener `Flow` para fluxos HITL e cíclicos + - Aprimorado o manuseio de timeouts em `PlusAPI` e `TraceBatchManager` + - Agrupados itens de memória de entidade para reduzir operações redundantes + ## Novos Recursos e Melhorias - - - Adicionado suporte para parâmetros adicionais nos métodos `Flow.start()` - - Nomes das tarefas exibidos na saída detalhada do CLI - - Adicionados tipos de embedding centralizados e introduzido um cliente base de embedding - - Introduzidos clientes genéricos para ChromaDB e Qdrant - - Adicionado suporte para `crewai config reset` para limpar tokens - - Habilitada a auto-injeção de `crewai_trigger_payload` - - Simplificada a inicialização do cliente RAG e introduzido um sistema de configuração RAG - - Adicionado suporte ao provedor RAG do Qdrant - - Melhorado o rastreamento com melhores dados de eventos - - Adicionado suporte para remover Auth0 e entrada de e-mail em `crewai login` - + + - Adicionado suporte para parâmetros adicionais nos métodos `Flow.start()` + - Nomes das tarefas exibidos na saída detalhada do CLI + - Adicionados tipos de embedding centralizados e introduzido um cliente base de embedding + - Introduzidos clientes genéricos para ChromaDB e Qdrant + - Adicionado suporte para `crewai config reset` para limpar tokens + - Habilitada a auto-injeção de `crewai_trigger_payload` + - Simplificada a inicialização do cliente RAG e introduzido um sistema de configuração RAG + - Adicionado suporte ao provedor RAG do Qdrant + - Melhorado o rastreamento com melhores dados de eventos + - Adicionado suporte para remover Auth0 e entrada de e-mail em `crewai login` + ## Documentação e Guias - - - Adicionada documentação para gatilhos de automação - - Corrigidas fontes e redirecionamentos da Referência da API OpenAPI - - Adicionado parâmetro alpha de busca híbrida na documentação - + + - Adicionada documentação para gatilhos de automação + - Corrigidas fontes e redirecionamentos da Referência da API OpenAPI + - Adicionado parâmetro alpha de busca híbrida na documentação + ## Limpeza e Depreciações - - - Adicionado aviso de depreciação para `Task.max_retries` + + - Adicionado aviso de depreciação para `Task.max_retries` - Removida a dependência do Auth0 do fluxo de login @@ -156,31 +234,31 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.165.1) ## Melhorias e Correções Principais - - - Corrigida a compatibilidade no `XMLSearchTool` convertendo valores de configuração para strings para `configparser` - - Corrigido teste instável do Pytest envolvendo `PytestUnraisableExceptionWarning` - - Mocked telemetria na suíte de testes para execuções de CI mais estáveis - - Movida a manipulação do arquivo de bloqueio do Chroma para `db_storage_path` - - Ignorados avisos de depreciação do `chromadb` - - Versão do OpenAI fixada em `<1.100.0` devido a problemas de importação do `ResponseTextConfigParam` - + + - Corrigida a compatibilidade no `XMLSearchTool` convertendo valores de configuração para strings para `configparser` + - Corrigido teste instável do Pytest envolvendo `PytestUnraisableExceptionWarning` + - Mocked telemetria na suíte de testes para execuções de CI mais estáveis + - Movida a manipulação do arquivo de bloqueio do Chroma para `db_storage_path` + - Ignorados avisos de depreciação do `chromadb` + - Versão do OpenAI fixada em `<1.100.0` devido a problemas de importação do `ResponseTextConfigParam` + ## Novos Recursos e Melhorias - - - Incluídas mensagens de agentes trocadas nos metadados do `ExternalMemory` - - `crewai_trigger_payload` injetado automaticamente - - Renomeada a flag interna `inject_trigger_input` para `allow_crewai_trigger_context` - - Continuadas melhorias de rastreamento e lógica de rastreamento efêmero - - Consolidada as condições da lógica de rastreamento - - Adicionado suporte para entradas de memória vinculadas a `agent_id` em `Mem0` - + + - Incluídas mensagens de agentes trocadas nos metadados do `ExternalMemory` + - `crewai_trigger_payload` injetado automaticamente + - Renomeada a flag interna `inject_trigger_input` para `allow_crewai_trigger_context` + - Continuadas melhorias de rastreamento e lógica de rastreamento efêmero + - Consolidada as condições da lógica de rastreamento + - Adicionado suporte para entradas de memória vinculadas a `agent_id` em `Mem0` + ## Documentação e Guias - - - Adicionado exemplo na documentação do Tool Repository - - Atualizada a documentação do Mem0 para integração de Memória de Curto Prazo e Memória de Entidade - - Revisadas traduções em coreano e melhoradas estruturas de frases - + + - Adicionado exemplo na documentação do Tool Repository + - Atualizada a documentação do Mem0 para integração de Memória de Curto Prazo e Memória de Entidade + - Revisadas traduções em coreano e melhoradas estruturas de frases + ## Limpeza e Tarefas - + - Removida a integração de AgentOps deprecada @@ -190,31 +268,31 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.165.0) ## Melhorias e Correções Principais - - - Corrigida a compatibilidade no `XMLSearchTool` convertendo valores de configuração para strings para `configparser` - - Corrigido teste instável do Pytest envolvendo `PytestUnraisableExceptionWarning` - - Mocked telemetria na suíte de testes para execuções de CI mais estáveis - - Movida a manipulação do arquivo de bloqueio do Chroma para `db_storage_path` - - Ignorados avisos de depreciação do `chromadb` - - Versão do OpenAI fixada em `<1.100.0` devido a problemas de importação do `ResponseTextConfigParam` - + + - Corrigida a compatibilidade no `XMLSearchTool` convertendo valores de configuração para strings para `configparser` + - Corrigido teste instável do Pytest envolvendo `PytestUnraisableExceptionWarning` + - Mocked telemetria na suíte de testes para execuções de CI mais estáveis + - Movida a manipulação do arquivo de bloqueio do Chroma para `db_storage_path` + - Ignorados avisos de depreciação do `chromadb` + - Versão do OpenAI fixada em `<1.100.0` devido a problemas de importação do `ResponseTextConfigParam` + ## Novos Recursos e Melhorias - - - Incluídas mensagens de agentes trocadas nos metadados do `ExternalMemory` - - `crewai_trigger_payload` injetado automaticamente - - Renomeada a flag interna `inject_trigger_input` para `allow_crewai_trigger_context` - - Continuadas melhorias de rastreamento e lógica de rastreamento efêmero - - Consolidada as condições da lógica de rastreamento - - Adicionado suporte para entradas de memória vinculadas a `agent_id` em `Mem0` - + + - Incluídas mensagens de agentes trocadas nos metadados do `ExternalMemory` + - `crewai_trigger_payload` injetado automaticamente + - Renomeada a flag interna `inject_trigger_input` para `allow_crewai_trigger_context` + - Continuadas melhorias de rastreamento e lógica de rastreamento efêmero + - Consolidada as condições da lógica de rastreamento + - Adicionado suporte para entradas de memória vinculadas a `agent_id` em `Mem0` + ## Documentação e Guias - - - Adicionado exemplo na documentação do Tool Repository - - Atualizada a documentação do Mem0 para integração de Memória de Curto Prazo e Memória de Entidade - - Revisadas traduções em coreano e melhoradas estruturas de frases - + + - Adicionado exemplo na documentação do Tool Repository + - Atualizada a documentação do Mem0 para integração de Memória de Curto Prazo e Memória de Entidade + - Revisadas traduções em coreano e melhoradas estruturas de frases + ## Limpeza e Tarefas - + - Removida a integração de AgentOps deprecada @@ -224,22 +302,22 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.159.0) ## Melhorias e Correções Principais - - - Melhorou o desempenho de formatação de mensagens LLM para uma melhor eficiência em tempo de execução - - Corrigido uso de endpoint incorreto na configuração de autenticação/parâmetros da empresa - - Comentado verificação de retomabilidade do listener para estabilidade durante a retomada de fluxo parcial - + + - Melhorou o desempenho de formatação de mensagens LLM para uma melhor eficiência em tempo de execução + - Corrigido uso de endpoint incorreto na configuração de autenticação/parâmetros da empresa + - Comentado verificação de retomabilidade do listener para estabilidade durante a retomada de fluxo parcial + ## Novos Recursos e Melhorias - - - Adicionado comando `enterprise configure` ao CLI para configuração simplificada da empresa - - Introduzido suporte à retomabilidade de fluxo parcial - + + - Adicionado comando `enterprise configure` ao CLI para configuração simplificada da empresa + - Introduzido suporte à retomabilidade de fluxo parcial + ## Documentação e Guias - - - Adicionada documentação para novas ferramentas - - Adicionadas traduções em coreano - - Atualizada a documentação com detalhes da integração do TrueFoundry - - Adicionada documentação de RBAC e limpeza geral + + - Adicionada documentação para novas ferramentas + - Adicionadas traduções em coreano + - Atualizada a documentação com detalhes da integração do TrueFoundry + - Adicionada documentação de RBAC e limpeza geral - Corrigida referência da API e reformulados exemplos/livros de receitas em EN, PT-BR e KO @@ -249,30 +327,30 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.157.0) ## v0.157.0 O que Mudou - + ## Melhorias e Correções do Core - - - Habilitada a quebra de linha para ferramentas de entrada longas - - Permitido persistir o estado do Flow com entradas de `BaseModel` - - Otimizadas operações de string usando `partition()` para desempenho - - Removido suporte para o sistema de Memória de Usuário obsoleto - - Atualizada a versão do LiteLLM para `1.74.9` - - Corrigido o CLI para mostrar módulos ausentes de forma mais clara durante a importação - - Suportada a autorização de dispositivos com Okta - + + - Habilitada a quebra de linha para ferramentas de entrada longas + - Permitido persistir o estado do Flow com entradas de `BaseModel` + - Otimizadas operações de string usando `partition()` para desempenho + - Removido suporte para o sistema de Memória de Usuário obsoleto + - Atualizada a versão do LiteLLM para `1.74.9` + - Corrigido o CLI para mostrar módulos ausentes de forma mais clara durante a importação + - Suportada a autorização de dispositivos com Okta + ## Novos Recursos e Melhorias - - - Adicionado grupo de comandos CLI `crewai config` com testes - - Adicionado suporte a valor padrão para `crew.name` - - Introduzidas capacidades iniciais de rastreamento - - Adicionado suporte para integração com LangDB - - Adicionado suporte para documentação de configuração do CLI - + + - Adicionado grupo de comandos CLI `crewai config` com testes + - Adicionado suporte a valor padrão para `crew.name` + - Introduzidas capacidades iniciais de rastreamento + - Adicionado suporte para integração com LangDB + - Adicionado suporte para documentação de configuração do CLI + ## Documentação e Guias - - - Atualizada a documentação do MCP com o atributo `connect_timeout` - - Adicionada documentação de integração com LangDB - - Adicionada documentação de configuração do CLI + + - Atualizada a documentação do MCP com o atributo `connect_timeout` + - Adicionada documentação de integração com LangDB + - Adicionada documentação de configuração do CLI - Atualizações gerais e limpeza na documentação de recursos @@ -282,20 +360,20 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.152.0) ## Melhorias e Correções Principais - - - Removidas referências a `crewai signup` e substituídas por `crewai login` - - Corrigido suporte para adicionar memórias ao Mem0 usando `agent_id` - - Alterado o valor padrão na configuração do Mem0 - - Atualizado erro de importação para mostrar arquivos de módulo ausentes de forma clara - - Adicionado suporte a fuso horário para timestamps de eventos - + + - Removidas referências a `crewai signup` e substituídas por `crewai login` + - Corrigido suporte para adicionar memórias ao Mem0 usando `agent_id` + - Alterado o valor padrão na configuração do Mem0 + - Atualizado erro de importação para mostrar arquivos de módulo ausentes de forma clara + - Adicionado suporte a fuso horário para timestamps de eventos + ## Novos Recursos e Melhorias - - - Aprimorada a classe `Flow` para suportar nomes de fluxo personalizados - - Refatorados os componentes RAG em um módulo de nível superior dedicado - + + - Aprimorada a classe `Flow` para suportar nomes de fluxo personalizados + - Refatorados os componentes RAG em um módulo de nível superior dedicado + ## Documentação e Guias - + - Corrigida a nomenclatura incorreta de modelos na documentação do Google Vertex AI @@ -305,38 +383,38 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.150.0) ## Melhorias e Correções Principais - - - Usou bloqueio de arquivo em torno da inicialização do cliente Chroma - - Removido workaround relacionado ao SQLite sem FTS5 - - Removido parâmetro `stop` não suportado para modelos LLM automaticamente - - Corrigido método `save` e atualizado casos de teste relacionados - - Corrigido o manuseio de mensagens para modelos Ollama quando a última mensagem é do assistente - - Removida impressão duplicada em erro de chamada LLM - - Adicionada nota de descontinuação ao `UserMemory` - - Atualizado LiteLLM para a versão 1.74.3 - + + - Usou bloqueio de arquivo em torno da inicialização do cliente Chroma + - Removido workaround relacionado ao SQLite sem FTS5 + - Removido parâmetro `stop` não suportado para modelos LLM automaticamente + - Corrigido método `save` e atualizado casos de teste relacionados + - Corrigido o manuseio de mensagens para modelos Ollama quando a última mensagem é do assistente + - Removida impressão duplicada em erro de chamada LLM + - Adicionada nota de descontinuação ao `UserMemory` + - Atualizado LiteLLM para a versão 1.74.3 + ## Novos Recursos e Melhorias - - - Adicionado suporte para chamada de ferramentas ad-hoc via classe LLM interna - - Atualizado Mem0 Storage da v1.1 para v2 - + + - Adicionado suporte para chamada de ferramentas ad-hoc via classe LLM interna + - Atualizado Mem0 Storage da v1.1 para v2 + ## Documentação e Guias - - - Corrigida a documentação do neatlogs - - Adicionadas ferramentas Tavily Search & Extractor ao conjunto Search-Research - - Adicionada documentação para `SerperScrapeWebsiteTool` e reorganizada a seção Serper - - Atualizações e melhorias gerais na documentação - + + - Corrigida a documentação do neatlogs + - Adicionadas ferramentas Tavily Search & Extractor ao conjunto Search-Research + - Adicionada documentação para `SerperScrapeWebsiteTool` e reorganizada a seção Serper + - Atualizações e melhorias gerais na documentação + ## crewai-tools v0.58.0 ### Novas Ferramentas / Melhorias - - **SerperScrapeWebsiteTool**: Adicionada uma ferramenta para extrair conteúdo limpo de URLs - - **Bedrock AgentCore**: Integrados kits de ferramentas de navegador e interpretador de código para agentes Bedrock - - **Atualização do Stagehand**: Refatorada e atualizada a integração do Stagehand - + - **SerperScrapeWebsiteTool**: Adicionada uma ferramenta para extrair conteúdo limpo de URLs + - **Bedrock AgentCore**: Integrados kits de ferramentas de navegador e interpretador de código para agentes Bedrock + - **Atualização do Stagehand**: Refatorada e atualizada a integração do Stagehand + ### Correções e Limpeza - - **Suporte a FTS5**: Habilitado SQLite FTS5 para melhorar a busca de texto em fluxos de trabalho de teste - - **Acelerações de Teste**: Paralelizado o conjunto de testes do GitHub Actions para execuções de CI mais rápidas - - **Limpeza**: Removido workaround do SQLite devido ao suporte a FTS5 estar disponível + - **Suporte a FTS5**: Habilitado SQLite FTS5 para melhorar a busca de texto em fluxos de trabalho de teste + - **Acelerações de Teste**: Paralelizado o conjunto de testes do GitHub Actions para execuções de CI mais rápidas + - **Limpeza**: Removido workaround do SQLite devido ao suporte a FTS5 estar disponível **MongoDBVectorSearchTool**: Corrigido manuseio de serialização e esquema @@ -346,27 +424,27 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.148.0) ## Melhorias e Correções Principais - - - Usado ID do ambiente de produção do WorkOS - - Adicionado suporte a SQLite FTS5 para testar fluxo de trabalho - - Corrigido o manuseio do conhecimento do agente - - Comparado usando a classe `BaseLLM` em vez de `LLM` - - Corrigido parâmetro `create_directory` ausente na classe `Task` - + + - Usado ID do ambiente de produção do WorkOS + - Adicionado suporte a SQLite FTS5 para testar fluxo de trabalho + - Corrigido o manuseio do conhecimento do agente + - Comparado usando a classe `BaseLLM` em vez de `LLM` + - Corrigido parâmetro `create_directory` ausente na classe `Task` + ## Novos Recursos e Melhorias - - - Introduzida funcionalidade de avaliação de Agente - - Adicionados métodos de experimento e teste de regressão do Avaliador - - Implementado `AgentEvaluator` seguro para threads - - Habilitada emissão de eventos para avaliação de Agente - - Suportada avaliação de um único `Agent` e `LiteAgent` - - Adicionada integração com `neatlogs` - - Adicionado rastreamento de contexto da equipe para eventos de guardrail do LLM - + + - Introduzida funcionalidade de avaliação de Agente + - Adicionados métodos de experimento e teste de regressão do Avaliador + - Implementado `AgentEvaluator` seguro para threads + - Habilitada emissão de eventos para avaliação de Agente + - Suportada avaliação de um único `Agent` e `LiteAgent` + - Adicionada integração com `neatlogs` + - Adicionado rastreamento de contexto da equipe para eventos de guardrail do LLM + ## Documentação e Guias - - - Adicionada documentação para atributos de `guardrail` e exemplos de uso - - Adicionado guia de integração para `neatlogs` + + - Adicionada documentação para atributos de `guardrail` e exemplos de uso + - Adicionado guia de integração para `neatlogs` - Atualizada documentação para o repositório do Agente e uso de `Agent.kickoff` @@ -376,16 +454,16 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.141.0) ## Melhorias e Correções Principais - - - Acelerou os testes do GitHub Actions através da paralelização - + + - Acelerou os testes do GitHub Actions através da paralelização + ## Novos Recursos e Melhorias - - - Adicionada rastreamento de contexto da equipe para eventos de guardrail do LLM - + + - Adicionada rastreamento de contexto da equipe para eventos de guardrail do LLM + ## Documentação e Guias - - - Adicionada documentação para uso do repositório Agent + + - Adicionada documentação para uso do repositório Agent - Adicionada documentação para o método `Agent.kickoff` @@ -395,29 +473,29 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.140.0) ## Melhorias e Correções Principais - - - Corrigido erro de digitação em prompts de teste - - Corrigida a normalização do nome do projeto removendo barras finais durante a criação da equipe - - Garantido que as variáveis de ambiente sejam escritas em maiúsculas - - Atualizada a dependência do LiteLLM - - Refatorada a manipulação de coleções em `RAGStorage` - - Implementada a versionamento dinâmico PEP 621 - + + - Corrigido erro de digitação em prompts de teste + - Corrigida a normalização do nome do projeto removendo barras finais durante a criação da equipe + - Garantido que as variáveis de ambiente sejam escritas em maiúsculas + - Atualizada a dependência do LiteLLM + - Refatorada a manipulação de coleções em `RAGStorage` + - Implementada a versionamento dinâmico PEP 621 + ## Novos Recursos e Melhorias - - - Adicionada a capacidade de rastrear chamadas de LLM por tarefa e agente - - Introduzidos `MemoryEvents` para monitorar o uso de memória - - Adicionado registro em console para eventos do sistema de memória e guardrails do LLM - - Melhorado o suporte ao treinamento de dados para modelos de até 7B parâmetros - - Adicionado rastreamento de análises do Scarf e Reo.dev - - Login no CLI workos - + + - Adicionada a capacidade de rastrear chamadas de LLM por tarefa e agente + - Introduzidos `MemoryEvents` para monitorar o uso de memória + - Adicionado registro em console para eventos do sistema de memória e guardrails do LLM + - Melhorado o suporte ao treinamento de dados para modelos de até 7B parâmetros + - Adicionado rastreamento de análises do Scarf e Reo.dev + - Login no CLI workos + ## Documentação e Guias - - - Atualizada a documentação do CLI LLM - - Adicionada integração do Nebius à documentação - - Corrigidos erros de digitação na documentação de instalação e pt-BR - - Adicionadas documentações sobre `MemoryEvents` + + - Atualizada a documentação do CLI LLM + - Adicionada integração do Nebius à documentação + - Corrigidos erros de digitação na documentação de instalação e pt-BR + - Adicionadas documentações sobre `MemoryEvents` - Implementados redirecionamentos de documentação e incluídas ferramentas de desenvolvimento @@ -427,32 +505,32 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.134.0) ## Melhorias e Correções Principais - - - Corrigida a sintaxe do parâmetro de ferramentas - - Corrigida a anotação de tipo em `Task` - - Corrigido erro de SSL ao recuperar dados de LLM do GitHub - - Garantida compatibilidade com Pydantic 2.7.x - - Removido `mkdocs` das dependências do projeto - - Atualizados exemplos de código do Langfuse para usar o Python SDK v3 - - Adicionada a funcionalidade de sanitização de papel na armazenagem `mem0` - - Melhorada a busca do Crew durante a reinicialização da memória - - Melhorada a saída do impressor do console - + + - Corrigida a sintaxe do parâmetro de ferramentas + - Corrigida a anotação de tipo em `Task` + - Corrigido erro de SSL ao recuperar dados de LLM do GitHub + - Garantida compatibilidade com Pydantic 2.7.x + - Removido `mkdocs` das dependências do projeto + - Atualizados exemplos de código do Langfuse para usar o Python SDK v3 + - Adicionada a funcionalidade de sanitização de papel na armazenagem `mem0` + - Melhorada a busca do Crew durante a reinicialização da memória + - Melhorada a saída do impressor do console + ## Novos Recursos e Melhorias - - - Adicionado suporte para inicializar uma ferramenta a partir de atributos `Tool` definidos - - Adicionada maneira oficial de usar Ferramentas MCP dentro de um `CrewBase` - - Suporte aprimorado para ferramentas MCP para permitir a seleção de várias ferramentas por agente em `CrewBase` - - Adicionadas ferramentas de Web Scraping da Oxylabs - + + - Adicionado suporte para inicializar uma ferramenta a partir de atributos `Tool` definidos + - Adicionada maneira oficial de usar Ferramentas MCP dentro de um `CrewBase` + - Suporte aprimorado para ferramentas MCP para permitir a seleção de várias ferramentas por agente em `CrewBase` + - Adicionadas ferramentas de Web Scraping da Oxylabs + ## Documentação e Guias - - - Atualizado `quickstart.mdx` - - Adicionadas documentações sobre eventos `LLMGuardrail` - - Atualizada a documentação com detalhes abrangentes de integração de serviços - - Atualizados filtros de recomendação para ferramentas MCP e Enterprise - - Atualizadas documentações para observabilidade do Maxim - - Adicionada tradução da documentação para pt-BR + + - Atualizado `quickstart.mdx` + - Adicionadas documentações sobre eventos `LLMGuardrail` + - Atualizada a documentação com detalhes abrangentes de integração de serviços + - Atualizados filtros de recomendação para ferramentas MCP e Enterprise + - Atualizadas documentações para observabilidade do Maxim + - Adicionada tradução da documentação para pt-BR - Melhorias gerais na documentação @@ -462,28 +540,28 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.130.0) ## Melhorias e Correções Principais - - - Removida mensagem duplicada relacionada à saída de resultados da Ferramenta - - Corrigidos tokens `manager_agent` ausentes em `usage_metrics` do kickoff - - Corrigido singleton de telemetria para respeitar variáveis de ambiente dinâmicas - - Corrigido problema onde logs de status do Flow poderiam ocultar entrada humana - - Aumentado o espaçamento padrão do eixo X para plotagem de fluxo - + + - Removida mensagem duplicada relacionada à saída de resultados da Ferramenta + - Corrigidos tokens `manager_agent` ausentes em `usage_metrics` do kickoff + - Corrigido singleton de telemetria para respeitar variáveis de ambiente dinâmicas + - Corrigido problema onde logs de status do Flow poderiam ocultar entrada humana + - Aumentado o espaçamento padrão do eixo X para plotagem de fluxo + ## Novos Recursos e Melhorias - - - Adicionado suporte para ações multi-org no CLI - - Habilitadas execuções de ferramentas assíncronas para fluxos de trabalho mais eficientes - - Introduzido `LiteAgent` com integração Guardrail - - Atualizado `LiteLLM` para suportar a versão mais recente do OpenAI - + + - Adicionado suporte para ações multi-org no CLI + - Habilitadas execuções de ferramentas assíncronas para fluxos de trabalho mais eficientes + - Introduzido `LiteAgent` com integração Guardrail + - Atualizado `LiteLLM` para suportar a versão mais recente do OpenAI + ## Documentação e Guias - - - Documentada a versão mínima `UV` para o repositório da Ferramenta - - Melhorados exemplos para o Guardrail de Alucinação - - Atualizados documentos de planejamento para uso de LLM - - Adicionada documentação para suporte a Maxim na observabilidade do Agente - - Expandida a documentação de integrações com imagens para recursos empresariais - - Corrigido guia sobre persistência + + - Documentada a versão mínima `UV` para o repositório da Ferramenta + - Melhorados exemplos para o Guardrail de Alucinação + - Atualizados documentos de planejamento para uso de LLM + - Adicionada documentação para suporte a Maxim na observabilidade do Agente + - Expandida a documentação de integrações com imagens para recursos empresariais + - Corrigido guia sobre persistência - Atualizada a compatibilidade da versão do Python para suportar python 3.13.x @@ -493,25 +571,25 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.126.0) ### O que Mudou - + #### Melhorias e Correções do Núcleo - + - Adicionado suporte para Python 3.13 - Corrigido problema com fontes de conhecimento do agente - Persistidos ferramentas disponíveis de um repositório de Ferramentas - Habilitados ferramentas para serem carregadas do repositório do Agente via seu próprio módulo - Registrado uso de ferramentas quando chamadas por um LLM - + #### Novos Recursos e Melhorias - + - Adicionado suporte para transporte streamable-http na integração MCP - Adicionado suporte para análises comunitárias - Expandida seção compatível com OpenAI com um exemplo de Gemini - Introduzidas funcionalidades de transparência para prompts e sistemas de memória - Melhorias menores na publicação de Ferramentas - + #### Documentação e Guias - + - Reestruturação significativa da documentação para melhor navegação - Documentação da integração MCP expandida - Atualizados documentos de memória e visuais do README @@ -527,33 +605,33 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.121.1) # Correções de bugs e melhores documentos - + ## Introdução - + Nesta atualização, abordamos várias correções de bugs e melhoramos a documentação para facilitar o uso do nosso produto. - + ## Correções de Bugs - + - Corrigido um problema que causava falhas na aplicação ao carregar grandes conjuntos de dados. - Resolvido um erro que impedia a exportação de relatórios em formato PDF. - Ajustado o comportamento do botão de salvar, que não estava funcionando corretamente em algumas situações. - + ## Melhorias na Documentação - + - Atualizamos a seção de **Instalação** para incluir instruções mais detalhadas. - Adicionamos exemplos de uso na seção de **API** para facilitar a integração com outros serviços. - Melhoramos a clareza das instruções na seção de **Solução de Problemas**. - + ## Contribuições - + Se você encontrar mais bugs ou tiver sugestões para melhorar a documentação, sinta-se à vontade para abrir uma issue no nosso repositório do GitHub. - + ## Links Úteis - + - [Documentação Completa](https://example.com/documentation) - [Repositório no GitHub](https://github.com/example/repo) - [FAQ](https://example.com/faq) - + Agradecemos seu feedback e apoio contínuo! @@ -563,23 +641,23 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.121.0) # O que Mudou - + ## Melhorias e Correções no Core - + - Corrigido erro de codificação ao criar ferramentas - Corrigido teste do llama que falhou - Atualizada a configuração de logging para consistência - Aprimorada a inicialização de telemetria e o manuseio de eventos - + ## Novos Recursos e Melhorias - + - Adicionado atributo markdown à classe Task - Adicionado atributo reasoning à classe Agent - Adicionado flag inject_date ao Agent para injeção automática de data - Implementado HallucinationGuardrail (sem operação com cobertura de teste) - + ## Documentação e Guias - + - Adicionada documentação para StagehandTool e melhorada a estrutura MDX - Adicionada documentação para integração MCP e atualizados os documentos empresariais - Documentados eventos de conhecimento e atualizados os documentos de raciocínio @@ -594,7 +672,7 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.120.1) ## O que há de novo - + * Corrige a interpolação com hífens @@ -608,13 +686,13 @@ mode: "wide" • Resolvida condição de corrida em FilteredStream usando gerenciadores de contexto • Corrigido problema de redefinição do conhecimento do agente • Refatorada a lógica de busca do agente para um módulo utilitário - + ### Novos Recursos e Melhorias • Adicionada suporte para carregar um Agente diretamente de um repositório • Ativado o ajuste de um contexto vazio para a Tarefa • Aprimorado o feedback do repositório do Agente e corrigido o comportamento de auto-importação de Ferramentas • Introduzida a inicialização direta do conhecimento (ignorando knowledge_sources) - + ### Documentação e Guias • Atualizado security.md para práticas de segurança atuais • Limpa a seção de configuração do Google para maior clareza @@ -629,23 +707,23 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.119.0) What’s Changed - + ## Melhorias e Correções Principais - + - Melhorou a confiabilidade dos testes ao aprimorar o manuseio do pytest para testes instáveis - Corrigido o travamento de redefinição de memória quando há incompatibilidade nas dimensões de incorporação - Habilitada a identificação do fluxo pai para Crew e LiteAgent - Prevenidos travamentos relacionados à telemetria quando indisponível - Atualizada a versão do LiteLLM para melhor compatibilidade - Corrigidos os testes do conversor llama ao remover skip_external_api - + ## Novos Recursos e Melhorias - + - Introduzido reescrita de prompt de recuperação de conhecimento no Agent para melhor rastreamento e depuração - Tornados os guias de configuração do LLM e de início rápido independentes de modelo - + ## Documentação e Guias - + - Adicionada documentação de configuração avançada para a ferramenta RAG - Atualizado guia de solução de problemas do Windows - Refinados exemplos de documentação para melhor clareza @@ -658,19 +736,19 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.118.0) ### Melhorias e Correções Principais - + - Corrigidos problemas com modelos de prompt ou sistema ausentes. - Removida a configuração de log global para evitar substituições indesejadas. - Renomeado TaskGuardrail para LLMGuardrail para maior clareza. - Rebaixada a litellm para a versão 1.167.1 para compatibilidade. - Adicionados arquivos __init__.py ausentes para garantir a inicialização adequada do módulo. - + ### Novos Recursos e Melhorias - + - Adicionado suporte para criação de Guardrail sem código para simplificar o controle do comportamento da IA. - + ### Documentação e Guias - + - Removido CrewStructuredTool da documentação pública para refletir o uso interno. - Atualizada a documentação empresarial e o embed do YouTube para melhorar a experiência de integração. @@ -691,17 +769,17 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.117.0) # O que Mudou - + ## Novos Recursos e Melhorias - + - Adicionado suporte ao parâmetro `result_as_answer` no decorador `@tool`. - Introduzido suporte para novos modelos de linguagem: GPT-4.1, Gemini-2.0 e Gemini-2.5 Pro. - Melhoradas as capacidades de gerenciamento de conhecimento. - Adicionada opção de provedor Huggingface na CLI. - Melhorada a compatibilidade e suporte CI para Python 3.10+. - + ## Melhorias e Correções no Núcleo - + - Corrigidos problemas com parâmetros de template incorretos e entradas ausentes. - Melhorado o manuseio de fluxo assíncrono com verificações de condição de corrotina. - Aprimorado o gerenciamento de memória com configuração isolada e cópia correta de objetos de memória. @@ -711,9 +789,9 @@ mode: "wide" - Levantadas exceções explícitas quando os fluxos falham. - Removido código não utilizado e comentários redundantes de vários módulos. - Atualizada a ação do token do GitHub App para v2. - + ## Documentação e Guias - + - Estrutura de documentação aprimorada, incluindo instruções de implantação empresarial. - Criação automática de pastas de saída para geração de documentação. - Corrigido link quebrado na documentação do `WeaviateVectorSearchTool`. @@ -728,28 +806,28 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.114.0) # O Que Mudou - + ## Novos Recursos e Melhorias - + - Agentes como uma unidade atômica. (`Agent(...).kickoff()`) - Suporte a implementações de LLM personalizadas. - Memória Externa integrada e observabilidade Opik. - Extração de YAML aprimorada. - Validação de agentes multimodais. - Adicionados Impressões digitais seguras para agentes e equipes. - + ## Melhorias e Correções Principais - + - Melhoria na serialização, cópia de agentes e compatibilidade com Python. - - Suporte a curingas adicionado ao emit() + - Suporte a curingas adicionado ao emit() - Suporte adicionado para chamadas de roteador adicionais e ajustes na janela de contexto. - Corrigidos problemas de digitação, validação e declarações de importação. - Melhor desempenho dos métodos. - Aprimoramento no manuseio de tarefas de agentes, emissões de eventos e gerenciamento de memória. - Corrigidos problemas de CLI, tarefas condicionais, comportamento de clonagem e saídas de ferramentas. - + ## Documentação e Guias - + - Estrutura, tema e organização da documentação aprimorados. - Guias adicionados para Local NVIDIA NIM com WSL2, W&B Weave e Arize Phoenix. - Exemplos de configuração de ferramentas, prompts e documentos de observabilidade atualizados. @@ -762,21 +840,21 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.108.0) # Recursos - + - Convertido tabs em espaços no template crew.py no PR #2190 - Melhorada a manipulação de resposta de streaming LLM e sistema de eventos no PR #2266 - Incluído model_name no PR #2310 - Aprimorado o Listener de Eventos com visualização rica e registro melhorado no PR #2321 - Adicionados fingerprints no PR #2332 - + # Correções de Bugs - + - Corrigidos problemas do Mistral no PR #2308 - Corrigido um bug na documentação no PR #2370 - Corrigido erro de verificação de tipo na propriedade fingerprint no PR #2369 - + # Atualizações de Documentação - + - Melhorada a documentação da ferramenta no PR #2259 - Atualizado guia de instalação para o pacote da ferramenta uv no PR #2196 - Adicionadas instruções para atualizar o crewAI com a ferramenta uv no PR #2363 @@ -793,7 +871,7 @@ mode: "wide" - Melhorado o suporte ao fluxo assíncrono e abordada a formatação da resposta do agente. - Aprimorada a funcionalidade de redefinição de memória e corrigidos comandos de memória do CLI. - Corrigidos problemas de tipo, propriedades de chamada de ferramenta e desacoplamento de telemetria. - + **Novos Recursos e Melhorias** - Adicionado exportação de estado de Fluxo e melhoradas utilidades de estado. - Aprimorada a configuração do conhecimento do agente com um incorporador de equipe opcional. @@ -801,7 +879,7 @@ mode: "wide" - Adicionado suporte para Python 3.10 e ChatOllama do langchain_ollama. - Integrado suporte para tamanho da janela de contexto para o modelo o3-mini. - Adicionado suporte para múltiplas chamadas de roteador. - + **Documentação e Guias** - Melhorado o layout da documentação e a estrutura hierárquica. - Adicionado guia do QdrantVectorSearchTool e esclarecido o uso do listener de eventos. @@ -814,28 +892,28 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.102.0) ### Melhorias e Correções Principais - + - Suporte Aprimorado para LLM: Saída estruturada de LLM melhorada, manuseio de parâmetros e formatação para modelos da Anthropic. - Estabilidade do Crew & Agent: Corrigidos problemas com clonagem de agentes/equipes usando fontes de conhecimento, múltiplas saídas de tarefas em tarefas condicionais e callbacks de tarefas do Crew ignorados. - Correções de Memória & Armazenamento: Corrigido o manuseio de memória de curto prazo com Bedrock, garantida a inicialização correta do embedder e adicionada uma função de redefinição de memórias na classe crew. - Confiabilidade de Treinamento & Execução: Corrigidos problemas de treinamento e interpolação quebrados com tipos de entrada dict e list. - + ### Novos Recursos & Melhorias - + - Gestão Avançada de Conhecimento: Convenções de nomenclatura melhoradas e configuração de embedding aprimorada com suporte a embedder personalizado. - Expansão de Registro & Observabilidade: Adicionado suporte ao formato JSON para registro e integrada a documentação de rastreamento do MLflow. - Melhorias no Manuseio de Dados: Atualizado excel_knowledge_source.py para processar arquivos com múltiplas abas. - Desempenho Geral & Limpeza do Código: Alinhamento de código empresarial otimizado e resolução de problemas de linting. - Adição da nova ferramenta QdrantVectorSearchTool - + ### Documentação & Guias - + - Documentos de AI & Memória Atualizados: Documentação de Bedrock, Google AI e memória de longo prazo melhorada. - Clareza em Tarefas & Fluxos de Trabalho: Adicionada a linha "Entrada Humana" aos Atributos da Tarefa, guia do Langfuse e documentação da FileWriterTool. - Correção de Vários Erros de Digitação & Problemas de Formatação. - + ### Manutenção & Diversos - + - Integrações do Google Docs refinadas e manuseio de tarefas para o ano atual. @@ -915,15 +993,15 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.86.0) # Documentação - + ## Remover todas as referências ao pipeline e ao roteador de pipeline - + ## docs: Adicionar Nvidia NIM como provedor no Custom LLM - + ## Adicionar demonstração de conhecimento + melhorar a documentação de conhecimento - + ## Brandon/cre 509 hitl múltiplas rodadas de acompanhamento - + ## Novas documentações sobre yaml crew com decoradores. Simplificar o template crew @@ -1019,61 +1097,61 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.76.2) # Atualizando o comando create do crewai - + ## Introdução - + O comando `create` do crewai permite que você crie novos projetos de forma rápida e fácil. Esta documentação fornece informações sobre como atualizar o comando para garantir que você esteja utilizando as funcionalidades mais recentes. - + ## Requisitos - + Antes de atualizar o comando, verifique se você possui: - + - A versão mais recente do crewai instalada. - Acesso à internet para baixar as atualizações. - + ## Passos para Atualização - + 1. **Verifique a versão atual do crewai:** - + Execute o seguinte comando no seu terminal: - + ```bash crewai --version ``` - + 2. **Atualize o crewai:** - + Para atualizar o crewai, use o seguinte comando: - + ```bash npm install -g crewai ``` - + 3. **Confirme a atualização:** - + Após a instalação, verifique novamente a versão para garantir que a atualização foi bem-sucedida: - + ```bash crewai --version ``` - + ## Novas Funcionalidades - + Após a atualização, você poderá aproveitar as seguintes novas funcionalidades do comando `create`: - + - **Melhorias na criação de projetos:** Agora, você pode especificar templates personalizados. - **Integração com GitHub:** Facilita a conexão e o gerenciamento de repositórios diretamente do seu projeto. - + ## Exemplos de Uso - + Para criar um novo projeto com o comando `create`, utilize a seguinte sintaxe: - + ```bash crewai create ``` - + ## Conclusão - + Manter o crewai atualizado é essencial para aproveitar ao máximo suas funcionalidades. Siga os passos acima para garantir que você esteja sempre utilizando a versão mais recente do comando `create`. Para mais informações, consulte a [documentação oficial do crewai](https://crewai.com/docs). @@ -1094,39 +1172,39 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.75.1) # nova opção `--provider` no crewai crewat - + A nova opção `--provider` foi adicionada ao comando `crewat` do CrewAI. Esta opção permite que os usuários especifiquem o provedor de serviços que desejam utilizar ao executar o comando. - + ## Como usar - + Para utilizar a nova opção, você pode executar o seguinte comando: - + ```bash crewat --provider ``` - + Substitua `` pelo provedor desejado. - + ## Provedores suportados - + Atualmente, os seguintes provedores são suportados: - + - ProviderA - ProviderB - ProviderC - + ## Exemplo - + Aqui está um exemplo de como usar a nova opção: - + ```bash crewat --provider ProviderA ``` - + Isso executará o comando `crewat` utilizando o ProviderA como provedor de serviços. - + ## Conclusão - + A adição da opção `--provider` no comando `crewat` do CrewAI oferece mais flexibilidade e controle sobre a escolha do provedor de serviços. Certifique-se de experimentar essa nova funcionalidade em seus projetos! @@ -1149,7 +1227,7 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/0.74.2) - * feat: adicionar poetry.lock à migração uv + * feat: adicionar poetry.lock à migração uv * fix: corrigir problema de chamada da ferramenta @@ -1208,7 +1286,7 @@ mode: "wide" - Adicionando API de ferramentas inicial - ERROS DE DIGITAÇÃO - Atualizando Documentação - + Correções: #1359 #1355 #1353 #1356 e outras @@ -1515,21 +1593,21 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/v0.30.4) **A atualização da documentação seguirá** desculpe por isso e obrigado por sua paciência, estamos lançando novas documentações em breve! - - ➿ Correção do callback da tarefa - 🧙 Capacidade de definir um agente específico como gerente em vez de deixar a equipe criar um para você - 📄 Capacidade de definir templates de sistema, prompt e resposta, para que funcione de forma mais confiável com modelos de código aberto (funciona melhor com modelos menores) - 👨‍💻 Melhorando a saída em json e pydantic (funciona melhor com modelos menores) - 🔎 Melhorando o reconhecimento de nomes de ferramentas (funciona melhor com modelos menores) - 🧰 Melhorias para uso de ferramentas (funciona melhor com modelos menores) - 📃 Suporte inicial para trazer seus próprios prompts - 2️⃣ Correção de métricas duplicadas do calculador de tokens - 🪚 Adicionando algumas novas ferramentas, Browserbase e Exa Search - 📁 Capacidade de criar diretório ao salvar como arquivo - 🔁 Atualizando dependências - verifique novamente as ferramentas - 📄 Melhorias gerais na documentação - 🐛 Correções de bugs menores (erros de digitação e afins) - 👬 Correção de problemas de co-worker / coworker + + ➿ Correção do callback da tarefa + 🧙 Capacidade de definir um agente específico como gerente em vez de deixar a equipe criar um para você + 📄 Capacidade de definir templates de sistema, prompt e resposta, para que funcione de forma mais confiável com modelos de código aberto (funciona melhor com modelos menores) + 👨‍💻 Melhorando a saída em json e pydantic (funciona melhor com modelos menores) + 🔎 Melhorando o reconhecimento de nomes de ferramentas (funciona melhor com modelos menores) + 🧰 Melhorias para uso de ferramentas (funciona melhor com modelos menores) + 📃 Suporte inicial para trazer seus próprios prompts + 2️⃣ Correção de métricas duplicadas do calculador de tokens + 🪚 Adicionando algumas novas ferramentas, Browserbase e Exa Search + 📁 Capacidade de criar diretório ao salvar como arquivo + 🔁 Atualizando dependências - verifique novamente as ferramentas + 📄 Melhorias gerais na documentação + 🐛 Correções de bugs menores (erros de digitação e afins) + 👬 Correção de problemas de co-worker / coworker 👀 Atualizações menores no Readme @@ -1602,7 +1680,7 @@ mode: "wide" - 💠 **Melhorias no Prompt Interno:** Um fluxo de conversa mais refinado. - 📝 **Melhorando o uso de ferramentas com uma melhor análise** - 🔒 **Melhorias de segurança e atualização de dependências** - - 📄 **Documentação aprimorada** + - 📄 **Documentação aprimorada** - 🐛 **Correções de bugs** @@ -1620,45 +1698,45 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/v0.22.4) # Corrigindo problemas de template - + ## Introdução - + Nesta documentação, abordaremos como corrigir problemas comuns relacionados a templates. Se você estiver enfrentando dificuldades, siga os passos abaixo para resolver as questões. - + ## Problemas Comuns - + ### 1. Erros de Sintaxe - + Verifique se há erros de sintaxe no seu template. Um erro comum é esquecer de fechar uma tag ou usar a formatação incorreta. - + ### 2. Variáveis Não Definidas - + Certifique-se de que todas as variáveis utilizadas no template estão devidamente definidas. Se uma variável não estiver definida, isso pode causar falhas na renderização. - + ### 3. Problemas de Estilo - + Se o estilo do seu template não estiver sendo aplicado corretamente, verifique se os arquivos CSS estão sendo carregados. Além disso, confirme se as classes estão corretas. - + ## Soluções - + ### Passo 1: Validar o Template - + Use um validador de templates para verificar se há erros de sintaxe. Isso pode ajudar a identificar problemas rapidamente. - + ### Passo 2: Definir Variáveis - + Revise seu código e adicione definições para quaisquer variáveis que estejam faltando. Isso garantirá que o template funcione como esperado. - + ### Passo 3: Verificar Estilos - + Verifique se os arquivos CSS estão corretamente vinculados no seu template. Você pode fazer isso inspecionando o código-fonte da página. - + ## Conclusão - + Seguindo os passos acima, você deve ser capaz de corrigir a maioria dos problemas relacionados a templates. Se os problemas persistirem, considere consultar a documentação do seu framework ou entrar em contato com o suporte. - + ## Recursos Adicionais - + - [Documentação do CrewAI](https://crewai.com/docs) - [GitHub Issues](https://github.com/issues) @@ -1747,7 +1825,7 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/v0.14.0) # Todas as melhorias da v0.14.0rc - + - Suporte para exportar json e pydantic de modelos de código aberto @@ -1846,13 +1924,13 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/v0.5.0) Esta nova versão traz muitas novas funcionalidades e melhorias para a biblioteca. - + ## Funcionalidades - Adição de Callbacks de Tarefa. - Adição de suporte para processos Hierárquicos. - Adição da capacidade de referenciar tarefas específicas em outra tarefa. - Adição da capacidade de execução paralela de tarefas. - + ## Melhorias - Reformulação de Máximas Iterações e Máximas Solicitações por Minuto. - Melhorias na experiência do desenvolvedor, docstrings e afins. @@ -1917,11 +1995,11 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/v0.1.1) # CrewAI v0.1.1 Notas de Lançamento - + ## O que há de novo - + - **Modo Verbose do Crew**: Agora permitindo que você inspecione as tarefas que estão sendo executadas. - + - **Atualizações no README e Docs**: Uma série de atualizações menores na documentação. @@ -1931,34 +2009,34 @@ mode: "wide" [Ver release no GitHub](https://github.com/crewAIInc/crewAI/releases/tag/v0.1.0) # CrewAI v0.1.0 Notas de Lançamento - + Estamos empolgados em anunciar o lançamento inicial do CrewAI, versão 0.1.0! O CrewAI é uma estrutura projetada para facilitar a orquestração de agentes de IA autônomos capazes de interpretar papéis e colaborar para realizar tarefas complexas de forma mais eficiente. - + ## O que há de Novo - + - **Lançamento Inicial**: O CrewAI agora está oficialmente disponível! Este lançamento fundamental estabelece as bases para que os agentes de IA trabalhem em conjunto, cada um com seu próprio papel e objetivos especializados. - + - **Design de Agentes Baseado em Papéis**: Defina e personalize agentes com papéis específicos, metas e as ferramentas necessárias para ter sucesso. - + - **Delegação Entre Agentes**: Os agentes agora estão equipados para delegar tarefas de forma autônoma, permitindo a distribuição dinâmica da carga de trabalho entre a equipe. - + - **Gerenciamento de Tarefas**: Crie e atribua tarefas dinamicamente com a flexibilidade de especificar as ferramentas necessárias para cada tarefa. - + - **Processos Sequenciais**: Configure seus agentes para abordar tarefas uma após a outra, garantindo fluxos de trabalho organizados e previsíveis. - + - **Documentação**: Comece a explorar o CrewAI com nossa documentação inicial que o orienta através da configuração e uso da estrutura. - + ## Melhorias - + - Documentação detalhada da API para as classes `Agent`, `Task`, `Crew` e `Process`. - Exemplos e tutoriais para ajudá-lo a construir sua primeira aplicação CrewAI. - Configuração básica para mecanismos de colaboração e delegação entre agentes. - + ## Problemas Conhecidos - + - Como este é o primeiro lançamento, pode haver bugs não descobertos e áreas para otimização. Incentivamos a comunidade a relatar quaisquer problemas encontrados durante o uso. - + ## Recursos Futuros - + - **Gerenciamento Avançado de Processos**: Em lançamentos futuros, introduziremos processos mais complexos para gerenciamento de tarefas, incluindo fluxos de trabalho consensuais e hierárquicos. diff --git a/docs/pt-BR/concepts/agents.mdx b/docs/pt-BR/concepts/agents.mdx index bda88e74b..54560a0a5 100644 --- a/docs/pt-BR/concepts/agents.mdx +++ b/docs/pt-BR/concepts/agents.mdx @@ -20,7 +20,7 @@ Pense em um agente como um membro especializado da equipe com habilidades, compe -O CrewAI Enterprise inclui um Construtor Visual de Agentes, que simplifica a criação e configuração de agentes sem escrever código. Projete seus agentes visualmente e teste-os em tempo real. +O CrewAI AMP inclui um Construtor Visual de Agentes, que simplifica a criação e configuração de agentes sem escrever código. Projete seus agentes visualmente e teste-os em tempo real. ![Visual Agent Builder Screenshot](/images/enterprise/crew-studio-interface.png) diff --git a/docs/pt-BR/concepts/cli.mdx b/docs/pt-BR/concepts/cli.mdx index 00a72c284..7c47c8f75 100644 --- a/docs/pt-BR/concepts/cli.mdx +++ b/docs/pt-BR/concepts/cli.mdx @@ -4,7 +4,7 @@ description: Aprenda a usar o CLI do CrewAI para interagir com o CrewAI. icon: terminal mode: "wide" --- -A partir da versão 0.140.0, a plataforma CrewAI Enterprise iniciou um processo de migração de seu provedor de login. Como resultado, o fluxo de autenticação via CLI foi atualizado. Usuários que utlizam o Google para fazer login, ou que criaram conta após 3 de julho de 2025 não poderão fazer login com versões anteriores da biblioteca `crewai`. +A partir da versão 0.140.0, a plataforma CrewAI AMP iniciou um processo de migração de seu provedor de login. Como resultado, o fluxo de autenticação via CLI foi atualizado. Usuários que utlizam o Google para fazer login, ou que criaram conta após 3 de julho de 2025 não poderão fazer login com versões anteriores da biblioteca `crewai`. ## Visão Geral @@ -201,9 +201,9 @@ def crew(self) -> Crew: ### 10. Deploy -Implemente o crew ou flow no [CrewAI Enterprise](https://app.crewai.com). +Implemente o crew ou flow no [CrewAI AMP](https://app.crewai.com). -- **Autenticação**: Você precisa estar autenticado para implementar no CrewAI Enterprise. +- **Autenticação**: Você precisa estar autenticado para implementar no CrewAI AMP. Você pode fazer login ou criar uma conta com: ```shell Terminal crewai login @@ -218,7 +218,7 @@ Implemente o crew ou flow no [CrewAI Enterprise](https://app.crewai.com). ### 11. Gerenciamento de Organização -Gerencie suas organizações no CrewAI Enterprise. +Gerencie suas organizações no CrewAI AMP. ```shell Terminal crewai org [COMMAND] [OPTIONS] @@ -242,17 +242,17 @@ crewai org switch ``` -Você deve estar autenticado no CrewAI Enterprise para usar estes comandos de gerenciamento de organização. +Você deve estar autenticado no CrewAI AMP para usar estes comandos de gerenciamento de organização. - **Criar um deployment** (continuação): - Vincula o deployment ao respectivo repositório remoto do GitHub (normalmente detectado automaticamente). -- **Implantar o Crew**: Depois de autenticado, você pode implantar seu crew ou flow no CrewAI Enterprise. +- **Implantar o Crew**: Depois de autenticado, você pode implantar seu crew ou flow no CrewAI AMP. ```shell Terminal crewai deploy push ``` - - Inicia o processo de deployment na plataforma CrewAI Enterprise. + - Inicia o processo de deployment na plataforma CrewAI AMP. - Após a iniciação bem-sucedida, será exibida a mensagem Deployment created successfully! juntamente com o Nome do Deployment e um Deployment ID (UUID) único. - **Status do Deployment**: Você pode verificar o status do seu deployment com: @@ -277,7 +277,7 @@ Você deve estar autenticado no CrewAI Enterprise para usar estes comandos de ge ```shell Terminal crewai deploy remove ``` - Isto exclui o deployment da plataforma CrewAI Enterprise. + Isto exclui o deployment da plataforma CrewAI AMP. - **Comando de Ajuda**: Você pode obter ajuda sobre o CLI com: ```shell Terminal @@ -285,17 +285,15 @@ Você deve estar autenticado no CrewAI Enterprise para usar estes comandos de ge ``` Isto exibe a mensagem de ajuda para o CLI CrewAI Deploy. -Assista ao vídeo tutorial para uma demonstração passo-a-passo de implantação do seu crew no [CrewAI Enterprise](http://app.crewai.com) usando o CLI. +Assista ao vídeo tutorial para uma demonstração passo-a-passo de implantação do seu crew no [CrewAI AMP](http://app.crewai.com) usando o CLI. ### 11. Chaves de API @@ -353,7 +351,7 @@ crewai config reset #### Parâmetros de Configuração Disponíveis -- `enterprise_base_url`: URL base da instância CrewAI Enterprise +- `enterprise_base_url`: URL base da instância CrewAI AMP - `oauth2_provider`: Provedor OAuth2 usado para autenticação (ex: workos, okta, auth0) - `oauth2_audience`: Valor de audiência OAuth2, tipicamente usado para identificar a API ou recurso de destino - `oauth2_client_id`: ID do cliente OAuth2 emitido pelo provedor, usado durante solicitações de autenticação @@ -370,7 +368,7 @@ Exemplo de saída: | Parâmetro | Valor | Descrição | | :------------------- | :---------------------- | :------------------------------------------------------------ | -| enterprise_base_url | https://app.crewai.com | URL base da instância CrewAI Enterprise | +| enterprise_base_url | https://app.crewai.com | URL base da instância CrewAI AMP | | org_name | Not set | Nome da organização atualmente ativa | | org_uuid | Not set | UUID da organização atualmente ativa | | oauth2_provider | workos | Provedor OAuth2 (ex.: workos, okta, auth0) | diff --git a/docs/pt-BR/concepts/event-listener.mdx b/docs/pt-BR/concepts/event-listener.mdx index 616153a0b..576fcf028 100644 --- a/docs/pt-BR/concepts/event-listener.mdx +++ b/docs/pt-BR/concepts/event-listener.mdx @@ -20,7 +20,7 @@ O CrewAI utiliza uma arquitetura de event bus para emitir eventos ao longo do ci Quando ações específicas ocorrem no CrewAI (como a inicialização de um Crew, um Agent concluindo uma tarefa ou o uso de uma ferramenta), o sistema emite os eventos correspondentes. Você pode registrar handlers para esses eventos para executar código personalizado quando eles acontecerem. -O CrewAI Enterprise fornece o recurso Prompt Tracing, que aproveita o sistema de eventos para rastrear, armazenar e visualizar todos os prompts, respostas e metadados associados. Isso proporciona poderosas capacidades de depuração e transparência nas operações dos seus agentes. +O CrewAI AMP fornece o recurso Prompt Tracing, que aproveita o sistema de eventos para rastrear, armazenar e visualizar todos os prompts, respostas e metadados associados. Isso proporciona poderosas capacidades de depuração e transparência nas operações dos seus agentes. ![Prompt Tracing Dashboard](/images/enterprise/traces-overview.png) @@ -299,4 +299,4 @@ Listeners de evento podem ser usados para várias finalidades: 4. **Escuta Seletiva**: Escute apenas eventos que realmente precisa tratar 5. **Testes**: Teste seus listeners de evento isoladamente para garantir que se comportam conforme esperado -Aproveitando o sistema de eventos do CrewAI, é possível estender a funcionalidade e integrá-lo facilmente à sua infraestrutura existente. \ No newline at end of file +Aproveitando o sistema de eventos do CrewAI, é possível estender a funcionalidade e integrá-lo facilmente à sua infraestrutura existente. diff --git a/docs/pt-BR/concepts/flows.mdx b/docs/pt-BR/concepts/flows.mdx index d356a2387..c1c8ee695 100644 --- a/docs/pt-BR/concepts/flows.mdx +++ b/docs/pt-BR/concepts/flows.mdx @@ -468,14 +468,13 @@ Explore esses exemplos para descobrir como aproveitar CrewAI Flows em diferentes Além disso, confira nosso vídeo no YouTube sobre como utilizar flows no CrewAI abaixo! ## Executando Flows @@ -508,4 +507,4 @@ Por compatibilidade retroativa, também é possível usar: crewai flow kickoff ``` -No entanto, o comando `crewai run` é agora o preferido, pois funciona tanto para crews quanto para flows. \ No newline at end of file +No entanto, o comando `crewai run` é agora o preferido, pois funciona tanto para crews quanto para flows. diff --git a/docs/pt-BR/concepts/tasks.mdx b/docs/pt-BR/concepts/tasks.mdx index 0669a0315..153150833 100644 --- a/docs/pt-BR/concepts/tasks.mdx +++ b/docs/pt-BR/concepts/tasks.mdx @@ -14,7 +14,7 @@ As tarefas fornecem todos os detalhes necessários para sua execução, como des As tarefas dentro do CrewAI podem ser colaborativas, exigindo que múltiplos agentes trabalhem juntos. Isso é gerenciado por meio das propriedades da tarefa e orquestrado pelo processo do Crew, potencializando o trabalho em equipe e a eficiência. -O CrewAI Enterprise inclui um Construtor Visual de Tarefas no Crew Studio, que simplifica a criação e o encadeamento de tarefas complexas. Projete seus fluxos de tarefas visualmente e teste-os em tempo real sem necessidade de escrever código. +O CrewAI AMP inclui um Construtor Visual de Tarefas no Crew Studio, que simplifica a criação e o encadeamento de tarefas complexas. Projete seus fluxos de tarefas visualmente e teste-os em tempo real sem necessidade de escrever código. ![Task Builder Screenshot](/images/enterprise/crew-studio-interface.png) @@ -1029,14 +1029,13 @@ except RuntimeError as e: Veja o vídeo abaixo para aprender como utilizar saídas estruturadas no CrewAI: ## Conclusão diff --git a/docs/pt-BR/concepts/tools.mdx b/docs/pt-BR/concepts/tools.mdx index f196182b0..2d33f80d6 100644 --- a/docs/pt-BR/concepts/tools.mdx +++ b/docs/pt-BR/concepts/tools.mdx @@ -17,7 +17,7 @@ Isso inclui ferramentas do [CrewAI Toolkit](https://github.com/joaomdmoura/crewa permitindo desde buscas simples até interações complexas e trabalho em equipe eficiente entre agentes. -O CrewAI Enterprise oferece um Repositório de Ferramentas abrangente, com integrações pré-construídas para sistemas empresariais e APIs comuns. Implemente agentes com ferramentas corporativas em minutos em vez de dias. +O CrewAI AMP oferece um Repositório de Ferramentas abrangente, com integrações pré-construídas para sistemas empresariais e APIs comuns. Implemente agentes com ferramentas corporativas em minutos em vez de dias. O Repositório de Ferramentas Empresariais inclui: - Conectores pré-construídos para sistemas empresariais populares @@ -207,7 +207,7 @@ from crewai.tools import BaseTool class AsyncCustomTool(BaseTool): name: str = "async_custom_tool" description: str = "An asynchronous custom tool" - + async def _run(self, query: str = "") -> str: """Asynchronously run the tool""" # Sua implementação assíncrona aqui @@ -281,4 +281,4 @@ writer1 = Agent( Ferramentas são fundamentais para expandir as capacidades dos agentes CrewAI, permitindo que assumam uma ampla gama de tarefas e colaborem de forma eficiente. Ao construir soluções com CrewAI, aproveite tanto ferramentas existentes quanto personalizadas para potencializar seus agentes e ampliar o ecossistema de IA. Considere utilizar tratamento de erros, -mecanismos de cache e a flexibilidade de argumentos das ferramentas para otimizar o desempenho e as capacidades dos seus agentes. \ No newline at end of file +mecanismos de cache e a flexibilidade de argumentos das ferramentas para otimizar o desempenho e as capacidades dos seus agentes. diff --git a/docs/pt-BR/enterprise/features/agent-repositories.mdx b/docs/pt-BR/enterprise/features/agent-repositories.mdx new file mode 100644 index 000000000..89e8c8fae --- /dev/null +++ b/docs/pt-BR/enterprise/features/agent-repositories.mdx @@ -0,0 +1,156 @@ +--- +title: 'Repositórios de Agentes' +description: 'Aprenda a usar Repositórios de Agentes para compartilhar e reutilizar seus agentes entre equipes e projetos' +icon: 'database' +mode: "wide" +--- + +Repositórios de Agentes permitem que usuários do enterprise armazenem, compartilhem e reutilizem definições de agentes entre equipes e projetos. Esse recurso possibilita manter uma biblioteca centralizada de agentes padronizados, promovendo consistência e reduzindo a duplicidade de esforços. + +## Benefícios dos Repositórios de Agentes + +- **Padronização**: Mantenha definições de agentes consistentes em toda a sua organização +- **Reutilização**: Crie um agente uma vez e use-o em vários crews e projetos +- **Governança**: Implemente políticas organizacionais para configurações de agentes +- **Colaboração**: Permita que equipes compartilhem e evoluam o trabalho umas das outras + +## Usando Repositórios de Agentes + +### Pré-requisitos + +1. Você deve ter uma conta na CrewAI, experimente o [plano gratuito](https://app.crewai.com). +2. Você precisa estar autenticado usando o CLI da CrewAI. +3. Se você tiver mais de uma organização, garanta que alternou para a organização correta usando o comando do CLI: + +```bash +crewai org switch +``` + +### Criando e gerenciando agentes em repositórios + +Para criar e gerenciar agentes em repositórios, utilize o Painel do Enterprise. + +### Carregando agentes de repositórios + +Você pode carregar agentes de repositórios no seu código usando o parâmetro `from_repository`: + +```python +from crewai import Agent + +# Crie um agente carregando-o de um repositório +# O agente é carregado com todas as suas configurações predefinidas +researcher = Agent( + from_repository="market-research-agent" +) + +``` + +### Sobrescrevendo configurações do repositório + +Você pode sobrescrever configurações específicas do repositório informando-as na configuração do agente: + +```python +researcher = Agent( + from_repository="market-research-agent", + goal="Pesquisar as tendências mais recentes em desenvolvimento de IA", # Sobrescreve o goal do repositório + verbose=True # Adiciona uma configuração que não está no repositório +) +``` + +### Exemplo: criando um Crew com agentes do repositório + +```python +from crewai import Crew, Agent, Task + +# Carregue agentes dos repositórios +researcher = Agent( + from_repository="market-research-agent" +) + +writer = Agent( + from_repository="content-writer-agent" +) + +# Crie tarefas +research_task = Task( + description="Pesquise as tendências mais recentes em IA", + agent=researcher +) + +writing_task = Task( + description="Escreva um relatório abrangente com base na pesquisa", + agent=writer +) + +# Crie o crew +crew = Crew( + agents=[researcher, writer], + tasks=[research_task, writing_task], + verbose=True +) + +# Execute o crew +result = crew.kickoff() +``` + +### Exemplo: usando `kickoff()` com agentes do repositório + +Você também pode usar agentes de repositório diretamente com o método `kickoff()` para interações mais simples: + +```python +from crewai import Agent +from pydantic import BaseModel +from typing import List + +# Defina um formato de saída estruturado +class MarketAnalysis(BaseModel): + key_trends: List[str] + opportunities: List[str] + recommendation: str + +# Carregue um agente do repositório +analyst = Agent( + from_repository="market-analyst-agent", + verbose=True +) + +# Obtenha uma resposta livre (texto) +result = analyst.kickoff("Analise o mercado de IA em 2025") +print(result.raw) # Acessa a resposta bruta + +# Obtenha saída estruturada +structured_result = analyst.kickoff( + "Forneça uma análise estruturada do mercado de IA em 2025", + response_format=MarketAnalysis +) + +# Acesse os dados estruturados +print(f"Principais Tendências: {structured_result.pydantic.key_trends}") +print(f"Recomendação: {structured_result.pydantic.recommendation}") +``` + +## Boas práticas + +1. **Convenção de nomes**: Use nomes claros e descritivos para seus agentes de repositório +2. **Documentação**: Inclua descrições abrangentes para cada agente +3. **Gestão de ferramentas**: Garanta que as ferramentas referenciadas pelos agentes do repositório estejam disponíveis no seu ambiente +4. **Controle de acesso**: Gerencie permissões para que apenas membros autorizados possam modificar agentes do repositório + +## Gerenciamento de organização + +Para alternar entre organizações ou ver sua organização atual, use o CLI da CrewAI: + +```bash +# Ver organização atual +crewai org current + +# Alternar para outra organização +crewai org switch + +# Listar todas as organizações disponíveis +crewai org list +``` + + +Ao carregar agentes de repositórios, você deve estar autenticado e ter alternado para a organização correta. Se você receber erros, verifique seu status de autenticação e as configurações de organização usando os comandos do CLI acima. + diff --git a/docs/pt-BR/enterprise/features/automations.mdx b/docs/pt-BR/enterprise/features/automations.mdx new file mode 100644 index 000000000..5cfb278fe --- /dev/null +++ b/docs/pt-BR/enterprise/features/automations.mdx @@ -0,0 +1,103 @@ +--- +title: "Automações" +description: "Gerencie, implante e monitore seus crews (automações) em um só lugar." +icon: "rocket" +mode: "wide" +--- + +## Visão geral + +Automações é o hub operacional para seus crews implantados. Use para implantar via GitHub ou arquivo ZIP, gerenciar variáveis de ambiente, reimplantar quando necessário e monitorar o status de cada automação. + + + ![Visão Geral de Automações](/images/enterprise/automations-overview.png) + + +## Métodos de implantação + +### Implantar via GitHub + +Use para projetos versionados e implantação contínua. + + + + Clique em Configure GitHub e autorize o acesso. + + + Escolha o Repositório e a Branch que deseja implantar. + + + Ative Automatically deploy new commits para publicar a cada push. + + + Adicione segredos individualmente ou use Bulk View para múltiplas variáveis. + + + Clique em Deploy para criar sua automação. + + + + + ![Implantação via GitHub](/images/enterprise/deploy-from-github.png) + + +### Implantar via ZIP + +Envie rapidamente sem Git — faça upload de um pacote ZIP do projeto. + + + + Selecione o arquivo ZIP do seu computador. + + + Informe as variáveis necessárias. + + + Clique em Deploy para criar sua automação. + + + + + ![Implantação via ZIP](/images/enterprise/deploy-from-zip.png) + + +## Painel de Automações + +A tabela lista todas as automações com detalhes chave: + +- **CREW**: Nome da automação +- **STATUS**: Online / Failed / In Progress +- **URL**: Endpoint para kickoff/status +- **TOKEN**: Token da automação +- **ACTIONS**: Re‑deploy, delete e outros + +Use os controles no canto superior direito para filtrar e pesquisar: + +- Pesquisar por nome +- Filtrar por Status +- Filtrar por Source (GitHub / Studio / ZIP) + +Após implantar, você pode ver os detalhes da automação e usar o menu **Options** para `chat with this crew`, `Export React Component` e `Export as MCP`. + + + ![Tabela de Automações](/images/enterprise/automations-table.png) + + +## Boas práticas + +- Prefira implantações via GitHub para controle de versão e CI/CD +- Use re‑deploy para avançar após mudanças de código/config ou habilite auto‑deploy a cada push + +## Relacionados + + + + Implante um Crew via GitHub ou arquivo ZIP. + + + Dispare automações por webhooks ou API. + + + Transmita eventos e atualizações em tempo real. + + diff --git a/docs/pt-BR/enterprise/features/crew-studio.mdx b/docs/pt-BR/enterprise/features/crew-studio.mdx new file mode 100644 index 000000000..1414ef2ca --- /dev/null +++ b/docs/pt-BR/enterprise/features/crew-studio.mdx @@ -0,0 +1,88 @@ +--- +title: "Crew Studio" +description: "Crie novas automações com assistência de IA, editor visual e testes integrados." +icon: "pencil" +mode: "wide" +--- + +## Visão geral + +O Crew Studio é um espaço interativo com assistência de IA para criar novas automações do zero usando linguagem natural e um editor visual de fluxo de trabalho. + + + ![Visão Geral do Crew Studio](/images/enterprise/crew-studio-overview.png) + + +## Criação baseada em prompts + +- Descreva a automação desejada; a IA gera agentes, tarefas e ferramentas. +- Use entrada por voz pelo ícone de microfone se preferir. +- Comece com prompts prontos para casos comuns. + + + ![Construtor de Prompt](/images/enterprise/crew-studio-prompt.png) + + +## Editor Visual + +O canvas reflete o fluxo como nós e arestas com três painéis de suporte que permitem configurar o fluxo sem escrever código ("vibe coding AI Agents"): + +- **AI Thoughts (esquerda)**: raciocínio em tempo real enquanto o fluxo é projetado +- **Canvas (centro)**: agentes e tarefas como nós conectados +- **Resources (direita)**: componentes de arrastar‑e‑soltar (agentes, tarefas, ferramentas) + +Você pode arrastar e soltar agentes, tarefas e ferramentas no canvas ou usar a seção de chat para construir os agentes. Ambos compartilham estado e podem ser usados de forma intercambiável. + + + ![Canvas Visual](/images/enterprise/crew-studio-canvas.png) + + +## Execução & Depuração + +Alterne para a visão Execution para executar e observar o fluxo: + +- Linha do tempo de eventos +- Logs detalhados (Details, Messages, Raw Data) +- Execuções locais antes de publicar + + + ![Visão de Execução](/images/enterprise/crew-studio-execution.png) + + +## Publicar & Exportar + +- Publish para implantar uma automação +- Download do código‑fonte como ZIP para desenvolvimento local + + + ![Publicar & Download](/images/enterprise/crew-studio-publish.png) + + +Após publicar, você pode visualizar os detalhes da automação e usar o menu **Options** para `chat with this crew`, `Export React Component` e `Export as MCP`. + + + ![Automação Publicada](/images/enterprise/crew-studio-published.png) + + +## Boas práticas + +- Itere rapidamente no Studio; publique apenas quando estiver estável +- Restrinja permissões das ferramentas ao mínimo necessário +- Use Traces para validar comportamento e desempenho + +## Relacionados + + + + Habilite o Crew Studio. + + + Crie um Crew. + + + Implante um Crew via GitHub ou ZIP. + + + Exporte um componente React. + + diff --git a/docs/pt-BR/enterprise/features/integrations.mdx b/docs/pt-BR/enterprise/features/integrations.mdx deleted file mode 100644 index 48c286fc8..000000000 --- a/docs/pt-BR/enterprise/features/integrations.mdx +++ /dev/null @@ -1,180 +0,0 @@ ---- -title: Integrações -description: "Aplicativos conectados para que seus agentes possam tomar ações." -icon: "plug" -mode: "wide" ---- - -## Visão Geral - -Permita que seus agentes autentiquem com qualquer provedor habilitado para OAuth e tomem ações. Do Salesforce e HubSpot ao Google e GitHub, você conta com mais de 16 serviços integrados. - - - ![Integrações](/images/enterprise/crew_connectors.png) - - -## Integrações Suportadas - -### **Comunicação & Colaboração** -- **Gmail** - Gerencie e-mails e rascunhos -- **Slack** - Notificações e alertas do workspace -- **Microsoft** - Integração com Office 365 e Teams - -### **Gerenciamento de Projetos** -- **Jira** - Rastreamento de issues e gerenciamento de projetos -- **ClickUp** - Gerenciamento de tarefas e produtividade -- **Asana** - Coordenação de tarefas e projetos de equipe -- **Notion** - Gerenciamento de páginas e bases de dados -- **Linear** - Gerenciamento de projetos de software e bugs -- **GitHub** - Gerenciamento de repositórios e issues - -### **Gestão de Relacionamento com o Cliente** -- **Salesforce** - Gerenciamento de contas e oportunidades de CRM -- **HubSpot** - Gestão de pipeline de vendas e contatos -- **Zendesk** - Administração de chamados de suporte ao cliente - -### **Negócios & Finanças** -- **Stripe** - Processamento de pagamentos e gerenciamento de clientes -- **Shopify** - Gestão de loja de e-commerce e produtos - -### **Produtividade & Armazenamento** -- **Google Sheets** - Sincronização de dados de planilhas -- **Google Calendar** - Gerenciamento de eventos e agendas -- **Box** - Armazenamento de arquivos e gerenciamento de documentos - -e mais estão por vir! - -## Pré-requisitos - -Antes de usar as Integrações de Autenticação, certifique-se de que você possui: - -- Uma conta [CrewAI Enterprise](https://app.crewai.com). Você pode começar com uma avaliação gratuita. - -## Configurando Integrações - -### 1. Conecte sua Conta - -1. Acesse o [CrewAI Enterprise](https://app.crewai.com) -2. Vá até a aba **Integrações** - https://app.crewai.com/crewai_plus/connectors -3. Clique em **Conectar** no serviço desejado na seção Integrações de Autenticação -4. Complete o fluxo de autenticação OAuth -5. Conceda as permissões necessárias para seu caso de uso -6. Pronto! Obtenha seu Token Enterprise do [CrewAI Enterprise](https://app.crewai.com) na aba **Integration** - - - ![Integrações](/images/enterprise/enterprise_action_auth_token.png) - - -### 2. Instale as Ferramentas de Integração - -Tudo o que você precisa é da versão mais recente do pacote `crewai-tools`. - -```bash -uv add crewai-tools -``` - -## Exemplos de Uso - -### Uso Básico - - Todos os serviços nos quais você estiver autenticado estarão disponíveis como ferramentas. Portanto, tudo que você precisa fazer é adicionar o `CrewaiEnterpriseTools` ao seu agente e pronto. - - -```python -from crewai import Agent, Task, Crew -from crewai_tools import CrewaiEnterpriseTools - -# Obtenha ferramentas enterprise (a ferramenta Gmail será incluída) -ferramentas_enterprise = CrewaiEnterpriseTools( - enterprise_token="seu_token_enterprise" -) -# imprima as ferramentas -printf(ferramentas_enterprise) - -# Crie um agente com capacidades do Gmail -agente_email = Agent( - role="Gerente de E-mails", - goal="Gerenciar e organizar comunicações por e-mail", - backstory="Um assistente de IA especializado em gestão de e-mails e comunicação.", - tools=ferramentas_enterprise -) - -# Tarefa para enviar um e-mail -tarefa_email = Task( - description="Redigir e enviar um e-mail de acompanhamento para john@example.com sobre a atualização do projeto", - agent=agente_email, - expected_output="Confirmação de que o e-mail foi enviado com sucesso" -) - -# Execute a tarefa -crew = Crew( - agents=[agente_email], - tasks=[tarefa_email] -) - -# Execute o crew -crew.kickoff() -``` - -### Filtrando Ferramentas - -```python -from crewai_tools import CrewaiEnterpriseTools - -enterprise_tools = CrewaiEnterpriseTools( - actions_list=["gmail_find_email"] # apenas a ferramenta gmail_find_email estará disponível -) -gmail_tool = enterprise_tools["gmail_find_email"] - -agente_gmail = Agent( - role="Gerente do Gmail", - goal="Gerenciar comunicações e notificações do gmail", - backstory="Um assistente de IA que ajuda a coordenar comunicações no gmail.", - tools=[gmail_tool] -) - -tarefa_notificacao = Task( - description="Encontrar o e-mail de john@example.com", - agent=agente_gmail, - expected_output="E-mail encontrado de john@example.com" -) - -# Execute a tarefa -crew = Crew( - agents=[agente_gmail], - tasks=[tarefa_notificacao] -) -``` - -## Melhores Práticas - -### Segurança -- **Princípio do Menor Privilégio**: Conceda apenas as permissões mínimas exigidas para as tarefas dos seus agentes -- **Auditorias Regulares**: Revise periodicamente as integrações conectadas e suas permissões -- **Credenciais Seguras**: Nunca insira credenciais diretamente no código; utilize o fluxo seguro de autenticação do CrewAI - -### Filtrando Ferramentas -Em um crew implantado, você pode especificar quais ações estão disponíveis para cada integração a partir da página de configurações do serviço ao qual você se conectou. - - - ![Integrações](/images/enterprise/filtering_enterprise_action_tools.png) - - -### Implantações com Escopo para organizações multiusuário -Você pode implantar seu crew e associar cada integração a um usuário específico. Por exemplo, um crew que se conecta ao Google pode usar a conta do Gmail de um usuário específico. - - - Isso é útil para organizações multiusuário, onde você deseja direcionar a integração para um usuário específico. - - -Use o `user_bearer_token` para direcionar a integração a um usuário específico; assim, quando o crew for iniciado, ele usará o bearer token desse usuário para autenticar com a integração. Se o usuário não estiver logado, o crew não utilizará nenhuma integração conectada. Use o bearer token padrão para autenticar com as integrações que estão sendo implantadas com o crew. - - - ![Integrações](/images/enterprise/user_bearer_token.png) - - -### Precisa de Ajuda? - - - Entre em contato com nosso time de suporte para assistência com a configuração de integrações ou solução de problemas. - diff --git a/docs/pt-BR/enterprise/features/marketplace.mdx b/docs/pt-BR/enterprise/features/marketplace.mdx new file mode 100644 index 000000000..7022cc1bd --- /dev/null +++ b/docs/pt-BR/enterprise/features/marketplace.mdx @@ -0,0 +1,45 @@ +--- +title: "Marketplace" +description: "Descubra, instale e governe ativos reutilizáveis para seus crews enterprise." +icon: "store" +mode: "wide" +--- + +## Visão geral + +O Marketplace oferece uma superfície curada para descobrir integrações, ferramentas internas e ativos reutilizáveis que aceleram o desenvolvimento de crews. + + + ![Marketplace Visão Geral](/images/enterprise/marketplace-overview.png) + + +## Descoberta + +- Navegue por categoria e capacidade +- Pesquise por nome ou palavra‑chave + +## Instalar & Habilitar + +- Instalação com um clique para ativos aprovados +- Habilite ou desabilite por crew conforme necessário +- Configure variáveis de ambiente e escopos necessários + + + ![Instalar & Configurar](/images/enterprise/marketplace-install.png) + + +Você também pode baixar templates diretamente do marketplace clicando em `Download` para usar localmente ou personalizar conforme necessário. + +## Relacionados + + + + Conecte apps externos e gerencie ferramentas internas que seus agentes podem usar. + + + Publique e instale ferramentas para ampliar as capacidades dos seus crews. + + + Armazene, compartilhe e reutilize definições de agentes entre equipes e projetos. + + diff --git a/docs/pt-BR/enterprise/features/rbac.mdx b/docs/pt-BR/enterprise/features/rbac.mdx index aba3e0596..105179353 100644 --- a/docs/pt-BR/enterprise/features/rbac.mdx +++ b/docs/pt-BR/enterprise/features/rbac.mdx @@ -7,11 +7,11 @@ mode: "wide" ## Visão Geral -O RBAC no CrewAI Enterprise permite gerenciar acesso de forma segura e escalável combinando **funções em nível de organização** com **controles de visibilidade em nível de automação**. +O RBAC no CrewAI AMP permite gerenciar acesso de forma segura e escalável combinando **funções em nível de organização** com **controles de visibilidade em nível de automação**. - Visão geral de RBAC no CrewAI Enterprise - + Visão geral de RBAC no CrewAI AMP + ## Usuários e Funções @@ -28,7 +28,7 @@ A configuração de usuários e funções é feita em Settings → Roles. - Vá em Settings → Roles no CrewAI Enterprise. + Vá em Settings → Roles no CrewAI AMP. Use Owner ou Member, ou clique em Create role para criar uma função personalizada. @@ -93,12 +93,10 @@ O owner sempre possui acesso. Em modo privado, somente usuários/funções na wh - Configuração de visibilidade no CrewAI Enterprise - + Configuração de visibilidade no CrewAI AMP + Fale com o nosso time para suporte em configuração e auditoria de RBAC. - - diff --git a/docs/pt-BR/enterprise/features/tools-and-integrations.mdx b/docs/pt-BR/enterprise/features/tools-and-integrations.mdx new file mode 100644 index 000000000..8fb2bb10f --- /dev/null +++ b/docs/pt-BR/enterprise/features/tools-and-integrations.mdx @@ -0,0 +1,234 @@ +--- +title: "Ferramentas & Integrações" +description: "Conecte apps externos e gerencie ferramentas internas que seus agentes podem usar." +icon: "wrench" +mode: "wide" +--- + +## Visão geral + +Ferramentas & Integrações é o hub central para conectar aplicações de terceiros e gerenciar ferramentas internas que seus agentes podem usar em tempo de execução. + + + ![Ferramentas & Integrações](/images/enterprise/crew_connectors.png) + + +## Explorar + + + + + ## Aplicativos para Agentes (Integrações) + + Conecte aplicações empresariais (por exemplo, Gmail, Google Drive, HubSpot, Slack) via OAuth para habilitar ações de agentes. + + + + Clique em Conectar no app desejado e conclua o OAuth. + + + Ajuste escopos, gatilhos e ações disponíveis conforme necessário. + + + Os serviços conectados ficam disponíveis como ferramentas para seus agentes. + + + + + ![Aplicativos](/images/enterprise/agent-apps.png) + + + ### Conectar sua conta + + 1. Acesse Integrações + 2. Clique em Conectar no serviço desejado + 3. Conclua o fluxo OAuth e conceda os escopos + 4. Copie seu Token Enterprise na aba Integração + + + ![Token Enterprise](/images/enterprise/enterprise_action_auth_token.png) + + + ### Instalar ferramentas de integração + + Para usar as integrações localmente, instale a versão mais recente do pacote `crewai-tools`. + + ```bash + uv add crewai-tools + ``` + + ### Exemplo de uso + + + Todos os serviços autenticados ficam disponíveis como ferramentas. Adicione `CrewaiEnterpriseTools` ao agente e pronto. + + + ```python + from crewai import Agent, Task, Crew + from crewai_tools import CrewaiEnterpriseTools + + enterprise_tools = CrewaiEnterpriseTools( + enterprise_token="seu_enterprise_token" + ) + print(enterprise_tools) + + email_agent = Agent( + role="Gerente de Email", + goal="Gerenciar e organizar comunicações por email", + backstory="Assistente de IA especializado em gestão de emails", + tools=enterprise_tools + ) + + email_task = Task( + description="Criar e enviar follow-up para john@example.com sobre a atualização do projeto", + agent=email_agent, + expected_output="Confirmação de envio do email com sucesso" + ) + + crew = Crew(agents=[email_agent], tasks=[email_task]) + crew.kickoff() + ``` + + ### Filtrando ferramentas + + ```python + from crewai_tools import CrewaiEnterpriseTools + + enterprise_tools = CrewaiEnterpriseTools( + actions_list=["gmail_find_email"] + ) + + gmail_tool = enterprise_tools["gmail_find_email"] + + gmail_agent = Agent( + role="Gerente de Gmail", + goal="Gerenciar comunicações e notificações no Gmail", + backstory="Assistente de IA para coordenação de emails", + tools=[gmail_tool] + ) + + notification_task = Task( + description="Encontrar o email de john@example.com", + agent=gmail_agent, + expected_output="Email encontrado de john@example.com" + ) + + crew = Crew(agents=[gmail_agent], tasks=[notification_task]) + ``` + + Em um crew implantado, você pode especificar quais ações ficam disponíveis em cada integração na página de configurações do serviço. + + + ![Filtrar Ações](/images/enterprise/filtering_enterprise_action_tools.png) + + + ### Implantações com escopo (organizações multiusuário) + + Você pode escopar cada integração para um usuário específico (por exemplo, usar a conta Gmail de um usuário). + + + Útil quando diferentes equipes/usuários precisam manter o acesso a dados isolado. + + + Use `user_bearer_token` para escopar a autenticação ao usuário solicitante. Se o usuário não estiver logado, o crew não usará integrações conectadas; caso contrário, usa o token padrão configurado na implantação. + + + ![Token de Usuário](/images/enterprise/user_bearer_token.png) + + +
+ ### Catálogo + + #### Comunicação & Colaboração + - Gmail — Gerenciamento de emails e rascunhos + - Slack — Notificações e alertas do workspace + - Microsoft — Integração com Office 365 e Teams + + #### Gestão de Projetos + - Jira — Rastreamento de issues e projetos + - ClickUp — Gestão de tarefas e produtividade + - Asana — Coordenação de tarefas de equipe + - Notion — Páginas e bancos de dados + - Linear — Gestão de bugs e projetos de software + - GitHub — Repositórios e issues + + #### CRM + - Salesforce — Contas e oportunidades + - HubSpot — Pipeline de vendas e contatos + - Zendesk — Tickets de suporte + + #### Negócios & Finanças + - Stripe — Pagamentos e clientes + - Shopify — E‑commerce e produtos + + #### Produtividade & Armazenamento + - Google Sheets — Sincronização de planilhas + - Google Calendar — Eventos e agenda + - Box — Armazenamento de arquivos + + …e mais por vir! + + + + + ## Ferramentas Internas + + Crie ferramentas localmente, publique no Repositório de Ferramentas da CrewAI AMP e use nos seus agentes. + + + Antes de executar os comandos abaixo, faça login na sua conta CrewAI AMP: + ```bash + crewai login + ``` + + + + ![Ferramenta Interna](/images/enterprise/tools-integrations-internal.png) + + + + + Criar uma nova ferramenta localmente. + ```bash + crewai tool create your-tool + ``` + + + Publicar a ferramenta no Repositório de Ferramentas. + ```bash + crewai tool publish + ``` + + + Instalar a ferramenta do Repositório de Ferramentas. + ```bash + crewai tool install your-tool + ``` + + + + Gerenciar: + + - Nome e descrição + - Visibilidade (Privado / Público) + - Variáveis de ambiente necessárias + - Histórico de versões e downloads + - Acesso por equipe e função + + + ![Configurações de Ferramenta](/images/enterprise/tool-configs.png) + + + + + +## Relacionados + + + + Publique e instale ferramentas para ampliar as capacidades dos seus crews. + + + Automatize fluxos e integre com plataformas e serviços externos. + + diff --git a/docs/pt-BR/enterprise/features/traces.mdx b/docs/pt-BR/enterprise/features/traces.mdx index 45fbbf831..006f9ebfb 100644 --- a/docs/pt-BR/enterprise/features/traces.mdx +++ b/docs/pt-BR/enterprise/features/traces.mdx @@ -11,7 +11,7 @@ Traces fornecem visibilidade abrangente sobre as execuções dos seus crews, aju ## O que são Traces? -Traces no CrewAI Enterprise são registros detalhados de execução que capturam todos os aspectos da operação do seu crew, desde as entradas iniciais até as saídas finais. Eles registram: +Traces no CrewAI AMP são registros detalhados de execução que capturam todos os aspectos da operação do seu crew, desde as entradas iniciais até as saídas finais. Eles registram: - Pensamentos e raciocínio do agente - Detalhes da execução das tarefas @@ -28,9 +28,9 @@ Traces no CrewAI Enterprise são registros detalhados de execução que capturam - No seu painel do CrewAI Enterprise, clique em **Traces** para ver todos os registros de execução. + No seu painel do CrewAI AMP, clique em **Traces** para ver todos os registros de execução. - + Você verá uma lista de todas as execuções do crew, ordenadas por data. Clique em qualquer execução para visualizar seu trace detalhado. @@ -112,7 +112,7 @@ Traces são indispensáveis para solucionar problemas nos seus crews: Quando uma execução de crew não produzir os resultados esperados, examine o trace para encontrar onde ocorreu o problema. Procure por: - + - Tarefas que falharam - Decisões inesperadas dos agentes - Erros no uso de ferramentas @@ -122,19 +122,19 @@ Traces são indispensáveis para solucionar problemas nos seus crews: ![Failure Points](/images/enterprise/failure.png) - + Use métricas de execução para identificar gargalos de desempenho: - + - Tarefas que demoraram mais do que o esperado - Uso excessivo de tokens - Operações redundantes de ferramentas - Chamadas de API desnecessárias - + Analise o uso de tokens e as estimativas de custo para otimizar a eficiência do seu crew: - + - Considere usar modelos menores para tarefas mais simples - Refine prompts para serem mais concisos - Faça cache de informações acessadas frequentemente @@ -143,5 +143,5 @@ Traces são indispensáveis para solucionar problemas nos seus crews: - Entre em contato com nossa equipe de suporte para assistência com análise de traces ou outros recursos do CrewAI Enterprise. - \ No newline at end of file + Entre em contato com nossa equipe de suporte para assistência com análise de traces ou outros recursos do CrewAI AMP. + diff --git a/docs/pt-BR/enterprise/features/webhook-streaming.mdx b/docs/pt-BR/enterprise/features/webhook-streaming.mdx index b187af324..1dccaff81 100644 --- a/docs/pt-BR/enterprise/features/webhook-streaming.mdx +++ b/docs/pt-BR/enterprise/features/webhook-streaming.mdx @@ -7,7 +7,7 @@ mode: "wide" ## Visão Geral -O Enterprise Event Streaming permite que você receba atualizações em tempo real via webhook sobre suas crews e flows implantados no CrewAI Enterprise, como chamadas de modelo, uso de ferramentas e etapas do flow. +O Enterprise Event Streaming permite que você receba atualizações em tempo real via webhook sobre suas crews e flows implantados no CrewAI AMP, como chamadas de modelo, uso de ferramentas e etapas do flow. ## Uso @@ -81,4 +81,4 @@ Você pode emitir seus próprios eventos personalizados, e eles serão entregues Entre em contato com nossa equipe de suporte para assistência com integração de webhook ou solução de problemas. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/guides/automation-triggers.mdx b/docs/pt-BR/enterprise/guides/automation-triggers.mdx index 4907a6c87..07f5a757a 100644 --- a/docs/pt-BR/enterprise/guides/automation-triggers.mdx +++ b/docs/pt-BR/enterprise/guides/automation-triggers.mdx @@ -1,75 +1,138 @@ --- -title: "Triggers de Automação" -description: "Execute automaticamente seus workflows CrewAI quando eventos específicos ocorrem em integrações conectadas" +title: "Visão Geral de Triggers" +description: "Entenda como os triggers da CrewAI AMP funcionam, como gerenciá-los e onde encontrar playbooks específicos de integração" icon: "bolt" mode: "wide" --- -Os triggers de automação permitem executar automaticamente suas implantações CrewAI quando eventos específicos ocorrem em suas integrações conectadas, criando workflows poderosos orientados por eventos que respondem a mudanças em tempo real em seus sistemas de negócio. +Os triggers da CrewAI AMP conectam suas automações a eventos em tempo real nas ferramentas que sua equipe já usa. Em vez de fazer polling ou depender de execuções manuais, os triggers escutam mudanças — novos e‑mails, atualizações de calendário, alterações no CRM — e iniciam imediatamente a crew ou flow que você definiu. -## Visão Geral + -Com triggers de automação, você pode: +### Playbooks de Integração -- **Responder a eventos em tempo real** - Execute workflows automaticamente quando condições específicas forem atendidas -- **Integrar com sistemas externos** - Conecte com plataformas como Gmail, Outlook, OneDrive, JIRA, Slack, Stripe e muito mais -- **Escalar sua automação** - Lide com eventos de alto volume sem intervenção manual -- **Manter contexto** - Acesse dados do trigger dentro de suas crews e flows +Os guias abaixo explicam, em detalhe, como habilitar e testar cada integração: -## Gerenciando Triggers de Automação + + + Dispare crews quando novos e‑mails chegarem ou threads forem atualizadas. + + + + Reaja a eventos de calendário criados, atualizados ou cancelados. + + + + Monitore uploads, edições e exclusões de arquivos no Drive. + + + + Automatize respostas a novos e‑mails ou eventos removidos no Outlook. + + + + Audite atividade e compartilhamentos de arquivos no OneDrive. + + + + Inicie workflows quando novos chats forem criados no Teams. + + + + Execute automações a partir de workflows e eventos de ciclo de vida no HubSpot. + + + + Conecte processos do Salesforce às suas crews para automação de CRM. + + + + Dispare crews diretamente de comandos slash no Slack. + + + + Integre a CrewAI com milhares de apps suportados pelo Zapier. + + + +## Capacidades dos Triggers + +Com triggers você pode: + +- **Responder em tempo real** – Executar workflows automaticamente quando condições forem atendidas +- **Integrar com sistemas externos** – Conectar Gmail, Outlook, OneDrive, JIRA, Slack, Stripe e muito mais +- **Escalar automações** – Lidar com alto volume de eventos sem intervenção manual +- **Manter contexto** – Acessar dados do trigger dentro das suas crews e flows + +## Gerenciando Triggers ### Visualizando Triggers Disponíveis -Para acessar e gerenciar seus triggers de automação: - -1. Navegue até sua implantação no painel do CrewAI -2. Clique na aba **Triggers** para visualizar todas as integrações de trigger disponíveis +1. Abra sua automação no painel da CrewAI +2. Clique na aba **Triggers** para listar todas as integrações disponíveis - Lista de triggers de automação disponíveis + Lista de triggers disponíveis -Esta visualização mostra todas as integrações de trigger disponíveis para sua implantação, junto com seus status de conexão atuais. +### Habilitando e Desabilitando -### Habilitando e Desabilitando Triggers - -Cada trigger pode ser facilmente habilitado ou desabilitado usando o botão de alternância: +Cada trigger possui uma chave de ativação: - Habilitar ou desabilitar triggers com alternância + Alternância de trigger habilitado -- **Habilitado (alternância azul)**: O trigger está ativo e executará automaticamente sua implantação quando os eventos especificados ocorrerem -- **Desabilitado (alternância cinza)**: O trigger está inativo e não responderá a eventos +- **Habilitado (azul)** – Executa a automação quando o evento ocorrer +- **Desabilitado (cinza)** – Ignora eventos -Simplesmente clique na alternância para mudar o estado do trigger. As alterações entram em vigor imediatamente. +As alterações são aplicadas imediatamente. -### Monitorando Execuções de Trigger +### Monitorando Execuções -Acompanhe o desempenho e histórico de suas execuções acionadas: +Use a lista de execuções para acompanhar histórico, status e payloads: - Lista de execuções acionadas por automação + Lista de execuções acionadas por triggers -## Construindo Automação +## Construindo Automações Orientadas por Trigger -Antes de construir sua automação, é útil entender a estrutura dos payloads de trigger que suas crews e flows receberão. +### Checklist de Configuração -### Repositório de Amostras de Payload +Antes de ativar em produção, confirme que você: -Mantemos um repositório abrangente com amostras de payload de várias fontes de trigger para ajudá-lo a construir e testar suas automações: +- Conectou a integração em **Tools & Integrations** e concluiu OAuth ou configuração de API +- Habilitou o trigger na automação correta +- Definiu variáveis de ambiente necessárias (tokens, IDs de tenant, segredos) +- Criou tarefas que analisam o payload no primeiro passo da crew/flow +- Decidiu se usará `allow_crewai_trigger_context` para injetar contexto automaticamente +- Configurou monitoramento (webhooks, históricos da CrewAI, alertas externos) -**🔗 [Amostras de Payload de Trigger CrewAI Enterprise](https://github.com/crewAIInc/crewai-enterprise-trigger-payload-samples)** +### Repositório de Payloads e Crews de Exemplo -Este repositório contém: +| Integração | Quando dispara | Amostras de payload | Crews de exemplo | +| :-- | :-- | :-- | :-- | +| Gmail | Novas mensagens, atualização de threads | [Payloads de alertas e threads](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/gmail) | [`new-email-crew.py`, `gmail-alert-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/gmail) | +| Google Calendar | Evento criado/atualizado/iniciado/encerrado/cancelado | [Payloads de eventos](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_calendar) | [`calendar-event-crew.py`, `calendar-meeting-crew.py`, `calendar-working-location-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_calendar) | +| Google Drive | Arquivo criado/atualizado/excluído | [Payloads de arquivos](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_drive) | [`drive-file-crew.py`, `drive-file-deletion-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_drive) | +| Outlook | Novo e‑mail, evento removido | [Payloads do Outlook](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/outlook) | [`outlook-message-crew.py`, `outlook-event-removal-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/outlook) | +| OneDrive | Operações de arquivo (criar, atualizar, compartilhar, excluir) | [Payloads do OneDrive](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/onedrive) | [`onedrive-file-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/onedrive) | +| HubSpot | Registros criados/atualizados (contatos, empresas, negócios) | [Payloads do HubSpot](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/hubspot) | [`hubspot-company-crew.py`, `hubspot-contact-crew.py`, `hubspot-record-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/hubspot) | +| Microsoft Teams | Chat criado | [Payload do Teams](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/microsoft-teams) | [`teams-chat-created-crew.py`](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/microsoft-teams) | -- **Exemplos reais de payload** de diferentes fontes de trigger (Gmail, Google Drive, etc.) -- **Documentação da estrutura de payload** mostrando o formato e campos disponíveis +Use essas amostras para ajustar o parsing, copiar a crew correspondente e substituir o payload de teste pelo dado real. -### Triggers com Crew +### Triggers com Crews -Suas definições de crew existentes funcionam perfeitamente com triggers, você só precisa ter uma tarefa para analisar o payload recebido: +Suas definições de crew funcionam naturalmente com triggers; basta ter uma tarefa que processe o payload recebido: ```python @CrewBase @@ -95,15 +158,13 @@ class MinhaCrewAutomatizada: ) ``` -A crew receberá automaticamente e pode acessar o payload do trigger através dos mecanismos de contexto padrão do CrewAI. - ### Integração com Flows -Para flows, você tem mais controle sobre como os dados do trigger são tratados: +Flows oferecem controle adicional sobre o uso do payload: -#### Acessando Payload do Trigger +#### Acessando o Payload -Todos os métodos `@start()` em seus flows aceitarão um parâmetro adicional chamado `crewai_trigger_payload`: +Todos os métodos `@start()` podem receber `crewai_trigger_payload`: ```python from crewai.flow import Flow, start, listen @@ -111,62 +172,48 @@ from crewai.flow import Flow, start, listen class MeuFlowAutomatizado(Flow): @start() def lidar_com_trigger(self, crewai_trigger_payload: dict = None): - """ - Este método start pode receber dados do trigger - """ if crewai_trigger_payload: - # Processa os dados do trigger trigger_id = crewai_trigger_payload.get('id') dados_evento = crewai_trigger_payload.get('payload', {}) - - # Armazena no estado do flow para uso por outros métodos self.state.trigger_id = trigger_id self.state.trigger_type = dados_evento - return dados_evento - - # Lida com execução manual return None @listen(lidar_com_trigger) def processar_dados(self, dados_trigger): - """ - Processa os dados do trigger - """ # ... processa o trigger ``` #### Acionando Crews a partir de Flows -Ao iniciar uma crew dentro de um flow que foi acionado, passe o payload do trigger conforme ele: - ```python @start() def delegar_para_crew(self, crewai_trigger_payload: dict = None): - """ - Delega processamento para uma crew especializada - """ crew = MinhaCrewEspecializada() - - # Passa o payload do trigger para a crew resultado = crew.crew().kickoff( inputs={ 'parametro_personalizado': "valor_personalizado", 'crewai_trigger_payload': crewai_trigger_payload }, ) - return resultado ``` ## Solução de Problemas -**Trigger não está sendo disparado:** -- Verifique se o trigger está habilitado -- Verifique o status de conexão da integração +**Trigger não dispara:** +- Verifique se está habilitado +- Confira o status da conexão **Falhas de execução:** -- Verifique os logs de execução para detalhes do erro -- Se você está desenvolvendo, certifique-se de que as entradas incluem o parâmetro `crewai_trigger_payload` com o payload correto +- Consulte os logs para entender o erro +- Durante o desenvolvimento, garanta que `crewai_trigger_payload` está presente com o payload correto -Os triggers de automação transformam suas implantações CrewAI em sistemas responsivos orientados por eventos que podem se integrar perfeitamente com seus processos de negócio e ferramentas existentes. +Os triggers transformam suas implantações CrewAI em sistemas orientados por eventos, integrando-se perfeitamente aos processos e ferramentas já usados pelo seu time. + + + + Repositório CrewAI AMP Trigger Examples + + diff --git a/docs/pt-BR/enterprise/guides/azure-openai-setup.mdx b/docs/pt-BR/enterprise/guides/azure-openai-setup.mdx index 76c13f4db..cb1cc8141 100644 --- a/docs/pt-BR/enterprise/guides/azure-openai-setup.mdx +++ b/docs/pt-BR/enterprise/guides/azure-openai-setup.mdx @@ -20,7 +20,7 @@ Este guia orienta você na conexão do Azure OpenAI com o Crew Studio para opera - 4. Em outra aba, abra `CrewAI Enterprise > LLM Connections`. Dê um nome à sua LLM Connection, selecione Azure como provedor e escolha o mesmo modelo que você selecionou no Azure. + 4. Em outra aba, abra `CrewAI AMP > LLM Connections`. Dê um nome à sua LLM Connection, selecione Azure como provedor e escolha o mesmo modelo que você selecionou no Azure. 5. Na mesma página, adicione as variáveis de ambiente do passo 3: - Uma chamada `AZURE_DEPLOYMENT_TARGET_URL` (usando o Target URI). A URL deve ser parecida com: https://your-deployment.openai.azure.com/openai/deployments/gpt-4o/chat/completions?api-version=2024-08-01-preview - Outra chamada `AZURE_API_KEY` (usando a Key). @@ -28,7 +28,7 @@ Este guia orienta você na conexão do Azure OpenAI com o Crew Studio para opera - 7. Em `CrewAI Enterprise > Settings > Defaults > Crew Studio LLM Settings`, defina a nova LLM Connection e o modelo como padrão. + 7. Em `CrewAI AMP > Settings > Defaults > Crew Studio LLM Settings`, defina a nova LLM Connection e o modelo como padrão. @@ -49,4 +49,4 @@ Se você encontrar problemas: - Verifique se o formato do Target URI corresponde ao padrão esperado - Confira se a API key está correta e com as permissões adequadas - Certifique-se de que o acesso à rede está configurado para permitir conexões do CrewAI -- Confirme se o modelo da implantação corresponde ao que você configurou no CrewAI \ No newline at end of file +- Confirme se o modelo da implantação corresponde ao que você configurou no CrewAI diff --git a/docs/pt-BR/enterprise/guides/build-crew.mdx b/docs/pt-BR/enterprise/guides/build-crew.mdx index 485890023..b605a63aa 100644 --- a/docs/pt-BR/enterprise/guides/build-crew.mdx +++ b/docs/pt-BR/enterprise/guides/build-crew.mdx @@ -7,19 +7,17 @@ mode: "wide" ## Visão Geral -[CrewAI Enterprise](https://app.crewai.com) simplifica o processo de **criação**, **implantação** e **gerenciamento** dos seus agentes de IA em ambientes de produção. +[CrewAI AMP](https://app.crewai.com) simplifica o processo de **criação**, **implantação** e **gerenciamento** dos seus agentes de IA em ambientes de produção. ## Primeiros Passos ### Instalação e Configuração diff --git a/docs/pt-BR/enterprise/guides/deploy-crew.mdx b/docs/pt-BR/enterprise/guides/deploy-crew.mdx index f00dac2da..1ff0d9bab 100644 --- a/docs/pt-BR/enterprise/guides/deploy-crew.mdx +++ b/docs/pt-BR/enterprise/guides/deploy-crew.mdx @@ -1,12 +1,12 @@ --- title: "Deploy Crew" -description: "Implantando um Crew na CrewAI Enterprise" +description: "Implantando um Crew na CrewAI AMP" icon: "rocket" mode: "wide" --- -Depois de criar um crew localmente ou pelo Crew Studio, o próximo passo é implantá-lo na plataforma CrewAI Enterprise. Este guia cobre múltiplos métodos de implantação para ajudá-lo a escolher a melhor abordagem para o seu fluxo de trabalho. +Depois de criar um crew localmente ou pelo Crew Studio, o próximo passo é implantá-lo na plataforma CrewAI AMP. Este guia cobre múltiplos métodos de implantação para ajudá-lo a escolher a melhor abordagem para o seu fluxo de trabalho. ## Pré-requisitos @@ -39,10 +39,10 @@ A CLI fornece a maneira mais rápida de implantar crews desenvolvidos localmente - Primeiro, você precisa autenticar sua CLI com a plataforma CrewAI Enterprise: + Primeiro, você precisa autenticar sua CLI com a plataforma CrewAI AMP: ```bash - # Se já possui uma conta CrewAI Enterprise, ou deseja criar uma: + # Se já possui uma conta CrewAI AMP, ou deseja criar uma: crewai login ``` @@ -124,7 +124,7 @@ O CrewAI CLI oferece vários comandos para gerenciar suas implantações: ## Opção 2: Implantar Diretamente pela Interface Web -Você também pode implantar seus crews diretamente pela interface web da CrewAI Enterprise conectando sua conta do GitHub. Esta abordagem não requer utilizar a CLI na sua máquina local. +Você também pode implantar seus crews diretamente pela interface web da CrewAI AMP conectando sua conta do GitHub. Esta abordagem não requer utilizar a CLI na sua máquina local. @@ -134,9 +134,9 @@ Você também pode implantar seus crews diretamente pela interface web da CrewAI - + - 1. Faça login em [CrewAI Enterprise](https://app.crewai.com) + 1. Faça login em [CrewAI AMP](https://app.crewai.com) 2. Clique no botão "Connect GitHub" @@ -190,7 +190,7 @@ Você também pode implantar seus crews diretamente pela interface web da CrewAI ## ⚠️ Requisitos de Segurança para Variáveis de Ambiente -**Importante**: A CrewAI Enterprise possui restrições de segurança sobre os nomes de variáveis de ambiente que podem causar falha na implantação caso não sejam seguidas. +**Importante**: A CrewAI AMP possui restrições de segurança sobre os nomes de variáveis de ambiente que podem causar falha na implantação caso não sejam seguidas. ### Padrões de Variáveis de Ambiente Bloqueados diff --git a/docs/pt-BR/enterprise/guides/enable-crew-studio.mdx b/docs/pt-BR/enterprise/guides/enable-crew-studio.mdx index 329f87aa1..d6db8aa90 100644 --- a/docs/pt-BR/enterprise/guides/enable-crew-studio.mdx +++ b/docs/pt-BR/enterprise/guides/enable-crew-studio.mdx @@ -1,6 +1,6 @@ --- title: "Ativar Crew Studio" -description: "Ativando o Crew Studio no CrewAI Enterprise" +description: "Ativando o Crew Studio no CrewAI AMP" icon: "comments" mode: "wide" --- @@ -24,7 +24,7 @@ Com o Crew Studio, você pode: - Selecionar as ferramentas apropriadas - Configurar os inputs necessários - Gerar código para download e personalização -- Fazer deploy diretamente na plataforma CrewAI Enterprise +- Fazer deploy diretamente na plataforma CrewAI AMP ## Etapas de Configuração @@ -32,14 +32,14 @@ Antes de começar a usar o Crew Studio, você precisa configurar suas conexões - Acesse a aba **LLM Connections** no painel do CrewAI Enterprise e crie uma nova conexão LLM. + Acesse a aba **LLM Connections** no painel do CrewAI AMP e crie uma nova conexão LLM. Sinta-se à vontade para utilizar qualquer provedor LLM suportado pelo CrewAI. - + Configure sua conexão LLM: - + - Insira um `Connection Name` (por exemplo, `OpenAI`) - Selecione o provedor do modelo: `openai` ou `azure` - Selecione os modelos que deseja usar em suas Crews geradas pelo Studio @@ -48,28 +48,28 @@ Antes de começar a usar o Crew Studio, você precisa configurar suas conexões - Para OpenAI: adicione `OPENAI_API_KEY` com sua chave de API - Para Azure OpenAI: consulte [este artigo](https://blog.crewai.com/configuring-azure-openai-with-crewai-a-comprehensive-guide/) para detalhes de configuração - Clique em `Add Connection` para salvar sua configuração - + ![LLM Connection Configuration](/images/enterprise/llm-connection-config.png) - + Assim que concluir a configuração, você verá sua nova conexão adicionada à lista de conexões disponíveis. - + ![Connection Added](/images/enterprise/connection-added.png) - + No menu principal, vá em **Settings → Defaults** e configure as opções padrão do LLM: - + - Selecione os modelos padrão para agentes e outros componentes - Defina as configurações padrão para o Crew Studio - + Clique em `Save Settings` para aplicar as alterações. - + ![LLM Defaults Configuration](/images/enterprise/llm-defaults.png) @@ -82,38 +82,38 @@ Agora que você configurou sua conexão LLM e os padrões, está pronto para com - Navegue até a seção **Studio** no painel do CrewAI Enterprise. + Navegue até a seção **Studio** no painel do CrewAI AMP. - + Inicie uma conversa com o Crew Assistant descrevendo o problema que deseja resolver: - + ```md I need a crew that can research the latest AI developments and create a summary report. ``` - + O Crew Assistant fará perguntas de esclarecimento para entender melhor suas necessidades. - + Revise a configuração do crew gerado, incluindo: - + - Agentes e seus papéis - Tarefas a serem realizadas - Inputs necessários - Ferramentas a serem utilizadas - + Esta é sua oportunidade para refinar a configuração antes de prosseguir. - + Quando estiver satisfeito com a configuração, você pode: - + - Baixar o código gerado para personalização local - - Fazer deploy do crew diretamente na plataforma CrewAI Enterprise + - Fazer deploy do crew diretamente na plataforma CrewAI AMP - Modificar a configuração e gerar o crew novamente - + Após o deploy, teste seu crew com inputs de exemplo para garantir que ele funcione conforme esperado. @@ -130,37 +130,37 @@ Veja um fluxo de trabalho típico para criação de um crew com o Crew Studio: Comece descrevendo seu problema: - + ```md I need a crew that can analyze financial news and provide investment recommendations ``` - + Responda às perguntas de esclarecimento do Crew Assistant para refinar seus requisitos. - + Revise o plano do crew gerado, que pode incluir: - + - Um Research Agent para coletar notícias financeiras - Um Analysis Agent para interpretar os dados - Um Recommendations Agent para fornecer conselhos de investimento - + Aprove o plano ou solicite alterações, se necessário. - + Baixe o código para personalização ou faça o deploy diretamente na plataforma. - + Teste seu crew com inputs de exemplo e faça ajustes conforme necessário. - Entre em contato com nossa equipe de suporte para obter assistência com o Crew Studio ou qualquer outro recurso do CrewAI Enterprise. - \ No newline at end of file + Entre em contato com nossa equipe de suporte para obter assistência com o Crew Studio ou qualquer outro recurso do CrewAI AMP. + diff --git a/docs/pt-BR/enterprise/guides/gmail-trigger.mdx b/docs/pt-BR/enterprise/guides/gmail-trigger.mdx new file mode 100644 index 000000000..2caefc045 --- /dev/null +++ b/docs/pt-BR/enterprise/guides/gmail-trigger.mdx @@ -0,0 +1,85 @@ +--- +title: "Gmail Trigger" +description: "Trigger automations when Gmail events occur (e.g., new emails, labels)." +icon: "envelope" +mode: "wide" +--- + +## Overview + +Use the Gmail Trigger to kick off your deployed crews when Gmail events happen in connected accounts, such as receiving a new email or messages matching a label/filter. + + + Make sure Gmail is connected in Tools & Integrations and the trigger is enabled for your deployment. + + +## Enabling the Gmail Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Gmail** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Process new emails + +When a new email arrives, the Gmail Trigger will send the payload to your Crew or Flow. Below is a Crew example that parses and processes the trigger payload. + +```python +@CrewBase +class GmailProcessingCrew: + @agent + def parser(self) -> Agent: + return Agent( + config=self.agents_config['parser'], + ) + + @task + def parse_gmail_payload(self) -> Task: + return Task( + config=self.tasks_config['parse_gmail_payload'], + agent=self.parser(), + ) + + @task + def act_on_email(self) -> Task: + return Task( + config=self.tasks_config['act_on_email'], + agent=self.parser(), + ) +``` + +The Gmail payload will be available via the standard context mechanisms. See the payload samples repository for structure and fields. + +### Sample payloads & crews + +The [CrewAI AMP Trigger Examples repository](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/gmail) includes: + +- `new-email-payload-1.json` / `new-email-payload-2.json` — production-style new message alerts with matching crews in `new-email-crew.py` +- `thread-updated-sample-1.json` — follow-up messages on an existing thread, processed by `gmail-alert-crew.py` + +Use these samples to validate your parsing logic locally before wiring the trigger to your live Gmail accounts. + +## Monitoring Executions + +Track history and performance of triggered runs: + + + List of executions triggered by automation + + +## Payload Reference + +See the sample payloads and field descriptions: + + + Gmail samples in Trigger Examples Repo + + +## Troubleshooting + +- Ensure Gmail is connected in Tools & Integrations +- Verify the Gmail Trigger is enabled on the Triggers tab +- Check the execution logs and confirm the payload is passed as `crewai_trigger_payload` diff --git a/docs/pt-BR/enterprise/guides/google-calendar-trigger.mdx b/docs/pt-BR/enterprise/guides/google-calendar-trigger.mdx new file mode 100644 index 000000000..cf2d32471 --- /dev/null +++ b/docs/pt-BR/enterprise/guides/google-calendar-trigger.mdx @@ -0,0 +1,65 @@ +--- +title: "Google Calendar Trigger" +description: "Kick off crews when Google Calendar events are created, updated, or cancelled" +icon: "calendar" +mode: "wide" +--- + +## Overview + +Use the Google Calendar trigger to launch automations whenever calendar events change. Common use cases include briefing a team before a meeting, notifying stakeholders when a critical event is cancelled, or summarizing daily schedules. + + + Make sure Google Calendar is connected in **Tools & Integrations** and enabled for the deployment you want to automate. + + +## Enabling the Google Calendar Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Google Calendar** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize meeting details + +The snippet below mirrors the `calendar-event-crew.py` example in the trigger repository. It parses the payload, analyses the attendees and timing, and produces a meeting brief for downstream tools. + +```python +from calendar_event_crew import GoogleCalendarEventTrigger + +crew = GoogleCalendarEventTrigger().crew() +result = crew.kickoff({ + "crewai_trigger_payload": calendar_payload, +}) +print(result.raw) +``` + +Use `crewai_trigger_payload` exactly as it is delivered by the trigger so the crew can extract the proper fields. + +## Sample payloads & crews + +The [Google Calendar examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_calendar) show how to handle multiple event types: + +- `new-event.json` → standard event creation handled by `calendar-event-crew.py` +- `event-updated.json` / `event-started.json` / `event-ended.json` → in-flight updates processed by `calendar-meeting-crew.py` +- `event-canceled.json` → cancellation workflow that alerts attendees via `calendar-meeting-crew.py` +- Working location events use `calendar-working-location-crew.py` to extract on-site schedules + +Each crew transforms raw event metadata (attendees, rooms, working locations) into the summaries your teams need. + +## Monitoring Executions + +The **Executions** list in the deployment dashboard tracks every triggered run and surfaces payload metadata, output summaries, and errors. + + + List of executions triggered by automation + + +## Troubleshooting + +- Ensure the correct Google account is connected and the trigger is enabled +- Confirm your workflow handles all-day events (payloads use `start.date` and `end.date` instead of timestamps) +- Check execution logs if reminders or attendee arrays are missing—calendar permissions can limit fields in the payload diff --git a/docs/pt-BR/enterprise/guides/google-drive-trigger.mdx b/docs/pt-BR/enterprise/guides/google-drive-trigger.mdx new file mode 100644 index 000000000..19c10837b --- /dev/null +++ b/docs/pt-BR/enterprise/guides/google-drive-trigger.mdx @@ -0,0 +1,61 @@ +--- +title: "Google Drive Trigger" +description: "Respond to Google Drive file events with automated crews" +icon: "folder" +mode: "wide" +--- + +## Overview + +Trigger your automations when files are created, updated, or removed in Google Drive. Typical workflows include summarizing newly uploaded content, enforcing sharing policies, or notifying owners when critical files change. + + + Connect Google Drive in **Tools & Integrations** and confirm the trigger is enabled for the automation you want to monitor. + + +## Enabling the Google Drive Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Google Drive** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize file activity + +The drive example crews parse the payload to extract file metadata, evaluate permissions, and publish a summary. + +```python +from drive_file_crew import GoogleDriveFileTrigger + +crew = GoogleDriveFileTrigger().crew() +crew.kickoff({ + "crewai_trigger_payload": drive_payload, +}) +``` + +## Sample payloads & crews + +Explore the [Google Drive examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/google_drive) to cover different operations: + +- `new-file.json` → new uploads processed by `drive-file-crew.py` +- `updated-file.json` → file edits and metadata changes handled by `drive-file-crew.py` +- `deleted-file.json` → deletion events routed through `drive-file-deletion-crew.py` + +Each crew highlights the file name, operation type, owner, permissions, and security considerations so downstream systems can respond appropriately. + +## Monitoring Executions + +Track history and performance of triggered runs with the **Executions** list in the deployment dashboard. + + + List of executions triggered by automation + + +## Troubleshooting + +- Verify Google Drive is connected and the trigger toggle is enabled +- If a payload is missing permission data, ensure the connected account has access to the file or folder +- The trigger sends file IDs only; use the Drive API if you need to fetch binary content during the crew run diff --git a/docs/pt-BR/enterprise/guides/hubspot-trigger.mdx b/docs/pt-BR/enterprise/guides/hubspot-trigger.mdx index 9ffcefd95..849fe97cd 100644 --- a/docs/pt-BR/enterprise/guides/hubspot-trigger.mdx +++ b/docs/pt-BR/enterprise/guides/hubspot-trigger.mdx @@ -5,22 +5,22 @@ icon: "hubspot" mode: "wide" --- -Este guia fornece um processo passo a passo para configurar gatilhos do HubSpot para o CrewAI Enterprise, permitindo iniciar crews diretamente a partir de Workflows do HubSpot. +Este guia fornece um processo passo a passo para configurar gatilhos do HubSpot para o CrewAI AMP, permitindo iniciar crews diretamente a partir de Workflows do HubSpot. ## Pré-requisitos -- Uma conta CrewAI Enterprise +- Uma conta CrewAI AMP - Uma conta HubSpot com o recurso de [Workflows do HubSpot](https://knowledge.hubspot.com/workflows/create-workflows) ## Etapas de Configuração - - - Faça login na sua `Conta CrewAI Enterprise > Triggers` + + - Faça login na sua `Conta CrewAI AMP > Triggers` - Selecione `HubSpot` na lista de gatilhos disponíveis - - Escolha a conta HubSpot que deseja conectar ao CrewAI Enterprise - - Siga as instruções na tela para autorizar o acesso do CrewAI Enterprise à sua conta HubSpot - - Uma mensagem de confirmação aparecerá assim que o HubSpot estiver conectado com sucesso ao CrewAI Enterprise + - Escolha a conta HubSpot que deseja conectar ao CrewAI AMP + - Siga as instruções na tela para autorizar o acesso do CrewAI AMP à sua conta HubSpot + - Uma mensagem de confirmação aparecerá assim que o HubSpot estiver conectado com sucesso ao CrewAI AMP - Faça login na sua `Conta HubSpot > Automations > Workflows > New workflow` @@ -51,4 +51,4 @@ Este guia fornece um processo passo a passo para configurar gatilhos do HubSpot ## Recursos Adicionais -Para informações mais detalhadas sobre as ações disponíveis e opções de personalização, consulte a [Documentação de Workflows do HubSpot](https://knowledge.hubspot.com/workflows/create-workflows). \ No newline at end of file +Para informações mais detalhadas sobre as ações disponíveis e opções de personalização, consulte a [Documentação de Workflows do HubSpot](https://knowledge.hubspot.com/workflows/create-workflows). diff --git a/docs/pt-BR/enterprise/guides/kickoff-crew.mdx b/docs/pt-BR/enterprise/guides/kickoff-crew.mdx index 2682dbb34..a616b55fa 100644 --- a/docs/pt-BR/enterprise/guides/kickoff-crew.mdx +++ b/docs/pt-BR/enterprise/guides/kickoff-crew.mdx @@ -1,19 +1,19 @@ --- title: "Kickoff Crew" -description: "Inicie um Crew no CrewAI Enterprise" +description: "Inicie um Crew no CrewAI AMP" icon: "flag-checkered" mode: "wide" --- ## Visão Geral -Uma vez que você tenha implantado seu crew na plataforma CrewAI Enterprise, é possível iniciar execuções pela interface web ou pela API. Este guia aborda ambos os métodos. +Uma vez que você tenha implantado seu crew na plataforma CrewAI AMP, é possível iniciar execuções pela interface web ou pela API. Este guia aborda ambos os métodos. ## Método 1: Usando a Interface Web ### Passo 1: Navegue até seu Crew Implantado -1. Faça login no [CrewAI Enterprise](https://app.crewai.com) +1. Faça login no [CrewAI AMP](https://app.crewai.com) 2. Clique no nome do crew na sua lista de projetos 3. Você será direcionado para a página de detalhes do crew @@ -83,7 +83,7 @@ Quando a execução for concluída: ## Método 2: Usando a API -Você também pode iniciar crews programaticamente usando a REST API do CrewAI Enterprise. +Você também pode iniciar crews programaticamente usando a REST API do CrewAI AMP. ### Autenticação @@ -183,4 +183,4 @@ Se uma execução falhar: Entre em contato com nossa equipe de suporte para obter ajuda com problemas de execução ou dúvidas sobre a plataforma Enterprise. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/guides/microsoft-teams-trigger.mdx b/docs/pt-BR/enterprise/guides/microsoft-teams-trigger.mdx new file mode 100644 index 000000000..10878af40 --- /dev/null +++ b/docs/pt-BR/enterprise/guides/microsoft-teams-trigger.mdx @@ -0,0 +1,52 @@ +--- +title: "Microsoft Teams Trigger" +description: "Kick off crews from Microsoft Teams chat activity" +icon: "microsoft" +mode: "wide" +--- + +## Overview + +Use the Microsoft Teams trigger to start automations whenever a new chat is created. Common patterns include summarizing inbound requests, routing urgent messages to support teams, or creating follow-up tasks in other systems. + + + Confirm Microsoft Teams is connected under **Tools & Integrations** and enabled in the **Triggers** tab for your deployment. + + +## Enabling the Microsoft Teams Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Microsoft Teams** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize a new chat thread + +```python +from teams_chat_created_crew import MicrosoftTeamsChatTrigger + +crew = MicrosoftTeamsChatTrigger().crew() +result = crew.kickoff({ + "crewai_trigger_payload": teams_payload, +}) +print(result.raw) +``` + +The crew parses thread metadata (subject, created time, roster) and generates an action plan for the receiving team. + +## Sample payloads & crews + +The [Microsoft Teams examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/microsoft-teams) include: + +- `chat-created.json` → chat creation payload processed by `teams-chat-created-crew.py` + +The crew demonstrates how to extract participants, initial messages, tenant information, and compliance metadata from the Microsoft Graph webhook payload. + +## Troubleshooting + +- Ensure the Teams connection is active; it must be refreshed if the tenant revokes permissions +- Confirm the webhook subscription in Microsoft 365 is still valid if payloads stop arriving +- Review execution logs for payload shape mismatches—Graph notifications may omit fields when a chat is private or restricted diff --git a/docs/pt-BR/enterprise/guides/onedrive-trigger.mdx b/docs/pt-BR/enterprise/guides/onedrive-trigger.mdx new file mode 100644 index 000000000..51de175db --- /dev/null +++ b/docs/pt-BR/enterprise/guides/onedrive-trigger.mdx @@ -0,0 +1,53 @@ +--- +title: "OneDrive Trigger" +description: "Automate responses to OneDrive file activity" +icon: "cloud" +mode: "wide" +--- + +## Overview + +Start automations when files change inside OneDrive. You can generate audit summaries, notify security teams about external sharing, or update downstream line-of-business systems with new document metadata. + + + Connect OneDrive in **Tools & Integrations** and toggle the trigger on for your deployment. + + +## Enabling the OneDrive Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **OneDrive** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Audit file permissions + +```python +from onedrive_file_crew import OneDriveFileTrigger + +crew = OneDriveFileTrigger().crew() +crew.kickoff({ + "crewai_trigger_payload": onedrive_payload, +}) +``` + +The crew inspects file metadata, user activity, and permission changes to produce a compliance-friendly summary. + +## Sample payloads & crews + +The [OneDrive examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/onedrive) showcase how to: + +- Parse file metadata, size, and folder paths +- Track who created and last modified the file +- Highlight permission and external sharing changes + +`onedrive-file-crew.py` bundles the analysis and summarization tasks so you can add remediation steps as needed. + +## Troubleshooting + +- Ensure the connected account has permission to read the file metadata included in the webhook +- If the trigger fires but the payload is missing `permissions`, confirm the site-level sharing settings allow Graph to return this field +- For large tenants, filter notifications upstream so the crew only runs on relevant directories diff --git a/docs/pt-BR/enterprise/guides/outlook-trigger.mdx b/docs/pt-BR/enterprise/guides/outlook-trigger.mdx new file mode 100644 index 000000000..21bda5407 --- /dev/null +++ b/docs/pt-BR/enterprise/guides/outlook-trigger.mdx @@ -0,0 +1,52 @@ +--- +title: "Outlook Trigger" +description: "Launch automations from Outlook emails and calendar updates" +icon: "microsoft" +mode: "wide" +--- + +## Overview + +Automate responses when Outlook delivers a new message or when an event is removed from the calendar. Teams commonly route escalations, file tickets, or alert attendees of cancellations. + + + Connect Outlook in **Tools & Integrations** and ensure the trigger is enabled for your deployment. + + +## Enabling the Outlook Trigger + +1. Open your deployment in CrewAI AMP +2. Go to the **Triggers** tab +3. Locate **Outlook** and switch the toggle to enable + + + Enable or disable triggers with toggle + + +## Example: Summarize a new email + +```python +from outlook_message_crew import OutlookMessageTrigger + +crew = OutlookMessageTrigger().crew() +crew.kickoff({ + "crewai_trigger_payload": outlook_payload, +}) +``` + +The crew extracts sender details, subject, body preview, and attachments before generating a structured response. + +## Sample payloads & crews + +Review the [Outlook examples](https://github.com/crewAIInc/crewai-enterprise-trigger-examples/tree/main/outlook) for two common scenarios: + +- `new-message.json` → new mail notifications parsed by `outlook-message-crew.py` +- `event-removed.json` → calendar cleanup handled by `outlook-event-removal-crew.py` + +Each crew demonstrates how to handle Microsoft Graph payloads, normalize headers, and keep humans in-the-loop with concise summaries. + +## Troubleshooting + +- Verify the Outlook connector is still authorized; the subscription must be renewed periodically +- If attachments are missing, confirm the webhook subscription includes the `includeResourceData` flag +- Review execution logs when events fail to match—cancellation payloads lack attendee lists by design and the crew should account for that diff --git a/docs/pt-BR/enterprise/guides/react-component-export.mdx b/docs/pt-BR/enterprise/guides/react-component-export.mdx index 062d2564c..c086d4f80 100644 --- a/docs/pt-BR/enterprise/guides/react-component-export.mdx +++ b/docs/pt-BR/enterprise/guides/react-component-export.mdx @@ -1,11 +1,11 @@ --- title: "Exportação de Componentes React" -description: "Aprenda como exportar e integrar componentes React do CrewAI Enterprise em suas aplicações" +description: "Aprenda como exportar e integrar componentes React do CrewAI AMP em suas aplicações" icon: "react" mode: "wide" --- -Este guia explica como exportar crews do CrewAI Enterprise como componentes React e integrá-los às suas próprias aplicações. +Este guia explica como exportar crews do CrewAI AMP como componentes React e integrá-los às suas próprias aplicações. ## Exportando um Componente React @@ -38,7 +38,7 @@ Para executar este componente React localmente, você precisará configurar um a npx create-react-app my-crew-app ``` - Entre no diretório do projeto: - + ```bash cd my-crew-app ``` @@ -77,7 +77,7 @@ Para executar este componente React localmente, você precisará configurar um a - No diretório do seu projeto, execute: - + ```bash npm start ``` @@ -101,4 +101,4 @@ Você pode então personalizar o `CrewLead.jsx` para adicionar cor, título etc. - Personalize o estilo do componente para combinar com o design da sua aplicação - Adicione props adicionais para configuração - Integre com o gerenciamento de estado da sua aplicação -- Adicione tratamento de erros e estados de carregamento \ No newline at end of file +- Adicione tratamento de erros e estados de carregamento diff --git a/docs/pt-BR/enterprise/guides/salesforce-trigger.mdx b/docs/pt-BR/enterprise/guides/salesforce-trigger.mdx index 6a84a2a57..229923e88 100644 --- a/docs/pt-BR/enterprise/guides/salesforce-trigger.mdx +++ b/docs/pt-BR/enterprise/guides/salesforce-trigger.mdx @@ -5,7 +5,7 @@ icon: "salesforce" mode: "wide" --- -A CrewAI Enterprise pode ser acionada a partir do Salesforce para automatizar fluxos de trabalho de gestão de relacionamento com o cliente e aprimorar suas operações de vendas. +A CrewAI AMP pode ser acionada a partir do Salesforce para automatizar fluxos de trabalho de gestão de relacionamento com o cliente e aprimorar suas operações de vendas. ## Visão Geral @@ -18,15 +18,20 @@ O Salesforce é uma das principais plataformas de gestão de relacionamento com ## Demonstração - - - + ## Primeiros Passos Para configurar triggers no Salesforce: -1. **Contato com o Suporte**: Entre em contato com o suporte da CrewAI Enterprise para obter assistência na configuração dos triggers no Salesforce +1. **Contato com o Suporte**: Entre em contato com o suporte da CrewAI AMP para obter assistência na configuração dos triggers no Salesforce 2. **Revisar Requisitos**: Certifique-se de possuir as permissões necessárias no Salesforce e acesso à API 3. **Configurar Conexão**: Trabalhe com a equipe de suporte para estabelecer a conexão entre a CrewAI e sua instância do Salesforce 4. **Testar Triggers**: Verifique se os triggers funcionam corretamente para os seus casos de uso específicos @@ -42,4 +47,4 @@ Cenários comuns de uso de triggers Salesforce + CrewAI incluem: ## Próximos Passos -Para instruções detalhadas de configuração e opções avançadas, entre em contato com o suporte da CrewAI Enterprise, que pode fornecer orientações personalizadas para o seu ambiente Salesforce e necessidades de negócio. \ No newline at end of file +Para instruções detalhadas de configuração e opções avançadas, entre em contato com o suporte da CrewAI AMP, que pode fornecer orientações personalizadas para o seu ambiente Salesforce e necessidades de negócio. diff --git a/docs/pt-BR/enterprise/guides/team-management.mdx b/docs/pt-BR/enterprise/guides/team-management.mdx index 1594bca15..41aed304c 100644 --- a/docs/pt-BR/enterprise/guides/team-management.mdx +++ b/docs/pt-BR/enterprise/guides/team-management.mdx @@ -1,17 +1,17 @@ --- title: "Gestão de Equipes" -description: "Aprenda como convidar e gerenciar membros da equipe em sua organização CrewAI Enterprise" +description: "Aprenda como convidar e gerenciar membros da equipe em sua organização CrewAI AMP" icon: "users" mode: "wide" --- -Como administrador de uma conta CrewAI Enterprise, você pode facilmente convidar novos membros para sua organização. Este guia irá orientá-lo passo a passo pelo processo. +Como administrador de uma conta CrewAI AMP, você pode facilmente convidar novos membros para sua organização. Este guia irá orientá-lo passo a passo pelo processo. ## Convidando Membros da Equipe - - Faça login na sua conta CrewAI Enterprise + - Faça login na sua conta CrewAI AMP - Procure o ícone de engrenagem (⚙️) no canto superior direito do painel - Clique no ícone de engrenagem para acessar a página de **Configurações**: @@ -43,7 +43,7 @@ Você pode adicionar funções aos membros da equipe para controlar o acesso a d - - Faça login na sua conta CrewAI Enterprise + - Faça login na sua conta CrewAI AMP - Procure o ícone de engrenagem (⚙️) no canto superior direito do painel - Clique no ícone de engrenagem para acessar a página de **Configurações**: @@ -85,4 +85,4 @@ Você pode adicionar funções aos membros da equipe para controlar o acesso a d - **Aceite do Convite**: Os membros convidados precisarão aceitar o convite para ingressar na sua organização - **Notificações por E-mail**: Oriente seus membros a verificarem o e-mail (incluindo a pasta de spam) para localizar o convite -Seguindo estes passos, você conseguirá expandir sua equipe e colaborar de forma mais eficaz dentro da sua organização CrewAI Enterprise. \ No newline at end of file +Seguindo estes passos, você conseguirá expandir sua equipe e colaborar de forma mais eficaz dentro da sua organização CrewAI AMP. diff --git a/docs/pt-BR/enterprise/features/tool-repository.mdx b/docs/pt-BR/enterprise/guides/tool-repository.mdx similarity index 89% rename from docs/pt-BR/enterprise/features/tool-repository.mdx rename to docs/pt-BR/enterprise/guides/tool-repository.mdx index 5550cbb60..c59a2ab0b 100644 --- a/docs/pt-BR/enterprise/features/tool-repository.mdx +++ b/docs/pt-BR/enterprise/guides/tool-repository.mdx @@ -14,17 +14,17 @@ As ferramentas podem ser: - **Privadas**: acessíveis apenas dentro da sua organização (padrão) - **Públicas**: acessíveis a todos os usuários CrewAI se publicadas com a flag `--public` -O repositório não é um sistema de controle de versões. Use o Git para rastrear mudanças no código e permitir colaboração. +O repositório não é um sistema de controle de versões. Use Git para rastrear mudanças no código e permitir colaboração. ## Pré-requisitos Antes de usar o Repositório de Ferramentas, certifique-se de que você possui: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) +- Uma conta [CrewAI AMP](https://app.crewai.com) - [CrewAI CLI](https://docs.crewai.com/concepts/cli#cli) instalada - uv>=0.5.0 instalado. Veja [como atualizar](https://docs.astral.sh/uv/getting-started/installation/#upgrading-uv) - [Git](https://git-scm.com) instalado e configurado -- Permissões de acesso para publicar ou instalar ferramentas em sua organização CrewAI Enterprise +- Permissões de acesso para publicar ou instalar ferramentas em sua organização CrewAI AMP ## Instalando ferramentas @@ -85,7 +85,7 @@ crewai tool publish Para excluir uma ferramenta: -1. Acesse o [CrewAI Enterprise](https://app.crewai.com) +1. Acesse o [CrewAI AMP](https://app.crewai.com) 2. Navegue até **Ferramentas** 3. Selecione a ferramenta 4. Clique em **Excluir** @@ -100,9 +100,8 @@ Cada versão publicada passa por verificações automáticas de segurança e só Você pode verificar o status das verificações de segurança de uma ferramenta em: -`CrewAI Enterprise > Tools > Your Tool > Versions` - +`CrewAI AMP > Tools > Your Tool > Versions` Entre em contato com nossa equipe de suporte para assistência com integração de API ou resolução de problemas. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/guides/update-crew.mdx b/docs/pt-BR/enterprise/guides/update-crew.mdx index b48a5a818..c131bd73a 100644 --- a/docs/pt-BR/enterprise/guides/update-crew.mdx +++ b/docs/pt-BR/enterprise/guides/update-crew.mdx @@ -1,12 +1,12 @@ --- title: "Atualizar Crew" -description: "Atualizando uma Crew no CrewAI Enterprise" +description: "Atualizando uma Crew no CrewAI AMP" icon: "pencil" mode: "wide" --- -Após implantar sua crew no CrewAI Enterprise, pode ser necessário fazer atualizações no código, configurações de segurança ou configuração. +Após implantar sua crew no CrewAI AMP, pode ser necessário fazer atualizações no código, configurações de segurança ou configuração. Este guia explica como realizar essas operações de atualização comuns. @@ -23,7 +23,7 @@ Há várias razões para querer atualizar sua implantação de crew: Quando você fizer push de novos commits no seu repositório do GitHub e quiser atualizar sua implantação: -1. Navegue até sua crew na plataforma CrewAI Enterprise +1. Navegue até sua crew na plataforma CrewAI AMP 2. Clique no botão `Re-deploy` na página de detalhes da sua crew @@ -36,7 +36,7 @@ Isso irá acionar uma atualização que pode ser acompanhada pela barra de progr Se precisar gerar um novo bearer token (por exemplo, se suspeitar que o token atual possa ter sido comprometido): -1. Navegue até sua crew na plataforma CrewAI Enterprise +1. Navegue até sua crew na plataforma CrewAI AMP 2. Encontre a seção `Bearer Token` 3. Clique no botão `Reset` ao lado do token atual @@ -86,4 +86,4 @@ Se encontrar algum problema após a atualização, é possível visualizar os lo Entre em contato com nossa equipe de suporte para obter assistência com a atualização da sua crew ou solução de problemas de implantação. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/guides/webhook-automation.mdx b/docs/pt-BR/enterprise/guides/webhook-automation.mdx index e972e9df4..14671d0ab 100644 --- a/docs/pt-BR/enterprise/guides/webhook-automation.mdx +++ b/docs/pt-BR/enterprise/guides/webhook-automation.mdx @@ -1,17 +1,17 @@ --- title: "Automação com Webhook" -description: "Automatize fluxos de trabalho do CrewAI Enterprise usando webhooks com plataformas como ActivePieces, Zapier e Make.com" +description: "Automatize fluxos de trabalho do CrewAI AMP usando webhooks com plataformas como ActivePieces, Zapier e Make.com" icon: "webhook" mode: "wide" --- -O CrewAI Enterprise permite que você automatize seu fluxo de trabalho usando webhooks. Este artigo irá guiá-lo no processo de configuração e uso de webhooks para iniciar a execução do crew, com foco na integração com o ActivePieces, uma plataforma de automação de fluxos de trabalho semelhante ao Zapier e Make.com. +O CrewAI AMP permite que você automatize seu fluxo de trabalho usando webhooks. Este artigo irá guiá-lo no processo de configuração e uso de webhooks para iniciar a execução do crew, com foco na integração com o ActivePieces, uma plataforma de automação de fluxos de trabalho semelhante ao Zapier e Make.com. ## Configurando Webhooks - - Navegue até o painel do CrewAI Enterprise + - Navegue até o painel do CrewAI AMP - Procure pela seção `/kickoff`, que é usada para iniciar a execução do crew Interface Kickoff @@ -44,7 +44,7 @@ O CrewAI Enterprise permite que você automatize seu fluxo de trabalho usando we 3. Adicione uma etapa de ação HTTP - Configure a ação como `Send HTTP request` - Use o método `POST` - - Defina a URL para o endpoint de kickoff do CrewAI Enterprise + - Defina a URL para o endpoint de kickoff do CrewAI AMP - Adicione os headers necessários (ex.: `Bearer Token`) Headers ActivePieces @@ -121,4 +121,4 @@ O CrewAI Enterprise permite que você automatize seu fluxo de trabalho usando we } ``` - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/guides/zapier-trigger.mdx b/docs/pt-BR/enterprise/guides/zapier-trigger.mdx index 7520f06b6..dba720a1f 100644 --- a/docs/pt-BR/enterprise/guides/zapier-trigger.mdx +++ b/docs/pt-BR/enterprise/guides/zapier-trigger.mdx @@ -5,11 +5,11 @@ icon: "bolt" mode: "wide" --- -Este guia irá conduzi-lo pelo processo de configuração de triggers no Zapier para o CrewAI Enterprise, permitindo automatizar fluxos de trabalho entre CrewAI Enterprise e outros aplicativos. +Este guia irá conduzi-lo pelo processo de configuração de triggers no Zapier para o CrewAI AMP, permitindo automatizar fluxos de trabalho entre CrewAI AMP e outros aplicativos. ## Pré-requisitos -- Uma conta CrewAI Enterprise +- Uma conta CrewAI AMP - Uma conta Zapier - Uma conta Slack (para este exemplo específico) @@ -32,7 +32,7 @@ Este guia irá conduzi-lo pelo processo de configuração de triggers no Zapier - Conecte sua conta Slack, caso ainda não tenha feito isso. - + - Adicione uma nova etapa de ação ao seu Zap. - Escolha CrewAI+ como o app de ação e Kickoff como Evento de Ação. @@ -41,8 +41,8 @@ Este guia irá conduzi-lo pelo processo de configuração de triggers no Zapier - - - Conecte sua conta CrewAI Enterprise. + + - Conecte sua conta CrewAI AMP. - Selecione o Crew apropriado para seu fluxo de trabalho. @@ -51,8 +51,8 @@ Este guia irá conduzi-lo pelo processo de configuração de triggers no Zapier - Configure as entradas para o Crew usando os dados da mensagem do Slack. - - - Adicione outra etapa de ação para formatar a saída de texto do CrewAI Enterprise. + + - Adicione outra etapa de ação para formatar a saída de texto do CrewAI AMP. - Utilize as ferramentas de formatação do Zapier para converter a saída em Markdown para HTML. @@ -67,7 +67,7 @@ Este guia irá conduzi-lo pelo processo de configuração de triggers no Zapier - Adicione uma etapa final de ação para enviar a saída formatada por e-mail. - Escolha seu serviço de e-mail preferido (ex.: Gmail, Outlook). - Configure os detalhes do e-mail, incluindo destinatário, assunto e corpo. - - Insira a saída formatada do CrewAI Enterprise no corpo do e-mail. + - Insira a saída formatada do CrewAI AMP no corpo do e-mail. Zapier 7 @@ -97,8 +97,8 @@ Este guia irá conduzi-lo pelo processo de configuração de triggers no Zapier ## Dicas para o Sucesso -- Certifique-se de que as entradas do CrewAI Enterprise estejam corretamente mapeadas a partir da mensagem do Slack. +- Certifique-se de que as entradas do CrewAI AMP estejam corretamente mapeadas a partir da mensagem do Slack. - Teste seu Zap cuidadosamente antes de ativá-lo para identificar possíveis problemas. - Considere adicionar etapas de tratamento de erros para gerenciar possíveis falhas no fluxo. -Seguindo estes passos, você terá configurado com sucesso triggers no Zapier para o CrewAI Enterprise, permitindo fluxos de trabalho automatizados disparados por mensagens no Slack e resultando em notificações por e-mail com a saída do CrewAI Enterprise. \ No newline at end of file +Seguindo estes passos, você terá configurado com sucesso triggers no Zapier para o CrewAI AMP, permitindo fluxos de trabalho automatizados disparados por mensagens no Slack e resultando em notificações por e-mail com a saída do CrewAI AMP. diff --git a/docs/pt-BR/enterprise/integrations/asana.mdx b/docs/pt-BR/enterprise/integrations/asana.mdx index 9de42d86f..d2902c882 100644 --- a/docs/pt-BR/enterprise/integrations/asana.mdx +++ b/docs/pt-BR/enterprise/integrations/asana.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem tarefas, projetos e a coordenação da equipe Antes de usar a integração com o Asana, assegure-se de ter: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa - Uma conta Asana com as permissões apropriadas - Sua conta Asana conectada através da [página de Integrações](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Antes de usar a integração com o Asana, assegure-se de ter: ### 1. Conecte sua Conta Asana -1. Acesse [CrewAI Enterprise Integrações](https://app.crewai.com/crewai_plus/connectors) +1. Acesse [CrewAI AMP Integrações](https://app.crewai.com/crewai_plus/connectors) 2. Encontre **Asana** na seção Integrações de Autenticação 3. Clique em **Conectar** e complete o fluxo OAuth 4. Conceda as permissões necessárias para gerenciamento de tarefas e projetos @@ -251,4 +251,4 @@ crew = Crew( ) crew.kickoff() -``` \ No newline at end of file +``` diff --git a/docs/pt-BR/enterprise/integrations/box.mdx b/docs/pt-BR/enterprise/integrations/box.mdx index 8845e9945..2fef40ed6 100644 --- a/docs/pt-BR/enterprise/integrations/box.mdx +++ b/docs/pt-BR/enterprise/integrations/box.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem arquivos, pastas e documentos através do Box Antes de utilizar a integração com o Box, assegure-se de que você possui: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa - Uma conta Box com as permissões apropriadas - Sua conta Box conectada através da [página de Integrações](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Antes de utilizar a integração com o Box, assegure-se de que você possui: ### 1. Conecte sua conta Box -1. Acesse [Integrações do CrewAI Enterprise](https://app.crewai.com/crewai_plus/connectors) +1. Acesse [Integrações do CrewAI AMP](https://app.crewai.com/crewai_plus/connectors) 2. Encontre **Box** na seção de Integrações de Autenticação 3. Clique em **Conectar** e conclua o fluxo de OAuth 4. Conceda as permissões necessárias para gerenciamento de arquivos e pastas @@ -266,4 +266,4 @@ crew = Crew( ) crew.kickoff() -``` \ No newline at end of file +``` diff --git a/docs/pt-BR/enterprise/integrations/clickup.mdx b/docs/pt-BR/enterprise/integrations/clickup.mdx index 83cf7a216..9839ad032 100644 --- a/docs/pt-BR/enterprise/integrations/clickup.mdx +++ b/docs/pt-BR/enterprise/integrations/clickup.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem tarefas, projetos e fluxos de produtividade p Antes de utilizar a integração com o ClickUp, certifique-se de que você possui: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa - Uma conta ClickUp com as permissões apropriadas - Sua conta ClickUp conectada pela [Página de Integrações](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Antes de utilizar a integração com o ClickUp, certifique-se de que você possu ### 1. Conecte sua Conta ClickUp -1. Acesse [CrewAI Enterprise Integrações](https://app.crewai.com/crewai_plus/connectors) +1. Acesse [CrewAI AMP Integrações](https://app.crewai.com/crewai_plus/connectors) 2. Encontre **ClickUp** na seção Integrações de Autenticação 3. Clique em **Conectar** e complete o fluxo OAuth 4. Conceda as permissões necessárias para gerenciamento de tarefas e projetos @@ -291,4 +291,4 @@ crew.kickoff() Entre em contato com nossa equipe de suporte para auxílio na configuração ou solução de problemas da integração com ClickUp. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/github.mdx b/docs/pt-BR/enterprise/integrations/github.mdx index b5a238c28..3ed227f5b 100644 --- a/docs/pt-BR/enterprise/integrations/github.mdx +++ b/docs/pt-BR/enterprise/integrations/github.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem repositórios, issues e releases através do Antes de usar a integração do GitHub, assegure-se de ter: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa - Uma conta GitHub com permissões adequadas no repositório - Conta do GitHub conectada através da [página de Integrações](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Antes de usar a integração do GitHub, assegure-se de ter: ### 1. Conecte sua conta GitHub -1. Acesse [Integrações CrewAI Enterprise](https://app.crewai.com/crewai_plus/connectors) +1. Acesse [Integrações CrewAI AMP](https://app.crewai.com/crewai_plus/connectors) 2. Encontre **GitHub** na seção de Integrações de Autenticação 3. Clique em **Conectar** e complete o fluxo OAuth 4. Conceda as permissões necessárias para gerenciamento de repositório e issues @@ -321,4 +321,4 @@ crew.kickoff() Entre em contato com nossa equipe de suporte para auxílio na configuração ou solução de problemas com a integração do GitHub. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/gmail.mdx b/docs/pt-BR/enterprise/integrations/gmail.mdx index c16d4448f..21f135086 100644 --- a/docs/pt-BR/enterprise/integrations/gmail.mdx +++ b/docs/pt-BR/enterprise/integrations/gmail.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem e-mails, contatos e rascunhos através do Gma Antes de usar a integração com o Gmail, certifique-se de que você possui: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa - Uma conta do Gmail com as permissões adequadas - Conectou sua conta do Gmail através da [página de Integrações](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Antes de usar a integração com o Gmail, certifique-se de que você possui: ### 1. Conecte sua Conta do Gmail -1. Navegue até [Integrações CrewAI Enterprise](https://app.crewai.com/crewai_plus/connectors) +1. Navegue até [Integrações CrewAI AMP](https://app.crewai.com/crewai_plus/connectors) 2. Encontre **Gmail** na seção de Integrações de Autenticação 3. Clique em **Conectar** e conclua o fluxo OAuth 4. Conceda as permissões necessárias para o gerenciamento de e-mail e contato @@ -354,4 +354,4 @@ crew.kickoff() Entre em contato com nosso time de suporte para obter assistência na configuração ou solução de problemas da integração Gmail. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/google_calendar.mdx b/docs/pt-BR/enterprise/integrations/google_calendar.mdx index bd413a9e3..271ed87ba 100644 --- a/docs/pt-BR/enterprise/integrations/google_calendar.mdx +++ b/docs/pt-BR/enterprise/integrations/google_calendar.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem eventos de calendário, agendas e disponibili Antes de usar a integração com o Google Calendar, certifique-se de ter: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa - Uma conta Google com acesso ao Google Calendar - Sua conta Google conectada pela [página de Integrações](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Antes de usar a integração com o Google Calendar, certifique-se de ter: ### 1. Conecte sua Conta Google -1. Acesse [Integrações do CrewAI Enterprise](https://app.crewai.com/crewai_plus/connectors) +1. Acesse [Integrações do CrewAI AMP](https://app.crewai.com/crewai_plus/connectors) 2. Encontre **Google Calendar** na seção de Integrações de Autenticação 3. Clique em **Conectar** e complete o fluxo OAuth 4. Conceda as permissões necessárias para acesso ao calendário e contatos @@ -389,4 +389,4 @@ crew.kickoff() Entre em contato com nosso time de suporte para assistência na configuração da integração com o Google Calendar ou solução de problemas. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/google_sheets.mdx b/docs/pt-BR/enterprise/integrations/google_sheets.mdx index eb7e7a0de..acc083e5c 100644 --- a/docs/pt-BR/enterprise/integrations/google_sheets.mdx +++ b/docs/pt-BR/enterprise/integrations/google_sheets.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem dados de planilhas por meio do Google Sheets. Antes de utilizar a integração com o Google Sheets, certifique-se de que você possui: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa - Uma conta Google com acesso ao Google Sheets - Sua conta Google conectada pela [página de integrações](https://app.crewai.com/crewai_plus/connectors) - Planilhas com cabeçalhos de coluna adequados para operações com dados @@ -22,7 +22,7 @@ Antes de utilizar a integração com o Google Sheets, certifique-se de que você ### 1. Conecte sua Conta Google -1. Acesse [Integrações do CrewAI Enterprise](https://app.crewai.com/crewai_plus/connectors) +1. Acesse [Integrações do CrewAI AMP](https://app.crewai.com/crewai_plus/connectors) 2. Localize **Google Sheets** na seção Integrações de Autenticação 3. Clique em **Conectar** e conclua o fluxo OAuth 4. Conceda as permissões necessárias para acesso à planilha @@ -319,4 +319,4 @@ crew.kickoff() Entre em contato com nosso time de suporte para auxílio na configuração ou solução de problemas da integração com o Google Sheets. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/hubspot.mdx b/docs/pt-BR/enterprise/integrations/hubspot.mdx index d3207aabf..d12c78440 100644 --- a/docs/pt-BR/enterprise/integrations/hubspot.mdx +++ b/docs/pt-BR/enterprise/integrations/hubspot.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem empresas e contatos dentro do HubSpot. Crie n Antes de utilizar a integração com o HubSpot, certifique-se de que você possui: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa. +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa. - Uma conta HubSpot com permissões adequadas. - Sua conta HubSpot conectada pela [página de Integrações](https://app.crewai.com/crewai_plus/connectors). @@ -21,7 +21,7 @@ Antes de utilizar a integração com o HubSpot, certifique-se de que você possu ### 1. Conecte Sua Conta HubSpot -1. Navegue até [CrewAI Enterprise Integrações](https://app.crewai.com/crewai_plus/connectors). +1. Navegue até [CrewAI AMP Integrações](https://app.crewai.com/crewai_plus/connectors). 2. Encontre **HubSpot** na seção de Integrações de Autenticação. 3. Clique em **Conectar** e complete o fluxo OAuth. 4. Conceda as permissões necessárias para gerenciamento de empresas e contatos. @@ -577,4 +577,4 @@ crew.kickoff() Entre em contato com nossa equipe de suporte para assistência na configuração ou solução de problemas com a integração HubSpot. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/jira.mdx b/docs/pt-BR/enterprise/integrations/jira.mdx index 2fde5e331..a645a8d27 100644 --- a/docs/pt-BR/enterprise/integrations/jira.mdx +++ b/docs/pt-BR/enterprise/integrations/jira.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem problemas, projetos e fluxos de trabalho pelo Antes de usar a integração com o Jira, certifique-se de ter: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa - Uma conta Jira com permissões adequadas para o projeto - Sua conta Jira conectada pela [Página de Integrações](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Antes de usar a integração com o Jira, certifique-se de ter: ### 1. Conectar Sua Conta Jira -1. Acesse [Integrações CrewAI Enterprise](https://app.crewai.com/crewai_plus/connectors) +1. Acesse [Integrações CrewAI AMP](https://app.crewai.com/crewai_plus/connectors) 2. Encontre **Jira** na seção de Integrações de Autenticação 3. Clique em **Conectar** e complete o fluxo do OAuth 4. Conceda as permissões necessárias para gestão de issues e projetos @@ -392,4 +392,4 @@ crew.kickoff() Entre em contato com nosso time de suporte para obter assistência na configuração ou solução de problemas da integração Jira. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/linear.mdx b/docs/pt-BR/enterprise/integrations/linear.mdx index ff5132ecd..2cd287ab8 100644 --- a/docs/pt-BR/enterprise/integrations/linear.mdx +++ b/docs/pt-BR/enterprise/integrations/linear.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem issues, projetos e fluxos de trabalho de dese Antes de utilizar a integração com o Linear, certifique-se de que você possui: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com uma assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com uma assinatura ativa - Uma conta Linear com permissões apropriadas no workspace - Conectou sua conta Linear através da [página de Integrações](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Antes de utilizar a integração com o Linear, certifique-se de que você possui ### 1. Conecte sua Conta Linear -1. Navegue até [Integrações CrewAI Enterprise](https://app.crewai.com/crewai_plus/connectors) +1. Navegue até [Integrações CrewAI AMP](https://app.crewai.com/crewai_plus/connectors) 2. Encontre **Linear** na seção Integrações de Autenticação 3. Clique em **Conectar** e complete o fluxo OAuth 4. Conceda as permissões necessárias para gerenciamento de issues e projetos @@ -451,4 +451,4 @@ crew.kickoff() Entre em contato com nossa equipe de suporte para assistência na configuração ou solução de problemas da integração com o Linear. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/notion.mdx b/docs/pt-BR/enterprise/integrations/notion.mdx index 169b0a370..e81c1ea27 100644 --- a/docs/pt-BR/enterprise/integrations/notion.mdx +++ b/docs/pt-BR/enterprise/integrations/notion.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem páginas, bancos de dados e conteúdos atrav Antes de usar a integração com o Notion, certifique-se de que você tem: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa - Uma conta Notion com permissões adequadas no workspace - Sua conta Notion conectada através da [página de Integrações](https://app.crewai.com/crewai_plus/connectors) @@ -21,7 +21,7 @@ Antes de usar a integração com o Notion, certifique-se de que você tem: ### 1. Conecte sua Conta Notion -1. Acesse [Integrações do CrewAI Enterprise](https://app.crewai.com/crewai_plus/connectors) +1. Acesse [Integrações do CrewAI AMP](https://app.crewai.com/crewai_plus/connectors) 2. Procure por **Notion** na seção de Integrações de Autenticação 3. Clique em **Conectar** e complete o fluxo de OAuth 4. Conceda as permissões necessárias para gerenciamento de páginas e bancos de dados @@ -507,4 +507,4 @@ crew.kickoff() Entre em contato com nosso time de suporte para auxílio na configuração ou solução de problemas com a integração Notion. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/salesforce.mdx b/docs/pt-BR/enterprise/integrations/salesforce.mdx index 177fe0dfc..b33853245 100644 --- a/docs/pt-BR/enterprise/integrations/salesforce.mdx +++ b/docs/pt-BR/enterprise/integrations/salesforce.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem relacionamentos com clientes, processos de ve Antes de usar a integração Salesforce, certifique-se de que você possui: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa - Uma conta Salesforce com permissões apropriadas - Sua conta Salesforce conectada via a [página de Integrações](https://app.crewai.com/integrations) @@ -630,4 +630,4 @@ Esta documentação abrangente cobre todas as ferramentas Salesforce organizadas Entre em contato com nossa equipe de suporte para assistência na configuração da integração com Salesforce ou para resolução de problemas. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/shopify.mdx b/docs/pt-BR/enterprise/integrations/shopify.mdx index 895d08739..01d8995c8 100644 --- a/docs/pt-BR/enterprise/integrations/shopify.mdx +++ b/docs/pt-BR/enterprise/integrations/shopify.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem operações de e-commerce através do Shopify Antes de utilizar a integração com o Shopify, certifique-se de que você possui: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com uma assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com uma assinatura ativa - Uma loja Shopify com permissões administrativas adequadas - Sua loja Shopify conectada através da [página de Integrações](https://app.crewai.com/integrations) @@ -380,4 +380,4 @@ crew.kickoff() Entre em contato com nossa equipe de suporte para assistência na configuração ou resolução de problemas de integração com o Shopify. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/slack.mdx b/docs/pt-BR/enterprise/integrations/slack.mdx index c2f6e9edb..c1798194b 100644 --- a/docs/pt-BR/enterprise/integrations/slack.mdx +++ b/docs/pt-BR/enterprise/integrations/slack.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem a comunicação da equipe pelo Slack. Envie m Antes de usar a integração com o Slack, certifique-se de que você tenha: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com assinatura ativa - Um workspace do Slack com permissões apropriadas - Seu workspace do Slack conectado por meio da [página de Integrações](https://app.crewai.com/integrations) @@ -291,4 +291,4 @@ crew.kickoff() Entre em contato com nossa equipe de suporte para obter ajuda na configuração ou solução de problemas da integração com o Slack. - \ No newline at end of file + diff --git a/docs/pt-BR/enterprise/integrations/stripe.mdx b/docs/pt-BR/enterprise/integrations/stripe.mdx index 2e917caa4..294936ff7 100644 --- a/docs/pt-BR/enterprise/integrations/stripe.mdx +++ b/docs/pt-BR/enterprise/integrations/stripe.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem pagamentos, assinaturas e faturamento de clie Antes de usar a integração com o Stripe, certifique-se de que você tem: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com uma assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com uma assinatura ativa - Uma conta Stripe com permissões apropriadas de API - Sua conta Stripe conectada através da [página de Integrações](https://app.crewai.com/integrations) @@ -303,4 +303,4 @@ Os metadados permitem que você armazene informações adicionais sobre clientes } ``` -Esta integração permite uma automação abrangente do gerenciamento de pagamentos e assinaturas, possibilitando que seus agentes de IA administrem operações de faturamento perfeitamente dentro do seu ecossistema Stripe. \ No newline at end of file +Esta integração permite uma automação abrangente do gerenciamento de pagamentos e assinaturas, possibilitando que seus agentes de IA administrem operações de faturamento perfeitamente dentro do seu ecossistema Stripe. diff --git a/docs/pt-BR/enterprise/integrations/zendesk.mdx b/docs/pt-BR/enterprise/integrations/zendesk.mdx index 3177e9dd1..a904bd135 100644 --- a/docs/pt-BR/enterprise/integrations/zendesk.mdx +++ b/docs/pt-BR/enterprise/integrations/zendesk.mdx @@ -13,7 +13,7 @@ Permita que seus agentes gerenciem operações de suporte ao cliente através do Antes de usar a integração com o Zendesk, certifique-se de que você possui: -- Uma conta [CrewAI Enterprise](https://app.crewai.com) com uma assinatura ativa +- Uma conta [CrewAI AMP](https://app.crewai.com) com uma assinatura ativa - Uma conta Zendesk com permissões apropriadas de API - Sua conta Zendesk conectada através da [página de Integrações](https://app.crewai.com/integrations) @@ -341,4 +341,4 @@ crew = Crew( ) crew.kickoff() -``` \ No newline at end of file +``` diff --git a/docs/pt-BR/enterprise/introduction.mdx b/docs/pt-BR/enterprise/introduction.mdx index bd50ac1f4..914effe11 100644 --- a/docs/pt-BR/enterprise/introduction.mdx +++ b/docs/pt-BR/enterprise/introduction.mdx @@ -1,5 +1,5 @@ --- -title: "CrewAI Enterprise" +title: "CrewAI AMP" description: "Implemente, monitore e escale seus fluxos de trabalho de agentes de IA" icon: "globe" mode: "wide" @@ -7,13 +7,13 @@ mode: "wide" ## Introdução -CrewAI Enterprise fornece uma plataforma para implementar, monitorar e escalar seus crews e agentes em um ambiente de produção. +CrewAI AMP(Agent Management Platform) fornece uma plataforma para implementar, monitorar e escalar seus crews e agentes em um ambiente de produção. - CrewAI Enterprise Dashboard + CrewAI AMP Dashboard -CrewAI Enterprise expande o poder do framework open-source com funcionalidades projetadas para implantações em produção, colaboração e escalabilidade. Implemente seus crews em uma infraestrutura gerenciada e monitore sua execução em tempo real. +CrewAI AMP expande o poder do framework open-source com funcionalidades projetadas para implantações em produção, colaboração e escalabilidade. Implemente seus crews em uma infraestrutura gerenciada e monitore sua execução em tempo real. ## Principais Funcionalidades diff --git a/docs/pt-BR/enterprise/resources/frequently-asked-questions.mdx b/docs/pt-BR/enterprise/resources/frequently-asked-questions.mdx index 0db054e14..c197a00cd 100644 --- a/docs/pt-BR/enterprise/resources/frequently-asked-questions.mdx +++ b/docs/pt-BR/enterprise/resources/frequently-asked-questions.mdx @@ -1,6 +1,6 @@ --- title: FAQs -description: "Perguntas frequentes sobre CrewAI Enterprise" +description: "Perguntas frequentes sobre CrewAI AMP" icon: "circle-question" mode: "wide" --- @@ -129,15 +129,14 @@ mode: "wide" Aqui está um tutorial de como obter saídas estruturadas de forma consistente dos seus agentes: - - - + diff --git a/docs/pt-BR/index.mdx b/docs/pt-BR/index.mdx new file mode 100644 index 000000000..2996f415a --- /dev/null +++ b/docs/pt-BR/index.mdx @@ -0,0 +1,102 @@ +--- +title: "CrewAI Documentação" +description: "Construa agentes colaborativos, crews e flows — prontos para produção desde o primeiro dia." +icon: "house" +mode: "wide" +--- + +
+ CrewAI +
+

Construa sistemas multiagentes com confiança

+

+ Crie agentes, orquestre crews e automatize flows com guardrails, memória, conhecimento e observabilidade integrados. +

+
+ + +
+ +
+ + + + Visão geral dos conceitos da CrewAI, arquitetura e casos de uso para agentes, crews e flows. + + + Instale com `uv`, configure chaves de API e prepare o CLI para desenvolvimento local. + + + Crie sua primeira crew em poucos minutos. Aprenda o runtime, a estrutura do projeto e o loop de desenvolvimento. + + + +## Fundamentos + + + + Modele agentes com ferramentas, memória, conhecimento e saídas estruturadas. Inclui templates e boas práticas. + + + Orquestre start/listen/router, gerencie estado, persista execuções e retome processos longos. + + + Defina processos sequenciais, hierárquicos ou híbridos com guardrails, callbacks e intervenção humana. + + + +## Jornada Enterprise + + + + Gerencie ambientes, faça deploy seguro e monitore execuções ao vivo diretamente no console Enterprise. + + + Conecte Gmail, Slack, Salesforce e muito mais. Injete payloads dos triggers em crews e flows automaticamente. + + + Convide integrantes, configure RBAC e controle o acesso às automations em produção. + + + +## Novidades + + + + Guia unificado para Gmail, Drive, Outlook, Teams, OneDrive, HubSpot e outros — com payloads e crews de exemplo. + + + Chame automations CrewAI existentes ou agentes do Amazon Bedrock diretamente das suas crews. + + + + + Acesse os examples e cookbooks para implementações completas envolvendo agentes, flows e automations Enterprise. + + +## Conecte-se + + + + Se a CrewAI acelera seu trabalho, deixe uma estrela e compartilhe seus projetos com a comunidade. + + + Tire dúvidas, divulgue workflows e solicite recursos junto a outros builders. + + diff --git a/docs/pt-BR/installation.mdx b/docs/pt-BR/installation.mdx index 4c59de817..12f88a05f 100644 --- a/docs/pt-BR/installation.mdx +++ b/docs/pt-BR/installation.mdx @@ -9,14 +9,12 @@ mode: "wide" Assista a este tutorial em vídeo para uma demonstração passo a passo do processo de instalação: ## Tutorial em Texto @@ -165,7 +163,7 @@ Recomendamos utilizar o template de scaffolding `YAML` para uma abordagem estrut Para equipes e organizações, o CrewAI oferece opções de implantação corporativa que eliminam a complexidade da configuração: -### CrewAI Enterprise (SaaS) +### CrewAI AMP (SaaS) - Zero instalação necessária - basta se cadastrar gratuitamente em [app.crewai.com](https://app.crewai.com) - Atualizações e manutenção automáticas - Infraestrutura e escalabilidade gerenciadas diff --git a/docs/pt-BR/learn/human-input-on-execution.mdx b/docs/pt-BR/learn/human-input-on-execution.mdx index cc7167076..44305127d 100644 --- a/docs/pt-BR/learn/human-input-on-execution.mdx +++ b/docs/pt-BR/learn/human-input-on-execution.mdx @@ -1,7 +1,7 @@ --- title: Input Humano na Execução description: Integrando o CrewAI com input humano durante a execução em processos complexos de tomada de decisão e aproveitando ao máximo todos os atributos e ferramentas do agente. -icon: user-check +icon: user-plus mode: "wide" --- @@ -96,4 +96,4 @@ result = crew.kickoff() print("######################") print(result) -``` \ No newline at end of file +``` diff --git a/docs/pt-BR/learn/llm-selection-guide.mdx b/docs/pt-BR/learn/llm-selection-guide.mdx index 66b721dba..1a2b4e40e 100644 --- a/docs/pt-BR/learn/llm-selection-guide.mdx +++ b/docs/pt-BR/learn/llm-selection-guide.mdx @@ -44,7 +44,7 @@ O passo mais crítico na seleção de LLMs é entender o que sua tarefa realment - **Tarefas Criativas** exigem um tipo diferente de capacidade cognitiva, focada em gerar conteúdo novo, envolvente e adequado ao contexto. Isso inclui storytelling, criação de textos de marketing e solução criativa de problemas. O modelo deve compreender nuances, tom e público, produzindo conteúdo autêntico e envolvente, não apenas fórmulas. - + - **Dados Estruturados** exigem precisão e consistência na adesão ao formato. Ao trabalhar com JSON, XML ou formatos de banco de dados, o modelo deve produzir saídas sintaticamente corretas, que possam ser processadas programaticamente. Essas tarefas possuem requisitos rígidos de validação e pouca tolerância a erros de formato, tornando a confiabilidade mais importante que a criatividade. @@ -52,7 +52,7 @@ O passo mais crítico na seleção de LLMs é entender o que sua tarefa realment - **Conteúdo Técnico** situa-se entre dados estruturados e conteúdo criativo, demandando precisão e clareza. Documentação, geração de código e análises técnicas precisam ser exatas e completas, mas ainda assim acessíveis ao público-alvo. O modelo deve entender conceitos técnicos complexos e comunicá-los de forma eficaz. - + - **Contexto Curto** envolve tarefas imediatas e focalizadas, onde o modelo processa informações limitadas rapidamente. São interações transacionais em que velocidade e eficiência importam mais do que compreensão profunda. O modelo não precisa manter histórico extenso ou processar grandes documentos. @@ -74,7 +74,7 @@ Entender as capacidades dos modelos exige ir além do marketing e dos benchmarks Entretanto, há trade-offs em termos de custo e velocidade. Podem ser menos adequados para tarefas criativas ou operações simples, onde suas capacidades avançadas não são necessárias. Considere-os quando as tarefas realmente se beneficiarem dessa análise detalhada. - + Modelos de uso geral oferecem uma abordagem equilibrada, com desempenho sólido em uma ampla gama de tarefas, sem especialização extrema. São treinados em conjuntos de dados diversificados e otimizados para versatilidade. @@ -82,7 +82,7 @@ Entender as capacidades dos modelos exige ir além do marketing e dos benchmarks Embora não atinjam picos de desempenho como modelos especializados, oferecem simplicidade operacional e baixa complexidade na gestão. São o melhor ponto de partida para novos projetos, permitindo descobertas de necessidades antes de avançar para otimizações. - + Modelos rápidos e eficientes priorizam velocidade, custo e eficiência de recursos, em vez de raciocínio sofisticado. São otimizados para cenários de alto volume onde respostas rápidas e baixos custos são mais importantes que compreensão ou criatividade profunda. @@ -90,7 +90,7 @@ Entender as capacidades dos modelos exige ir além do marketing e dos benchmarks O ponto crucial é garantir que suas capacidades atendam às exigências da tarefa. Podem não atender tarefas que exijam entendimento profundo, raciocínio complexo ou geração de conteúdo sofisticado. São ideais para tarefas rotineiras bem definidas. - + Modelos criativos são otimizados para geração de conteúdo, qualidade de escrita e pensamento inovador. Excelentes na compreensão de nuances, tom e estilo, produzindo conteúdo envolvente e natural. @@ -98,7 +98,7 @@ Entender as capacidades dos modelos exige ir além do marketing e dos benchmarks Ao selecionar esses modelos, considere não apenas a habilidade de gerar texto, mas a compreensão de público, contexto e objetivo. Os melhores modelos criativos adaptam a saída à voz da marca, diferentes segmentos e mantêm consistência em peças longas. - + Modelos open source oferecem vantagens em controle de custos, potencial de customização, privacidade de dados e flexibilidade de deployment. Podem ser rodados localmente ou em infraestrutura própria, dando controle total sobre dados e comportamento. @@ -151,7 +151,7 @@ content_writer = Agent( ) data_processor = Agent( - role="Data Analysis Specialist", + role="Data Analysis Specialist", goal="Extract and organize key data points from research sources", backstory="Detail-oriented analyst focused on accuracy and efficiency", llm=processing_llm, # Modelo rápido para tarefas rotineiras @@ -178,7 +178,7 @@ O segredo do sucesso na implementação multi-modelo está em entender como os a O custo é especialmente relevante, já que este LLM participa de todas as operações. O modelo precisa entregar capacidades suficientes, sem o preço premium de opções sofisticadas demais, buscando sempre o equilíbrio entre performance e valor. - + LLMs de function calling gerenciam o uso de ferramentas por todos os agentes, sendo críticos em crews que dependem fortemente de APIs externas e ferramentas. Devem ser precisos na extração de parâmetros e no processamento das respostas. @@ -186,7 +186,7 @@ O segredo do sucesso na implementação multi-modelo está em entender como os a Muitas equipes descobrem que modelos especializados em function calling ou de uso geral com forte suporte a ferramentas funcionam melhor do que modelos criativos ou de raciocínio nesse papel. O fundamental é assegurar que o modelo consiga converter instruções em chamadas estruturadas sem falhas. - + Agentes individuais podem sobrescrever o LLM do nível da crew quando suas necessidades diferem significativamente das do restante. Isso permite otimização pontual, mantendo a simplicidade operacional para os demais agentes. @@ -210,7 +210,7 @@ Definir bem as tarefas é frequentemente mais importante do que a seleção do m Erros comuns incluem objetivos vagos, falta de contexto, critérios de sucesso mal definidos ou mistura de tarefas totalmente distintas em um mesmo texto. O objetivo é passar informação suficiente para o sucesso, mas mantendo foco no resultado claro. - + As diretrizes da saída esperada funcionam como contrato entre definição de tarefa e agente, especificando claramente o que deve ser entregue e como será avaliado. Elas abrangem formato, estrutura e elementos essenciais. @@ -230,7 +230,7 @@ Definir bem as tarefas é frequentemente mais importante do que a seleção do m Funciona melhor quando há progressão lógica evidente e quando a saída de uma tarefa realmente agrega valor nas etapas seguintes. Cuidado com os gargalos; foque nas dependências essenciais. - + A execução paralela é valiosa quando as tarefas são independentes, o tempo é crítico ou há expertise distintas que não exigem coordenação. Pode reduzir drasticamente o tempo total, permitindo que agentes especializados atuem simultaneamente. @@ -286,10 +286,10 @@ domain_expert = Agent( role="B2B SaaS Marketing Strategist", goal="Develop comprehensive go-to-market strategies for enterprise software", backstory=""" - You have 10+ years of experience scaling B2B SaaS companies from Series A to IPO. - You understand the nuances of enterprise sales cycles, the importance of product-market - fit in different verticals, and how to balance growth metrics with unit economics. - You've worked with companies like Salesforce, HubSpot, and emerging unicorns, giving + You have 10+ years of experience scaling B2B SaaS companies from Series A to IPO. + You understand the nuances of enterprise sales cycles, the importance of product-market + fit in different verticals, and how to balance growth metrics with unit economics. + You've worked with companies like Salesforce, HubSpot, and emerging unicorns, giving you perspective on both established and disruptive go-to-market strategies. """, llm=LLM(model="claude-3-5-sonnet", temperature=0.3) # Criatividade balanceada com conhecimento de domínio @@ -317,9 +317,9 @@ tech_writer = Agent( role="API Documentation Specialist", goal="Create comprehensive, developer-friendly API documentation", backstory=""" - You're a technical writer with 8+ years documenting REST APIs, GraphQL endpoints, - and SDK integration guides. You've worked with developer tools companies and - understand what developers need: clear examples, comprehensive error handling, + You're a technical writer with 8+ years documenting REST APIs, GraphQL endpoints, + and SDK integration guides. You've worked with developer tools companies and + understand what developers need: clear examples, comprehensive error handling, and practical use cases. You prioritize accuracy and usability over marketing fluff. """, llm=LLM( @@ -327,7 +327,7 @@ tech_writer = Agent( temperature=0.1 ), tools=[code_analyzer_tool, api_scanner_tool], - verbose=True + verbose=True ) ``` @@ -351,26 +351,26 @@ Em vez de repetir o framework estratégico, segue um checklist tático para impl - Quais agentes lidam com tarefas mais complexas? - Quais agentes só processam ou formatam dados? - Algum agente depende fortemente de ferramentas? - + **Ação**: Documente funções dos agentes e identifique oportunidades de otimização. - + **Defina sua Base:** ```python # Comece com um padrão confiável para a crew default_crew_llm = LLM(model="gpt-4o-mini") # Base econômica - + crew = Crew( agents=[...], tasks=[...], memory=True ) ``` - + **Ação**: Defina o LLM padrão da crew antes de otimizar agentes individuais. - + **Identifique e Aprimore Agentes-Chave:** ```python @@ -380,25 +380,25 @@ Em vez de repetir o framework estratégico, segue um checklist tático para impl llm=LLM(model="gemini-2.5-flash-preview-05-20"), # ... demais configs ) - - # Agentes criativos ou customer-facing + + # Agentes criativos ou customer-facing content_agent = Agent( role="Content Creator", llm=LLM(model="claude-3-5-sonnet"), # ... demais configs ) ``` - + **Ação**: Faça upgrade dos 20% dos agentes que tratam 80% da complexidade. - + **Após colocar os agentes em produção:** - - Use [CrewAI Enterprise platform](https://app.crewai.com) para testar seleções de modelo A/B + - Use [CrewAI AMP platform](https://app.crewai.com) para testar seleções de modelo A/B - Execute múltiplas iterações com inputs reais para medir consistência e performance - Compare custo vs performance na configuração otimizada - Compartilhe resultados com o time para tomada coletiva de decisão - + **Ação**: Substitua achismos por validação com dados reais usando a plataforma de testes. @@ -413,7 +413,7 @@ Em vez de repetir o framework estratégico, segue um checklist tático para impl Entretanto, esses modelos são mais caros e lentos, devendo ser reservados para tarefas onde suas capacidades agregam valor real — evite usá-los apenas para operações simples. - + Modelos criativos são valiosos quando a principal entrega é geração de conteúdo e a qualidade, estilo e engajamento desse conteúdo impactam o sucesso. Se destacam quando redação e estilo importam, ideação criativa é necessária, ou voz de marca é fundamental. @@ -421,7 +421,7 @@ Em vez de repetir o framework estratégico, segue um checklist tático para impl Podem ser menos adequados para tarefas técnicas ou analíticas, onde precisão supera criatividade. Use-os quando aspectos comunicativos são fatores críticos de sucesso. - + Modelos eficientes são ideais para operações frequentes e rotineiras, onde velocidade e custo são prioridade. Trabalham melhor em tarefas com parâmetros bem definidos, sem necessidade de raciocínio avançado ou criatividade. @@ -429,7 +429,7 @@ Em vez de repetir o framework estratégico, segue um checklist tático para impl O ponto crítico é verificar adequação à tarefa. Funcionam para muitos fluxos rotineiros, mas podem falhar se a tarefa exigir compreensão técnica ou raciocínio. - + Modelos open source são atraentes quando há restrição orçamentária, necessidade de privacidade, personalização especial ou exigência de deployment local. @@ -451,12 +451,12 @@ Em vez de repetir o framework estratégico, segue um checklist tático para impl ```python # Agente estratégico recebe modelo premium manager = Agent(role="Strategy Manager", llm=LLM(model="gpt-4o")) - - # Agente de processamento recebe modelo eficiente + + # Agente de processamento recebe modelo eficiente processor = Agent(role="Data Processor", llm=LLM(model="gpt-4o-mini")) ``` - + **O problema**: Não entender como funciona a hierarquia LLM da CrewAI — configurações conflitam entre crew, manager e agentes. @@ -470,12 +470,12 @@ Em vez de repetir o framework estratégico, segue um checklist tático para impl manager_llm=LLM(model="gpt-4o"), process=Process.hierarchical ) - + # Agentes herdam o LLM da crew, salvo sobrescrita agent1 = Agent(llm=LLM(model="claude-3-5-sonnet")) ``` - + **O problema**: Escolher modelos pela capacidade geral e ignorar o desempenho em function calling em workflows intensivos em ferramentas. @@ -493,7 +493,7 @@ Em vez de repetir o framework estratégico, segue um checklist tático para impl ) ``` - + **O problema**: Decidir configurações complexas de modelo com base em hipóteses não validadas nos fluxos e tarefas reais CrewAI. @@ -503,7 +503,7 @@ Em vez de repetir o framework estratégico, segue um checklist tático para impl ```python # Comece assim crew = Crew(agents=[...], tasks=[...], llm=LLM(model="gpt-4o-mini")) - + # Teste a performance e só depois otimize agentes específicos # Use testes Enterprise para validar melhorias ``` @@ -541,7 +541,7 @@ Foque em entender seus requisitos primeiro, e então escolha modelos que melhor ### Validação de Modelos em Nível Enterprise -Para equipes sérias sobre otimização, a **plataforma CrewAI Enterprise** oferece testes sofisticados que vão além do CLI. Ela permite avaliação completa para decisões orientadas por dados na estratégia de LLM. +Para equipes sérias sobre otimização, a **plataforma CrewAI AMP** oferece testes sofisticados que vão além do CLI. Ela permite avaliação completa para decisões orientadas por dados na estratégia de LLM. ![Enterprise Testing Interface](/images/enterprise/enterprise-testing.png) @@ -571,23 +571,23 @@ A plataforma Enterprise transforma a seleção de modelos de um "palpite" para u Escolha os modelos pelo que sua tarefa realmente requer, não por reputação ou capacidades teóricas. - + Alinhe forças do modelo a papéis e responsabilidades dos agentes para melhor desempenho. - + Mantenha uma estratégia coerente de seleção de modelos em fluxos e componentes relacionados. - + Valide escolhas em uso real, não apenas em benchmarks. - + Comece simples e otimize com base na performance e necessidade práticas. - + Equilibre performance requerida, custo e complexidade. @@ -614,7 +614,7 @@ Estas tabelas exibem apenas alguns modelos líderes por categoria. Existem muito **Melhores para LLMs Manager e Análises Complexas** - + | Modelo | Score de Inteligência | Custo ($/M tokens) | Velocidade | Melhor Uso em CrewAI | |:------|:---------------------|:-------------------|:-----------|:--------------------| | **o3** | 70 | $17.50 | Rápido | Manager LLM para coordenação multi-agente | @@ -625,10 +625,10 @@ Estas tabelas exibem apenas alguns modelos líderes por categoria. Existem muito Esses modelos se destacam em raciocínio multi-etapas e são ideais para agentes que desenvolvem estratégias, coordenam outros agentes ou analisam informações complexas. - + **Melhores para Desenvolvimento e Workflows com Ferramentas** - + | Modelo | Performance em Coding | Tool Use Score | Custo ($/M tokens) | Melhor Uso em CrewAI | |:--------|:---------------------|:--------------|:-------------------|:--------------------| | **Claude 4 Sonnet** | Excelente | 72.7% | $6.00 | Agente principal de código/documentação técnica | @@ -639,10 +639,10 @@ Estas tabelas exibem apenas alguns modelos líderes por categoria. Existem muito Otimizados para geração de código, debugging e solução técnica, ideais para equipes de desenvolvimento. - + **Melhores para Operações em Massa e Aplicações em Tempo Real** - + | Modelo | Velocidade (tokens/s) | Latência (TTFT) | Custo ($/M tokens) | Melhor Uso em CrewAI | |:-------|:---------------------|:----------------|:-------------------|:---------------------| | **Llama 4 Scout** | 2.600 | 0.33s | $0.27 | Agentes de processamento de alto volume | @@ -653,10 +653,10 @@ Estas tabelas exibem apenas alguns modelos líderes por categoria. Existem muito Priorizam velocidade e eficiência, perfeitos para agentes em operações de rotina ou resposta ágil. **Dica:** Usar provedores de inference rápidos como Groq potencializa open source como Llama. - + **Melhores Modelos Coringa para Crews Diversos** - + | Modelo | Score Global | Versatilidade | Custo ($/M tokens) | Melhor Uso em CrewAI | |:------------|:--------------|:-------------|:-------------------|:--------------------| | **GPT-4.1** | 53 | Excelente | $3.50 | LLM generalista para equipes variadas | @@ -677,19 +677,19 @@ Estas tabelas exibem apenas alguns modelos líderes por categoria. Existem muito **Estratégia**: Implemente abordagem multi-modelo, reservando premium para raciocínio estratégico e eficientes para operações rotineiras. - + **Foco no orçamento**: Foque em modelos como **DeepSeek R1**, **Llama 4 Scout** ou **Gemini 2.0 Flash**, que trazem ótimo desempenho com investimento reduzido. **Estratégia**: Use modelos econômicos para maioria dos agentes, reservando premium apenas para funções críticas. - + **Para expertise específica**: Escolha modelos otimizados para seu principal caso de uso: **Claude 4** em código, **Gemini 2.5 Pro** em pesquisa, **Llama 405B** em function calling. **Estratégia**: Selecione conforme a principal função da crew, garantindo alinhamento de capacidade e modelo. - + **Para operações sensíveis**: Avalie modelos open source como **Llama 4** series, **DeepSeek V3** ou **Qwen3** para deployment privado, mantendo performance competitiva. @@ -713,16 +713,16 @@ Estas tabelas exibem apenas alguns modelos líderes por categoria. Existem muito Inicie com opções consagradas como **GPT-4.1**, **Claude 3.7 Sonnet** ou **Gemini 2.0 Flash**, que oferecem bom desempenho e ampla validação. - + Descubra se sua crew possui requisitos específicos (código, raciocínio, velocidade) que justifiquem modelos como **Claude 4 Sonnet** para desenvolvimento ou **o3** para análise. Para aplicações críticas em velocidade, considere Groq aliado à seleção do modelo. - + Use modelos diferentes para agentes distintos conforme o papel. Modelos de alta capacidade para managers e tarefas complexas, eficientes para rotinas. - + Acompanhe métricas relevantes ao seu caso e esteja pronto para ajustar modelos conforme lançamentos ou mudanças de preços. - \ No newline at end of file + diff --git a/docs/pt-BR/learn/using-annotations.mdx b/docs/pt-BR/learn/using-annotations.mdx index 8494170e9..c084d0393 100644 --- a/docs/pt-BR/learn/using-annotations.mdx +++ b/docs/pt-BR/learn/using-annotations.mdx @@ -42,6 +42,15 @@ class LinkedinProfileCrew(): A anotação `@CrewBase` é usada para decorar a classe principal do crew. Esta classe geralmente contém as configurações e métodos para criação de agentes, tarefas e do próprio crew. + +`@CrewBase` faz bem mais do que registrar a classe: + +- **Inicialização de configuração:** busca `agents_config` e `tasks_config` (padrões `config/agents.yaml` e `config/tasks.yaml`) ao lado do arquivo da classe, carrega esses YAMLs na inicialização e utiliza dicionários vazios quando os arquivos não existem. +- **Orquestração de decoradores:** mantém versões memoizadas dos métodos marcados com `@agent`, `@task`, `@before_kickoff` e `@after_kickoff` para que sejam instanciados uma única vez por crew e respeitem a ordem de declaração. +- **Encadeamento de hooks:** conecta automaticamente os hooks preservados ao objeto `Crew` retornado pelo método `@crew`, garantindo que executem antes e depois de `.kickoff()`. +- **Integração MCP:** quando a classe define `mcp_server_params`, `get_mcp_tools()` cria sob demanda um adaptador MCP, carrega as ferramentas declaradas e um hook interno pós-kickoff encerra o adaptador. Consulte a [visão geral de MCP](/pt-BR/mcp/overview) para detalhes de configuração. + + ### 2. Definição de Tool ```python @@ -100,7 +109,7 @@ def crew(self) -> Crew: process=Process.sequential, verbose=True ) -``` +``` A anotação `@crew` é usada para decorar o método que cria e retorna o objeto `Crew`. Este método reúne todos os componentes (agentes e tarefas) em um crew funcional. @@ -139,4 +148,4 @@ Repare como os campos `llm` e `tools` no arquivo YAML correspondem aos métodos - **Flexibilidade**: Estruture seu crew de forma flexível, permitindo fácil adição ou remoção de agentes e tarefas. - **Correspondência YAML-Código**: Assegure que os nomes e estruturas nos arquivos YAML correspondam corretamente aos métodos decorados em seu código Python. -Seguindo essas orientações e utilizando corretamente as anotações, você conseguirá criar crews bem estruturados e de fácil manutenção utilizando o framework CrewAI. \ No newline at end of file +Seguindo essas orientações e utilizando corretamente as anotações, você conseguirá criar crews bem estruturados e de fácil manutenção utilizando o framework CrewAI. diff --git a/docs/pt-BR/mcp/overview.mdx b/docs/pt-BR/mcp/overview.mdx index 5c0bb4878..ed7247464 100644 --- a/docs/pt-BR/mcp/overview.mdx +++ b/docs/pt-BR/mcp/overview.mdx @@ -21,14 +21,12 @@ Atualmente, suportamos os seguintes mecanismos de transporte: Assista a este tutorial em vídeo para um guia abrangente sobre a integração do MCP com o CrewAI: ## Instalação @@ -151,6 +149,16 @@ class CrewWithMCP: # ... restante da configuração do seu crew ... ``` + +Quando uma classe é decorada com `@CrewBase`, o ciclo de vida do adaptador é controlado automaticamente: + +- A primeira chamada a `get_mcp_tools()` cria de forma preguiçosa um `MCPServerAdapter` compartilhado que é reutilizado por todos os agentes do crew. +- Após a conclusão de `.kickoff()`, um hook pós-kickoff injetado por `@CrewBase` encerra o adaptador, dispensando qualquer limpeza manual. +- Se `mcp_server_params` não estiver definido, `get_mcp_tools()` retorna uma lista vazia, permitindo manter o mesmo fluxo de código com ou sem MCP configurado. + +Assim, é seguro chamar `get_mcp_tools()` em vários agentes ou habilitar/desabilitar MCP dependendo do ambiente. + + ### Configuração de Timeout de Conexão Você pode configurar o timeout de conexão para servidores MCP definindo o atributo de classe `mcp_connect_timeout`. Se nenhum timeout for especificado, o padrão é 30 segundos. diff --git a/docs/pt-BR/observability/neatlogs.mdx b/docs/pt-BR/observability/neatlogs.mdx new file mode 100644 index 000000000..24b17cfce --- /dev/null +++ b/docs/pt-BR/observability/neatlogs.mdx @@ -0,0 +1,134 @@ +--- +title: Neatlogs Integration +description: Understand, debug, and share your CrewAI agent runs +icon: magnifying-glass-chart +mode: "wide" +--- + +# Introduction + +Neatlogs helps you **see what your agent did**, **why**, and **share it**. + +It captures every step: thoughts, tool calls, responses, evaluations. No raw logs. Just clear, structured traces. Great for debugging and collaboration. + +## Why use Neatlogs? + +CrewAI agents use multiple tools and reasoning steps. When something goes wrong, you need context — not just errors. + +Neatlogs lets you: + +- Follow the full decision path +- Add feedback directly on steps +- Chat with the trace using AI assistant +- Share runs publicly for feedback +- Turn insights into tasks + +All in one place. + +Manage your traces effortlessly + +![Traces](/images/neatlogs-1.png) +![Trace Response](/images/neatlogs-2.png) + +The best UX to view a CrewAI trace. Post comments anywhere you want. Use AI to debug. + +![Trace Details](/images/neatlogs-3.png) +![Ai Chat Bot With A Trace](/images/neatlogs-4.png) +![Comments Drawer](/images/neatlogs-5.png) + +## Core Features + +- **Trace Viewer**: Track thoughts, tools, and decisions in sequence +- **Inline Comments**: Tag teammates on any trace step +- **Feedback & Evaluation**: Mark outputs as correct or incorrect +- **Error Highlighting**: Automatic flagging of API/tool failures +- **Task Conversion**: Convert comments into assigned tasks +- **Ask the Trace (AI)**: Chat with your trace using Neatlogs AI bot +- **Public Sharing**: Publish trace links to your community + +## Quick Setup with CrewAI + + + + Visit [neatlogs.com](https://neatlogs.com/?utm_source=crewAI-docs), create a project, copy the API key. + + + ```bash + pip install neatlogs + ``` + (Latest version 0.8.0, Python 3.8+; MIT license) + + + Before starting Crew agents, add: + + ```python + import neatlogs + neatlogs.init("YOUR_PROJECT_API_KEY") + ``` + + Agents run as usual. Neatlogs captures everything automatically. + + + + + + +## Under the Hood + +According to GitHub, Neatlogs: + +- Captures thoughts, tool calls, responses, errors, and token stats +- Supports AI-powered task generation and robust evaluation workflows + +All with just two lines of code. + + + +## Watch It Work + +### 🔍 Full Demo (4 min) + + + +### ⚙️ CrewAI Integration (30 s) + + + + + +## Links & Support + +- 📘 [Neatlogs Docs](https://docs.neatlogs.com/) +- 🔐 [Dashboard & API Key](https://app.neatlogs.com/) +- 🐦 [Follow on Twitter](https://twitter.com/neatlogs) +- 📧 Contact: hello@neatlogs.com +- 🛠 [GitHub SDK](https://github.com/NeatLogs/neatlogs) + + + +## TL;DR + +With just: + +```bash +pip install neatlogs + +import neatlogs +neatlogs.init("YOUR_API_KEY") + +You can now capture, understand, share, and act on your CrewAI agent runs in seconds. +No setup overhead. Full trace transparency. Full team collaboration. +``` diff --git a/docs/pt-BR/quickstart.mdx b/docs/pt-BR/quickstart.mdx index 04fb3bd23..763cc9e52 100644 --- a/docs/pt-BR/quickstart.mdx +++ b/docs/pt-BR/quickstart.mdx @@ -204,9 +204,9 @@ Siga os passos abaixo para começar a tripular! 🚣‍♂️ - Para usuários do CrewAI Enterprise, você pode criar a mesma tripulação sem escrever código: + Para usuários do CrewAI AMP, você pode criar a mesma tripulação sem escrever código: - 1. Faça login na sua conta CrewAI Enterprise (crie uma conta gratuita em [app.crewai.com](https://app.crewai.com)) + 1. Faça login na sua conta CrewAI AMP (crie uma conta gratuita em [app.crewai.com](https://app.crewai.com)) 2. Abra o Crew Studio 3. Digite qual automação deseja construir 4. Crie suas tarefas visualmente e conecte-as em sequência @@ -214,8 +214,8 @@ Siga os passos abaixo para começar a tripular! 🚣‍♂️ ![Crew Studio Quickstart](/images/enterprise/crew-studio-interface.png) - - Comece sua conta gratuita no CrewAI Enterprise + + Comece sua conta gratuita no CrewAI AMP @@ -335,19 +335,17 @@ email_summarizer_task: ## Fazendo o Deploy da Sua Tripulação -A forma mais fácil de fazer deploy da sua tripulação em produção é através da [CrewAI Enterprise](http://app.crewai.com). +A forma mais fácil de fazer deploy da sua tripulação em produção é através da [CrewAI AMP](http://app.crewai.com). -Assista a este vídeo tutorial para uma demonstração detalhada de como fazer deploy da sua tripulação na [CrewAI Enterprise](http://app.crewai.com) usando a CLI. +Assista a este vídeo tutorial para uma demonstração detalhada de como fazer deploy da sua tripulação na [CrewAI AMP](http://app.crewai.com) usando a CLI. @@ -356,7 +354,7 @@ Assista a este vídeo tutorial para uma demonstração detalhada de como fazer d icon="rocket" href="http://app.crewai.com" > - Comece com o CrewAI Enterprise e faça o deploy da sua tripulação em ambiente de produção com apenas alguns cliques. + Comece com o CrewAI AMP e faça o deploy da sua tripulação em ambiente de produção com apenas alguns cliques. + + Invoque automações ativas do CrewAI Platform, envie entradas personalizadas e acompanhe o resultado diretamente do seu agente. + + + + Acesse agentes do Amazon Bedrock a partir das suas crews, reutilize guardrails existentes da AWS e traga as respostas de volta ao fluxo atual. + + + +## **Casos de Uso Comuns** + +- **Encadear automações**: Inicie uma automação do CrewAI a partir de outra crew ou flow +- **Hand-off corporativo**: Direcione tarefas para agentes Bedrock que já incorporam políticas e guardrails internos +- **Workflows híbridos**: Combine o raciocínio do CrewAI com sistemas externos que expõem APIs de agente +- **Tarefas demoradas**: Faça polling de automações externas e mescle o resultado final na execução atual + +## **Exemplo de Início Rápido** + +```python +from crewai import Agent, Task, Crew +from crewai_tools import InvokeCrewAIAutomationTool +from crewai_tools.aws.bedrock.agents.invoke_agent_tool import BedrockInvokeAgentTool + +# Automação externa +analysis_automation = InvokeCrewAIAutomationTool( + crew_api_url="https://analysis-crew.acme.crewai.com", + crew_bearer_token="YOUR_BEARER_TOKEN", + crew_name="Analysis Automation", + crew_description="Executa o pipeline de análise em produção", +) + +# Agente gerenciado no Bedrock +knowledge_router = BedrockInvokeAgentTool( + agent_id="bedrock-agent-id", + agent_alias_id="prod", +) + +automation_strategist = Agent( + role="Estrategista de Automação", + goal="Orquestrar automações externas e resumir os resultados", + backstory="Você coordena fluxos corporativos e sabe quando delegar tarefas a serviços especializados.", + tools=[analysis_automation, knowledge_router], + verbose=True, +) + +execute_playbook = Task( + description="Execute a automação de análise e peça ao agente Bedrock pontos principais para a diretoria.", + agent=automation_strategist, +) + +Crew(agents=[automation_strategist], tasks=[execute_playbook]).kickoff() +``` + +## **Boas Práticas** + +- **Proteja credenciais**: Armazene tokens e chaves de API em variáveis de ambiente ou no gerenciador de segredos +- **Planeje a latência**: Automações externas podem levar mais tempo — configure intervalos e timeouts adequados +- **Reutilize sessões**: Agentes Bedrock aceitam IDs de sessão para manter contexto entre chamadas +- **Valide respostas**: Normalize a saída remota (JSON, texto, códigos de status) antes de enviá-la a etapas seguintes +- **Monitore o uso**: Acompanhe logs no CrewAI Platform ou no AWS CloudWatch para evitar estouros de quota e falhas diff --git a/docs/pt-BR/tools/search-research/arxivpapertool.mdx b/docs/pt-BR/tools/search-research/arxivpapertool.mdx new file mode 100644 index 000000000..8af4f82d5 --- /dev/null +++ b/docs/pt-BR/tools/search-research/arxivpapertool.mdx @@ -0,0 +1,111 @@ +--- +title: Arxiv Paper Tool +description: The `ArxivPaperTool` searches arXiv for papers matching a query and optionally downloads PDFs. +icon: box-archive +mode: "wide" +--- + +# `ArxivPaperTool` + +## Description + +The `ArxivPaperTool` queries the arXiv API for academic papers and returns compact, readable results. It can also optionally download PDFs to disk. + +## Installation + +This tool has no special installation beyond `crewai-tools`. + +```shell +uv add crewai-tools +``` + +No API key is required. This tool uses the public arXiv Atom API. + +## Steps to Get Started + +1. Initialize the tool. +2. Provide a `search_query` (e.g., "transformer neural network"). +3. Optionally set `max_results` (1–100) and enable PDF downloads in the constructor. + +## Example + +```python Code +from crewai import Agent, Task, Crew +from crewai_tools import ArxivPaperTool + +tool = ArxivPaperTool( + download_pdfs=False, + save_dir="./arxiv_pdfs", + use_title_as_filename=True, +) + +agent = Agent( + role="Researcher", + goal="Find relevant arXiv papers", + backstory="Expert at literature discovery", + tools=[tool], + verbose=True, +) + +task = Task( + description="Search arXiv for 'transformer neural network' and list top 5 results.", + expected_output="A concise list of 5 relevant papers with titles, links, and summaries.", + agent=agent, +) + +crew = Crew(agents=[agent], tasks=[task]) +result = crew.kickoff() +``` + +### Direct usage (without Agent) + +```python Code +from crewai_tools import ArxivPaperTool + +tool = ArxivPaperTool( + download_pdfs=True, + save_dir="./arxiv_pdfs", +) +print(tool.run(search_query="mixture of experts", max_results=3)) +``` + +## Parameters + +### Initialization Parameters + +- `download_pdfs` (bool, default `False`): Whether to download PDFs. +- `save_dir` (str, default `./arxiv_pdfs`): Directory to save PDFs. +- `use_title_as_filename` (bool, default `False`): Use paper titles for filenames. + +### Run Parameters + +- `search_query` (str, required): The arXiv search query. +- `max_results` (int, default `5`, range 1–100): Number of results. + +## Output format + +The tool returns a human‑readable list of papers with: +- Title +- Link (abs page) +- Snippet/summary (truncated) + +When `download_pdfs=True`, PDFs are saved to disk and the summary mentions saved files. + +## Usage Notes + +- The tool returns formatted text with key metadata and links. +- When `download_pdfs=True`, PDFs will be stored in `save_dir`. + +## Troubleshooting + +- If you receive a network timeout, re‑try or reduce `max_results`. +- Invalid XML errors indicate an arXiv response parse issue; try a simpler query. +- File system errors (e.g., permission denied) may occur when saving PDFs; ensure `save_dir` is writable. + +## Related links + +- arXiv API docs: https://info.arxiv.org/help/api/index.html + +## Error Handling + +- Network issues, invalid XML, and OS errors are handled with informative messages. diff --git a/docs/pt-BR/tools/search-research/databricks-query-tool.mdx b/docs/pt-BR/tools/search-research/databricks-query-tool.mdx new file mode 100644 index 000000000..7b3f2e2b7 --- /dev/null +++ b/docs/pt-BR/tools/search-research/databricks-query-tool.mdx @@ -0,0 +1,79 @@ +--- +title: Databricks SQL Query Tool +description: The `DatabricksQueryTool` executes SQL queries against Databricks workspace tables. +icon: trowel-bricks +mode: "wide" +--- + +# `DatabricksQueryTool` + +## Description + +Run SQL against Databricks workspace tables with either CLI profile or direct host/token authentication. + +## Installation + +```shell +uv add crewai-tools[databricks-sdk] +``` + +## Environment Variables + +- `DATABRICKS_CONFIG_PROFILE` or (`DATABRICKS_HOST` + `DATABRICKS_TOKEN`) + +Create a personal access token and find host details in the Databricks workspace under User Settings → Developer. +Docs: https://docs.databricks.com/en/dev-tools/auth/pat.html + +## Example + +```python Code +from crewai import Agent, Task, Crew +from crewai_tools import DatabricksQueryTool + +tool = DatabricksQueryTool( + default_catalog="main", + default_schema="default", +) + +agent = Agent( + role="Data Analyst", + goal="Query Databricks", + tools=[tool], + verbose=True, +) + +task = Task( + description="SELECT * FROM my_table LIMIT 10", + expected_output="10 rows", + agent=agent, +) + +crew = Crew( + agents=[agent], + tasks=[task], + verbose=True, +) +result = crew.kickoff() + +print(result) +``` + +## Parameters + +- `query` (required): SQL query to execute +- `catalog` (optional): Override default catalog +- `db_schema` (optional): Override default schema +- `warehouse_id` (optional): Override default SQL warehouse +- `row_limit` (optional): Maximum rows to return (default: 1000) + +## Defaults on initialization + +- `default_catalog` +- `default_schema` +- `default_warehouse_id` + +### Error handling & tips + +- Authentication errors: verify `DATABRICKS_HOST` begins with `https://` and token is valid. +- Permissions: ensure your SQL warehouse and schema are accessible by your token. +- Limits: long‑running queries should be avoided in agent loops; add filters/limits. diff --git a/docs/pt-BR/tools/search-research/serpapi-googlesearchtool.mdx b/docs/pt-BR/tools/search-research/serpapi-googlesearchtool.mdx new file mode 100644 index 000000000..924b0a52e --- /dev/null +++ b/docs/pt-BR/tools/search-research/serpapi-googlesearchtool.mdx @@ -0,0 +1,64 @@ +--- +title: SerpApi Google Search Tool +description: The `SerpApiGoogleSearchTool` performs Google searches using the SerpApi service. +icon: google +mode: "wide" +--- + +# `SerpApiGoogleSearchTool` + +## Description + +Use the `SerpApiGoogleSearchTool` to run Google searches with SerpApi and retrieve structured results. Requires a SerpApi API key. + +## Installation + +```shell +uv add crewai-tools[serpapi] +``` + +## Environment Variables + +- `SERPAPI_API_KEY` (required): API key for SerpApi. Create one at https://serpapi.com/ (free tier available). + +## Example + +```python Code +from crewai import Agent, Task, Crew +from crewai_tools import SerpApiGoogleSearchTool + +tool = SerpApiGoogleSearchTool() + +agent = Agent( + role="Researcher", + goal="Answer questions using Google search", + backstory="Search specialist", + tools=[tool], + verbose=True, +) + +task = Task( + description="Search for the latest CrewAI releases", + expected_output="A concise list of relevant results with titles and links", + agent=agent, +) + +crew = Crew(agents=[agent], tasks=[task]) +result = crew.kickoff() +``` + +## Notes + +- Set `SERPAPI_API_KEY` in the environment. Create a key at https://serpapi.com/ +- See also Google Shopping via SerpApi: `/en/tools/search-research/serpapi-googleshoppingtool` + +## Parameters + +### Run Parameters + +- `search_query` (str, required): The Google query. +- `location` (str, optional): Geographic location parameter. + +## Notes + +- This tool wraps SerpApi and returns structured search results. diff --git a/docs/pt-BR/tools/search-research/serpapi-googleshoppingtool.mdx b/docs/pt-BR/tools/search-research/serpapi-googleshoppingtool.mdx new file mode 100644 index 000000000..398d38f48 --- /dev/null +++ b/docs/pt-BR/tools/search-research/serpapi-googleshoppingtool.mdx @@ -0,0 +1,60 @@ +--- +title: SerpApi Google Shopping Tool +description: The `SerpApiGoogleShoppingTool` searches Google Shopping results using SerpApi. +icon: cart-shopping +mode: "wide" +--- + +# `SerpApiGoogleShoppingTool` + +## Description + +Leverage `SerpApiGoogleShoppingTool` to query Google Shopping via SerpApi and retrieve product-oriented results. + +## Installation + +```shell +uv add crewai-tools[serpapi] +``` + +## Environment Variables + +- `SERPAPI_API_KEY` (required): API key for SerpApi. Create one at https://serpapi.com/ (free tier available). + +## Example + +```python Code +from crewai import Agent, Task, Crew +from crewai_tools import SerpApiGoogleShoppingTool + +tool = SerpApiGoogleShoppingTool() + +agent = Agent( + role="Shopping Researcher", + goal="Find relevant products", + backstory="Expert in product search", + tools=[tool], + verbose=True, +) + +task = Task( + description="Search Google Shopping for 'wireless noise-canceling headphones'", + expected_output="Top relevant products with titles and links", + agent=agent, +) + +crew = Crew(agents=[agent], tasks=[task]) +result = crew.kickoff() +``` + +## Notes + +- Set `SERPAPI_API_KEY` in the environment. Create a key at https://serpapi.com/ +- See also Google Web Search via SerpApi: `/en/tools/search-research/serpapi-googlesearchtool` + +## Parameters + +### Run Parameters + +- `search_query` (str, required): Product search query. +- `location` (str, optional): Geographic location parameter. diff --git a/docs/pt-BR/tools/search-research/tavilyextractortool.mdx b/docs/pt-BR/tools/search-research/tavilyextractortool.mdx new file mode 100644 index 000000000..ed384de44 --- /dev/null +++ b/docs/pt-BR/tools/search-research/tavilyextractortool.mdx @@ -0,0 +1,140 @@ +--- +title: "Tavily Extractor Tool" +description: "Extract structured content from web pages using the Tavily API" +icon: square-poll-horizontal +mode: "wide" +--- + +The `TavilyExtractorTool` allows CrewAI agents to extract structured content from web pages using the Tavily API. It can process single URLs or lists of URLs and provides options for controlling the extraction depth and including images. + +## Installation + +To use the `TavilyExtractorTool`, you need to install the `tavily-python` library: + +```shell +pip install 'crewai[tools]' tavily-python +``` + +You also need to set your Tavily API key as an environment variable: + +```bash +export TAVILY_API_KEY='your-tavily-api-key' +``` + +## Example Usage + +Here's how to initialize and use the `TavilyExtractorTool` within a CrewAI agent: + +```python +import os +from crewai import Agent, Task, Crew +from crewai_tools import TavilyExtractorTool + +# Ensure TAVILY_API_KEY is set in your environment +# os.environ["TAVILY_API_KEY"] = "YOUR_API_KEY" + +# Initialize the tool +tavily_tool = TavilyExtractorTool() + +# Create an agent that uses the tool +extractor_agent = Agent( + role='Web Content Extractor', + goal='Extract key information from specified web pages', + backstory='You are an expert at extracting relevant content from websites using the Tavily API.', + tools=[tavily_tool], + verbose=True +) + +# Define a task for the agent +extract_task = Task( + description='Extract the main content from the URL https://example.com using basic extraction depth.', + expected_output='A JSON string containing the extracted content from the URL.', + agent=extractor_agent +) + +# Create and run the crew +crew = Crew( + agents=[extractor_agent], + tasks=[extract_task], + verbose=2 +) + +result = crew.kickoff() +print(result) +``` + +## Configuration Options + +The `TavilyExtractorTool` accepts the following arguments: + +- `urls` (Union[List[str], str]): **Required**. A single URL string or a list of URL strings to extract data from. +- `include_images` (Optional[bool]): Whether to include images in the extraction results. Defaults to `False`. +- `extract_depth` (Literal["basic", "advanced"]): The depth of extraction. Use `"basic"` for faster, surface-level extraction or `"advanced"` for more comprehensive extraction. Defaults to `"basic"`. +- `timeout` (int): The maximum time in seconds to wait for the extraction request to complete. Defaults to `60`. + +## Advanced Usage + +### Multiple URLs with Advanced Extraction + +```python +# Example with multiple URLs and advanced extraction +multi_extract_task = Task( + description='Extract content from https://example.com and https://anotherexample.org using advanced extraction.', + expected_output='A JSON string containing the extracted content from both URLs.', + agent=extractor_agent +) + +# Configure the tool with custom parameters +custom_extractor = TavilyExtractorTool( + extract_depth='advanced', + include_images=True, + timeout=120 +) + +agent_with_custom_tool = Agent( + role="Advanced Content Extractor", + goal="Extract comprehensive content with images", + tools=[custom_extractor] +) +``` + +### Tool Parameters + +You can customize the tool's behavior by setting parameters during initialization: + +```python +# Initialize with custom configuration +extractor_tool = TavilyExtractorTool( + extract_depth='advanced', # More comprehensive extraction + include_images=True, # Include image results + timeout=90 # Custom timeout +) +``` + +## Features + +- **Single or Multiple URLs**: Extract content from one URL or process multiple URLs in a single request +- **Configurable Depth**: Choose between basic (fast) and advanced (comprehensive) extraction modes +- **Image Support**: Optionally include images in the extraction results +- **Structured Output**: Returns well-formatted JSON containing the extracted content +- **Error Handling**: Robust handling of network timeouts and extraction errors + +## Response Format + +The tool returns a JSON string representing the structured data extracted from the provided URL(s). The exact structure depends on the content of the pages and the `extract_depth` used. + +Common response elements include: +- **Title**: The page title +- **Content**: Main text content of the page +- **Images**: Image URLs and metadata (when `include_images=True`) +- **Metadata**: Additional page information like author, description, etc. + +## Use Cases + +- **Content Analysis**: Extract and analyze content from competitor websites +- **Research**: Gather structured data from multiple sources for analysis +- **Content Migration**: Extract content from existing websites for migration +- **Monitoring**: Regular extraction of content for change detection +- **Data Collection**: Systematic extraction of information from web sources + +Refer to the [Tavily API documentation](https://docs.tavily.com/docs/tavily-api/python-sdk#extract) for detailed information about the response structure and available options. diff --git a/docs/pt-BR/tools/search-research/tavilysearchtool.mdx b/docs/pt-BR/tools/search-research/tavilysearchtool.mdx new file mode 100644 index 000000000..3252e82ac --- /dev/null +++ b/docs/pt-BR/tools/search-research/tavilysearchtool.mdx @@ -0,0 +1,125 @@ +--- +title: "Tavily Search Tool" +description: "Perform comprehensive web searches using the Tavily Search API" +icon: "magnifying-glass" +mode: "wide" +--- + +The `TavilySearchTool` provides an interface to the Tavily Search API, enabling CrewAI agents to perform comprehensive web searches. It allows for specifying search depth, topics, time ranges, included/excluded domains, and whether to include direct answers, raw content, or images in the results. + +## Installation + +To use the `TavilySearchTool`, you need to install the `tavily-python` library: + +```shell +pip install 'crewai[tools]' tavily-python +``` + +## Environment Variables + +Ensure your Tavily API key is set as an environment variable: + +```bash +export TAVILY_API_KEY='your_tavily_api_key' +``` + +Get an API key at https://app.tavily.com/ (sign up, then create a key). + +## Example Usage + +Here's how to initialize and use the `TavilySearchTool` within a CrewAI agent: + +```python +import os +from crewai import Agent, Task, Crew +from crewai_tools import TavilySearchTool + +# Ensure the TAVILY_API_KEY environment variable is set +# os.environ["TAVILY_API_KEY"] = "YOUR_TAVILY_API_KEY" + +# Initialize the tool +tavily_tool = TavilySearchTool() + +# Create an agent that uses the tool +researcher = Agent( + role='Market Researcher', + goal='Find information about the latest AI trends', + backstory='An expert market researcher specializing in technology.', + tools=[tavily_tool], + verbose=True +) + +# Create a task for the agent +research_task = Task( + description='Search for the top 3 AI trends in 2024.', + expected_output='A JSON report summarizing the top 3 AI trends found.', + agent=researcher +) + +# Form the crew and kick it off +crew = Crew( + agents=[researcher], + tasks=[research_task], + verbose=2 +) + +result = crew.kickoff() +print(result) +``` + +## Configuration Options + +The `TavilySearchTool` accepts the following arguments during initialization or when calling the `run` method: + +- `query` (str): **Required**. The search query string. +- `search_depth` (Literal["basic", "advanced"], optional): The depth of the search. Defaults to `"basic"`. +- `topic` (Literal["general", "news", "finance"], optional): The topic to focus the search on. Defaults to `"general"`. +- `time_range` (Literal["day", "week", "month", "year"], optional): The time range for the search. Defaults to `None`. +- `days` (int, optional): The number of days to search back. Relevant if `time_range` is not set. Defaults to `7`. +- `max_results` (int, optional): The maximum number of search results to return. Defaults to `5`. +- `include_domains` (Sequence[str], optional): A list of domains to prioritize in the search. Defaults to `None`. +- `exclude_domains` (Sequence[str], optional): A list of domains to exclude from the search. Defaults to `None`. +- `include_answer` (Union[bool, Literal["basic", "advanced"]], optional): Whether to include a direct answer synthesized from the search results. Defaults to `False`. +- `include_raw_content` (bool, optional): Whether to include the raw HTML content of the searched pages. Defaults to `False`. +- `include_images` (bool, optional): Whether to include image results. Defaults to `False`. +- `timeout` (int, optional): The request timeout in seconds. Defaults to `60`. + +## Advanced Usage + +You can configure the tool with custom parameters: + +```python +# Example: Initialize with specific parameters +custom_tavily_tool = TavilySearchTool( + search_depth='advanced', + max_results=10, + include_answer=True +) + +# The agent will use these defaults +agent_with_custom_tool = Agent( + role="Advanced Researcher", + goal="Conduct detailed research with comprehensive results", + tools=[custom_tavily_tool] +) +``` + +## Features + +- **Comprehensive Search**: Access to Tavily's powerful search index +- **Configurable Depth**: Choose between basic and advanced search modes +- **Topic Filtering**: Focus searches on general, news, or finance topics +- **Time Range Control**: Limit results to specific time periods +- **Domain Control**: Include or exclude specific domains +- **Direct Answers**: Get synthesized answers from search results +- **Content Filtering**: Prevent context window issues with automatic content truncation + +## Response Format + +The tool returns search results as a JSON string containing: +- Search results with titles, URLs, and content snippets +- Optional direct answers to queries +- Optional image results +- Optional raw HTML content (when enabled) + +Content for each result is automatically truncated to prevent context window issues while maintaining the most relevant information. diff --git a/docs/pt-BR/tools/tool-integrations/overview.mdx b/docs/pt-BR/tools/tool-integrations/overview.mdx new file mode 100644 index 000000000..4dfa0e62b --- /dev/null +++ b/docs/pt-BR/tools/tool-integrations/overview.mdx @@ -0,0 +1,30 @@ +--- +title: Overview +description: Integrations for deploying and automating crews with external platforms +icon: face-smile +mode: "wide" +--- + +## Available Integrations + + + + Invoke Amazon Bedrock Agents from CrewAI to orchestrate actions across AWS services. + + + + Automate deployment and operations by integrating CrewAI with external platforms and workflows. + + + +Use these integrations to connect CrewAI with your infrastructure and workflows. diff --git a/docs/pt-BR/tools/web-scraping/brightdata-tools.mdx b/docs/pt-BR/tools/web-scraping/brightdata-tools.mdx new file mode 100644 index 000000000..b9a5f222b --- /dev/null +++ b/docs/pt-BR/tools/web-scraping/brightdata-tools.mdx @@ -0,0 +1,110 @@ +--- +title: Bright Data Tools +description: Bright Data integrations for SERP search, Web Unlocker scraping, and Dataset API. +icon: spider +mode: "wide" +--- + +# Bright Data Tools + +This set of tools integrates Bright Data services for web extraction. + +## Installation + +```shell +uv add crewai-tools requests aiohttp +``` + +## Environment Variables + +- `BRIGHT_DATA_API_KEY` (required) +- `BRIGHT_DATA_ZONE` (for SERP/Web Unlocker) + +Create credentials at https://brightdata.com/ (sign up, then create an API token and zone). +See their docs: https://developers.brightdata.com/ + +## Included Tools + +- `BrightDataSearchTool`: SERP search (Google/Bing/Yandex) with geo/language/device options. +- `BrightDataWebUnlockerTool`: Scrape pages with anti-bot bypass and rendering. +- `BrightDataDatasetTool`: Run Dataset API jobs and fetch results. + +## Examples + +### SERP Search + +```python Code +from crewai_tools import BrightDataSearchTool + +tool = BrightDataSearchTool( + query="CrewAI", + country="us", +) + +print(tool.run()) +``` + +### Web Unlocker + +```python Code +from crewai_tools import BrightDataWebUnlockerTool + +tool = BrightDataWebUnlockerTool( + url="https://example.com", + format="markdown", +) + +print(tool.run(url="https://example.com")) +``` + +### Dataset API + +```python Code +from crewai_tools import BrightDataDatasetTool + +tool = BrightDataDatasetTool( + dataset_type="ecommerce", + url="https://example.com/product", +) + +print(tool.run()) +``` + +## Troubleshooting + +- 401/403: verify `BRIGHT_DATA_API_KEY` and `BRIGHT_DATA_ZONE`. +- Empty/blocked content: enable rendering or try a different zone. + +## Example + +```python Code +from crewai import Agent, Task, Crew +from crewai_tools import BrightDataSearchTool + +tool = BrightDataSearchTool( + query="CrewAI", + country="us", +) + +agent = Agent( + role="Web Researcher", + goal="Search with Bright Data", + backstory="Finds reliable results", + tools=[tool], + verbose=True, +) + +task = Task( + description="Search for CrewAI and summarize top results", + expected_output="Short summary with links", + agent=agent, +) + +crew = Crew( + agents=[agent], + tasks=[task], + verbose=True, +) + +result = crew.kickoff() +``` diff --git a/docs/pt-BR/tools/web-scraping/serperscrapewebsitetool.mdx b/docs/pt-BR/tools/web-scraping/serperscrapewebsitetool.mdx new file mode 100644 index 000000000..cae0b6d7f --- /dev/null +++ b/docs/pt-BR/tools/web-scraping/serperscrapewebsitetool.mdx @@ -0,0 +1,101 @@ +--- +title: Serper Scrape Website +description: The `SerperScrapeWebsiteTool` is designed to scrape websites and extract clean, readable content using Serper's scraping API. +icon: globe +mode: "wide" +--- + +# `SerperScrapeWebsiteTool` + +## Description + +This tool is designed to scrape website content and extract clean, readable text from any website URL. It utilizes the [serper.dev](https://serper.dev) scraping API to fetch and process web pages, optionally including markdown formatting for better structure and readability. + +## Installation + +To effectively use the `SerperScrapeWebsiteTool`, follow these steps: + +1. **Package Installation**: Confirm that the `crewai[tools]` package is installed in your Python environment. +2. **API Key Acquisition**: Acquire a `serper.dev` API key by registering for an account at `serper.dev`. +3. **Environment Configuration**: Store your obtained API key in an environment variable named `SERPER_API_KEY` to facilitate its use by the tool. + +To incorporate this tool into your project, follow the installation instructions below: + +```shell +pip install 'crewai[tools]' +``` + +## Example + +The following example demonstrates how to initialize the tool and scrape a website: + +```python Code +from crewai_tools import SerperScrapeWebsiteTool + +# Initialize the tool for website scraping capabilities +tool = SerperScrapeWebsiteTool() + +# Scrape a website with markdown formatting +result = tool.run(url="https://example.com", include_markdown=True) +``` + +## Arguments + +The `SerperScrapeWebsiteTool` accepts the following arguments: + +- **url**: Required. The URL of the website to scrape. +- **include_markdown**: Optional. Whether to include markdown formatting in the scraped content. Defaults to `True`. + +## Example with Parameters + +Here is an example demonstrating how to use the tool with different parameters: + +```python Code +from crewai_tools import SerperScrapeWebsiteTool + +tool = SerperScrapeWebsiteTool() + +# Scrape with markdown formatting (default) +markdown_result = tool.run( + url="https://docs.crewai.com", + include_markdown=True +) + +# Scrape without markdown formatting for plain text +plain_result = tool.run( + url="https://docs.crewai.com", + include_markdown=False +) + +print("Markdown formatted content:") +print(markdown_result) + +print("\nPlain text content:") +print(plain_result) +``` + +## Use Cases + +The `SerperScrapeWebsiteTool` is particularly useful for: + +- **Content Analysis**: Extract and analyze website content for research purposes +- **Data Collection**: Gather structured information from web pages +- **Documentation Processing**: Convert web-based documentation into readable formats +- **Competitive Analysis**: Scrape competitor websites for market research +- **Content Migration**: Extract content from existing websites for migration purposes + +## Error Handling + +The tool includes comprehensive error handling for: + +- **Network Issues**: Handles connection timeouts and network errors gracefully +- **API Errors**: Provides detailed error messages for API-related issues +- **Invalid URLs**: Validates and reports issues with malformed URLs +- **Authentication**: Clear error messages for missing or invalid API keys + +## Security Considerations + +- Always store your `SERPER_API_KEY` in environment variables, never hardcode it in your source code +- Be mindful of rate limits imposed by the Serper API +- Respect robots.txt and website terms of service when scraping content +- Consider implementing delays between requests for large-scale scraping operations