Agent-Frameworks · Foto: m4rlonj, CC BY 2.0
first-crew.mdx
Zuletzt aktualisiert:
Typ
Code-Beispiel
Lizenz
MIT
Quelle
Anwendungsfeld
CrewAI
Erstes eigenes Mehr-Agenten-Projekt.
Voraussetzungen
- crewAI-Quickstart bereits durchgeführt (Installation vorhanden)
- Python-Grundkenntnisse
- Zugang zu einem LLM, mit dem die Agenten arbeiten
Schritt-für-Schritt-Tutorial: Recherche-Crew mit zwei Agenten (Researcher + Analyst) inkl. Projektstruktur.
Für wen: Erstes eigenes Mehr-Agenten-Projekt.
Im Detail
Dieses offizielle crewAI-Tutorial führt Schritt für Schritt durch den Aufbau der ersten eigenen Multi-Agenten-Crew, bestehend aus einem Researcher- und einem Analyst-Agenten, inklusive der empfohlenen Projektstruktur mit Konfigurationsdateien für Agenten und Aufgaben. Anders als reine API-Referenzen zeigt es den kompletten Weg von der Projektanlage bis zum lauffähigen Ergebnis an einem konkreten Recherche-Beispiel. Der ideale Einstieg für alle, die zum ersten Mal mehrere zusammenarbeitende KI-Agenten statt eines einzelnen Chatbots bauen wollen. Wer eher einen kontrollierten, schrittweisen Ablauf statt autonom agierender Agenten braucht, ist bei first-flow.mdx besser aufgehoben. Als kopierter Auszug aus der offiziellen Doku unterliegt der Text der MIT-Lizenz des Originals.
Schritt für Schritt
- Projektstruktur mit agents.yaml, tasks.yaml und crew.py im eigenen Repo anlegen
- Rollen und Ziele von Researcher- und Analyst-Agent auf das eigene Thema anpassen
- Tasks so definieren, dass sie zur eigenen Recherchefrage passen
- Crew lokal ausführen und das Zusammenspiel der beiden Agenten über die Tasks prüfen
- Bei Bedarf anschließend zu komplexeren Konzepten wie Flows oder eigenen Tools übergehen
Beispiel aus der Praxis
Man ersetzt Rolle und Ziel des Researcher-Agents durch eine Recherche zu aktuellen Entwicklungen in einem bestimmten Themenfeld und lässt den Analyst-Agenten daraus eine Zusammenfassung erstellen — die Crew liefert am Ende einen strukturierten Bericht statt einer einzelnen Chat-Antwort.
Praxis-Tipp
Das Tutorial einmal exakt wie beschrieben durchspielen, bevor man Researcher und Analyst durch eigene Rollen und Aufgaben ersetzt — so merkt man schnell, ob die crewAI-Grundstruktur verstanden wurde.
Stolperfallen
Vage formulierte Rollen und Ziele führen zu unspezifischen Ergebnissen — je klarer Rolle und Task definiert sind, desto brauchbarer die Ausgabe der Crew. Das Tutorial ist reine Lernressource und ersetzt nicht die crewAI-Grundinstallation aus dem Quickstart.
Siehe auch
Lizenz & Quelle
- Lizenz: MIT
- Quelle: crewAIInc/crewAI
Inhalt ansehen (first-crew.mdx)
Lade …
Erfahrungen & Kommentare.
Funktioniert der Code-Beispiel bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
quickstart.mdx
Offizielles Quickstart: erste Crew per crewai create, Agents/Tasks in YAML, Ausführung — der komplette Grundzyklus.
first-flow.mdx
Erster Flow: ereignisgesteuerte Pipeline, die geführte Abläufe (@start, @listen) mit Crews kombiniert — Beispiel: Lernguide-Generator.
mastering-flow-state.mdx
Vertiefung Flow-State-Management: strukturierter vs. unstrukturierter Zustand, Persistenz zwischen Schritten.
