계획

개요

CrewAI의 planning 기능을 통해 crew에 계획 수립 기능을 추가할 수 있습니다. 해당 기능을 활성화하면, 각 Crew 반복 전에 모든 Crew 정보가 AgentPlanner로 전송되어 작업이 단계별로 계획되며, 이 계획이 각 작업 설명에 추가됩니다.

Planning 기능 사용하기

Planning 기능을 시작하는 것은 매우 간단합니다. 필요한 유일한 단계는 Crew에 planning=True를 추가하는 것입니다:

Code

from crewai import Crew, Agent, Task, Process

# Assemble your crew with planning capabilities
my_crew = Crew(
    agents=self.agents,
    tasks=self.tasks,
    process=Process.sequential,
    planning=True,
)

이 시점부터 crew는 planning이 활성화되며, 각 반복 전에 작업이 계획됩니다.

LLM 계획하기

이제 작업을 계획할 때 사용할 LLM을 정의할 수 있습니다.

기본 사례 예제를 실행하면 아래와 같은 출력이 나타나는데, 이는 AgentPlanner의 출력으로, 에이전트 작업에 추가할 단계별 논리를 생성합니다.

Code

from crewai import Crew, Agent, Task, Process

# Assemble your crew with planning capabilities and custom LLM
my_crew = Crew(
    agents=self.agents,
    tasks=self.tasks,
    process=Process.sequential,
    planning=True,
    planning_llm="gpt-4o"
)

# Run the crew
my_crew.kickoff()

[2024-07-15 16:49:11][INFO]: Planning the crew execution
**작업 실행을 위한 단계별 계획**

**작업 번호 1: AI LLM에 대해 철저히 조사하기**

**에이전트:** AI LLMs 시니어 데이터 리서처

**에이전트 목표:** AI LLM의 최신 개발 동향 파악

**작업 예상 결과:** AI LLM에 대한 가장 관련성 높은 정보 10가지가 포함된 리스트

**작업 도구:** 명시되지 않음

**에이전트 도구:** 명시되지 않음

**단계별 계획:**

1. **조사 범위 정의:**

   - 아키텍처의 발전, 사용 사례, 윤리적 고려사항, 성능 측정 기준 등 AI LLM의 특정 영역을 결정합니다.

2. **신뢰할 수 있는 출처 식별:**

   - 학술지, 산업 리포트, 컨퍼런스(예: NeurIPS, ACL), AI 연구소(예: OpenAI, Google AI), 온라인 데이터베이스(예: IEEE Xplore, arXiv) 등 AI 연구를 위한 평판 좋은 출처를 나열합니다.

3. **데이터 수집:**

   - 2024년 및 2025년 초에 발표된 최신 논문, 기사, 리포트를 검색합니다.
   - "Large Language Models 2025", "AI LLM advancements", "AI ethics 2025"와 같은 키워드를 사용합니다.

4. **발견 사항 분석:**

   - 각 출처에서 핵심 내용을 읽고 요약합니다.
   - 지난 1년간 소개된 새로운 기술, 모델, 애플리케이션 등을 강조합니다.

5. **정보 정리:**

   - 정보를 관련 주제별로 분류합니다(예: 새로운 아키텍처, 윤리적 영향, 실세계 적용 등).
   - 각 핵심 포인트는 간결하면서도 정보가 풍부하도록 합니다.

6. **리스트 작성:**

   - 가장 관련성 높은 10가지 정보를 불릿 포인트로 정리합니다.
   - 리스트가 명확하고 적절한지 검토합니다.

**예상 결과:**

AI LLM에 대한 가장 관련성 높은 정보 10가지를 담은 불릿 포인트 리스트.

---

**작업 번호 2: 받은 컨텍스트를 검토하고 각 주제를 리포트의 전체 섹션으로 확장하기**

**에이전트:** AI LLMs 리포팅 애널리스트

**에이전트 목표:** AI LLM 데이터 분석 및 연구 결과를 기반으로 상세 리포트를 작성

**작업 예상 결과:** 주요 주제별로 각 섹션이 포함된 완전한 리포트 (마크다운 형식, '```' 없이)

**작업 도구:** 명시되지 않음

**에이전트 도구:** 명시되지 않음

**단계별 계획:**

1. **불릿 포인트 검토:**
   - AI LLMs 시니어 데이터 리서처가 제공한 10가지 불릿 포인트 리스트를 꼼꼼히 읽습니다.

2. **리포트 개요 작성:**
   - 각 불릿 포인트를 주요 섹션 제목으로 삼아 개요를 만듭니다.
   - 각 주요 제목 아래 하위 섹션을 기획하여 해당 주제의 다양한 측면을 다룹니다.

3. **추가 세부 사항 조사:**
   - 각 불릿 포인트별로, 더 자세한 정보를 수집하기 위해 필요 시 추가 조사를 진행합니다.
   - 각 섹션을 뒷받침할 사례 연구, 예시, 통계자료 등을 찾습니다.

4. **상세 섹션 작성:**
   - 각 불릿 포인트를 포괄적인 섹션으로 확장합니다.
   - 각 섹션에는 도입, 상세 설명, 예시, 결론이 포함되어야 합니다.
   - 제목, 부제목, 리스트, 강조 등 마크다운 포맷을 사용합니다.

5. **검토 및 편집:**
   - 리포트의 명확성, 일관성, 정확성을 위해 교정합니다.
   - 리포트가 각 섹션에서 논리적으로 자연스럽게 흐르는지 확인합니다.
   - 마크다운 기준에 맞게 포맷을 맞춥니다.

6. **리포트 최종화:**
   - 모든 섹션이 확장되고 상세하게 작성되어 완전한 리포트가 되었는지 확인합니다.
   - 포맷을 다시 확인하고 필요한 경우 수정합니다.

**예상 결과:**
주요 주제별로 각 섹션이 포함된 완전한 리포트 (마크다운 형식, '```' 없이).