첫 번째 Crew 만들기

리서치 Crew 만들기

이 가이드에서는 두 에이전트가 주제를 조사하고 markdown 보고서를 작성하는 crew를 만듭니다. 새 crew 프로젝트는 JSON-first입니다. 에이전트는 agents/*.jsonc, 태스크와 crew 설정은 crew.jsonc에 두며, crewai run이 이 정의를 직접 로드합니다.

준비 사항

설치 가이드에 따라 CrewAI 설치
LLM 설정에 따라 모델 API 키 설정
웹 검색을 사용할 경우 Serper.dev API 키 준비

1단계: 새 Crew 만들기

crewai create crew research_crew
cd research_crew

생성되는 구조:

research_crew/
├── .gitignore
├── .env
├── agents/
│   └── researcher.jsonc
├── crew.jsonc
├── knowledge/
├── pyproject.toml
├── README.md
├── skills/
└── tools/

2단계: 에이전트 정의

생성된 agents/researcher.jsonc 파일을 교체하고 agents/analyst.jsonc를 추가합니다. 파일 이름이 crew.jsonc에서 참조하는 에이전트 이름입니다.

{
  "role": "Senior Research Specialist for {topic}",
  "goal": "Find comprehensive and accurate information about {topic}, with a focus on recent developments and key insights.",
  "backstory": "You are an experienced research specialist who organizes complex information into clear, useful notes.",
  // 사용하는 모델로 바꾸세요. 예: "openai/gpt-4o".
  "llm": "provider/model-id",
  "tools": ["SerperDevTool"],
  "settings": {
    "verbose": true,
    "allow_delegation": false
  }
}

{
  "role": "Report Analyst for {topic}",
  "goal": "Turn research findings into a clear, well-structured report.",
  "backstory": "You are a careful analyst with strong technical writing skills and a talent for extracting useful insights.",
  // 사용하는 모델로 바꾸세요. 예: "openai/gpt-4o".
  "llm": "provider/model-id",
  "settings": {
    "verbose": true,
    "allow_delegation": false
  }
}

provider/model-id를 openai/gpt-4o, anthropic/claude-sonnet-4-6, gemini/gemini-2.0-flash-001 같은 모델로 바꾸세요.

3단계: 태스크와 Crew 설정

crew.jsonc를 다음으로 교체합니다:

{
  "name": "Research Crew",
  "agents": ["researcher", "analyst"],
  "tasks": [
    {
      "name": "research_task",
      "description": "Conduct thorough research on {topic}. Focus on key concepts, recent developments, major challenges, notable applications, and future outlook.",
      "expected_output": "A comprehensive research document with organized sections, specific facts, and useful examples about {topic}.",
      "agent": "researcher"
    },
    {
      "name": "analysis_task",
      "description": "Analyze the research findings and create a polished report on {topic}. Include an executive summary, key insights, trend analysis, and recommendations.",
      "expected_output": "A professional markdown report with clear headings, a concise summary, main findings, and recommendations.",
      "agent": "analyst",
      "context": ["research_task"],
      "output_file": "output/report.md",
      "markdown": true
    }
  ],
  "process": "sequential",
  "verbose": true,
  "memory": true,
  "inputs": {
    "topic": "Artificial Intelligence in Healthcare"
  }
}

context는 이전 태스크 이름을 가리키므로 analyst가 research 태스크 출력을 받습니다. inputs는 {topic}의 기본값을 제공합니다. 기본값이 없으면 crewai run이 실행 중에 물어봅니다.

4단계: 환경 변수 설정

.env를 편집합니다:

SERPER_API_KEY=your_serper_api_key
# 모델 제공자 API 키도 추가하세요.

5단계: 설치 및 실행

crewai install
crewai run

실행이 끝나면 output/report.md를 확인하세요.