Agent 仓库

Agent Repositories 允许企业用户在团队和项目之间存储、共享并复用 agent 定义。该功能帮助组织维护一个集中化的标准化 agents 库，从而提升一致性并减少重复劳动。

Agent 仓库的优势

• 标准化：在整个组织中保持一致的 agent 定义
• 可复用性：创建一次 agent，即可在多个 crews 和项目中使用
• 治理：为 agent 配置实施组织级策略
• 协作：让团队能够共享并在彼此工作的基础上继续构建

创建和使用 Agent 仓库

1. 你必须拥有 CrewAI 账户，可以先试用 free plan。
2. 为你的工作流创建具有特定角色和目标的 agents。
3. 为每个专用 assistant 配置 tools 和能力。
4. 通过可视化界面或 API 集成，将 agents 部署到各个项目中。

从仓库加载 agents

你可以在代码中使用 from_repository 参数从仓库加载 agents，并在本地运行：

from crewai import Agent

# Create an agent by loading it from a repository
# The agent is loaded with all its predefined configurations
researcher = Agent(
    from_repository="market-research-agent"
)

覆盖仓库设置

你可以通过在配置中提供值来覆盖仓库里的特定设置：

researcher = Agent(
    from_repository="market-research-agent",
    goal="Research the latest trends in AI development",  # Override the repository goal
    verbose=True  # Add a setting not in the repository
)

示例：使用仓库 agents 创建 Crew

from crewai import Crew, Agent, Task

# Load agents from repositories
researcher = Agent(
    from_repository="market-research-agent"
)

writer = Agent(
    from_repository="content-writer-agent"
)

# Create tasks
research_task = Task(
    description="Research the latest trends in AI",
    agent=researcher
)

writing_task = Task(
    description="Write a comprehensive report based on the research",
    agent=writer
)

# Create the crew
crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    verbose=True
)

# Run the crew
result = crew.kickoff()

示例：在 kickoff() 中使用仓库 agents

你也可以直接把仓库 agents 与 kickoff() 方法一起使用，以获得更简单的交互：

from crewai import Agent
from pydantic import BaseModel
from typing import List

# Define a structured output format
class MarketAnalysis(BaseModel):
    key_trends: List[str]
    opportunities: List[str]
    recommendation: str

# Load an agent from repository
analyst = Agent(
    from_repository="market-analyst-agent",
    verbose=True
)

# Get a free-form response
result = analyst.kickoff("Analyze the AI market in 2025")
print(result.raw)  # Access the raw response

# Get structured output
structured_result = analyst.kickoff(
    "Provide a structured analysis of the AI market in 2025",
    response_format=MarketAnalysis
)

# Access structured data
print(f"Key Trends: {structured_result.pydantic.key_trends}")
print(f"Recommendation: {structured_result.pydantic.recommendation}")

最佳实践

1. 命名规范：为你的仓库 agents 使用清晰、描述性强的名称
2. 文档：为每个 agent 提供完整说明
3. 工具管理：确保仓库 agent 引用的工具在你的环境中可用
4. 访问控制：管理权限，确保只有授权团队成员可以修改仓库 agents

组织管理

要在不同组织之间切换或查看当前组织，请使用 CrewAI CLI：

# View current organization
crewai org current

# Switch to a different organization
crewai org switch <org_id>

# List all available organizations
crewai org list

Note

从仓库加载 agents 时，你必须已完成认证并切换到正确的组织。如果遇到错误，请使用上面的 CLI 命令检查认证状态和组织设置。