部署到 AMP

前提条件

准备好可部署项目

你应该已经有一个可在本地成功运行的 Crew 或 Flow。请参考我们的部署前准备指南来验证项目结构。

GitHub 仓库

你的代码应位于 GitHub 仓库中（用于 GitHub 集成方式）

选项 1：使用 CrewAI CLI 部署

CLI 提供了将本地开发的 Crews 或 Flows 部署到 AMP 平台的最快方式。CLI 会根据 pyproject.toml 自动检测项目类型并进行相应构建。

安装 CrewAI CLI

如果你还没有安装，请先安装 CrewAI CLI：
Terminal window
```
pip install crewai[tools]
```
Tip

CLI 已包含在主 CrewAI 包中，但 [tools] 额外依赖可确保你拥有所有部署所需依赖。
使用 Enterprise 平台进行认证

首先，你需要让 CLI 通过 CrewAI AMP 平台完成认证：
Terminal window
```
# If you already have a CrewAI AMP account, or want to create one:
crewai login
```
当你运行任一命令时，CLI 会：
1. 显示一个 URL 和唯一的设备代码
2. 打开浏览器进入认证页面
3. 提示你确认该设备
4. 完成认证流程
认证成功后，你会在终端中看到确认消息！
创建部署

在项目目录中运行：
Terminal window
```
crewai deploy create
```
该命令会：
1. 检测你的 GitHub 仓库信息
2. 识别本地 .env 文件中的环境变量
3. 安全地将这些变量传输到 Enterprise 平台
4. 创建一个带有唯一标识的新部署
成功创建后，你会看到如下消息：
Terminal window
```
Deployment created successfully!
Name: your_project_name
Deployment ID: 01234567-89ab-cdef-0123-456789abcdef
Current Status: Deploy Enqueued
```
监控部署进度

使用以下命令跟踪部署状态：
Terminal window
```
crewai deploy status
```
查看构建过程的详细日志：
Terminal window
```
crewai deploy logs
```
Tip

首次部署通常需要大约 1 分钟。

其他 CLI 命令

CrewAI CLI 提供了若干命令用于管理部署：

# List all your deployments
crewai deploy list

# Get the status of your deployment
crewai deploy status

# View the logs of your deployment
crewai deploy logs

# Push updates after code changes
crewai deploy push

# Remove a deployment
crewai deploy remove <deployment_id>

选项 2：通过 Web 界面直接部署

你也可以通过连接 GitHub 账号，直接在 CrewAI AMP Web 界面中部署 Crews 或 Flows。这种方式不需要在本地机器上使用 CLI。平台会自动检测项目类型并正确处理构建。

推送到 GitHub

你需要将 crew 推送到 GitHub 仓库。如果你还没有创建 crew，可以先按照本教程。
将 GitHub 连接到 CrewAI AMP
1. 登录 CrewAI AMP
2. 点击 “Connect GitHub” 按钮
选择仓库

连接 GitHub 账号后，你可以选择要部署的仓库：

Tip

如果你的 Crew 或 Flow 位于 monorepo 的子文件夹中，请展开 Advanced 并在部署前设置工作目录。参见 Monorepo Deployments。
设置环境变量

在部署之前，你需要设置环境变量，以连接 LLM 提供方或其他服务：
1. 你可以逐个添加变量，也可以批量添加
2. 以 KEY=VALUE 格式输入环境变量（每行一个）
Info

使用私有 Python 包？你还需要在这里添加 registry 凭据。详情请参阅 Private Package Registries 所需变量。
部署你的 Crew
1. 点击 “Deploy” 按钮开始部署流程
2. 你可以通过进度条监控进度
3. 首次部署通常需要大约 1 分钟
部署完成后，你会看到：
- crew 的唯一 URL
- 一个用于保护 crew API 的 Bearer token
- 如果需要移除部署，还会有一个 “Delete” 按钮

选项 3：通过 API 重新部署（CI/CD 集成）

对于 CI/CD 管道中的自动化部署，你可以使用 CrewAI API 来触发现有 crews 的重新部署。这对 GitHub Actions、Jenkins 或其他自动化工作流特别有用。

获取个人访问 token

前往 CrewAI AMP 账号设置生成一个 API token：
1. 进入 app.crewai.com
2. 点击 Settings → Account → Personal Access Token
3. 生成一个新 token 并安全复制
4. 将该 token 作为 CI/CD 系统中的 secret 保存
查找你的 Automation UUID

找到已部署 crew 的唯一标识：
1. 前往 CrewAI AMP 仪表板中的 Automations
2. 选择你现有的 automation/crew
3. 点击 Additional Details
4. 复制 UUID - 这就是你的特定 crew 部署标识

通过 API 触发重新部署

使用 Deploy API 端点触发重新部署：

curl -i -X POST \
     -H "Authorization: Bearer YOUR_PERSONAL_ACCESS_TOKEN" \
     https://app.crewai.com/crewai_plus/api/v1/crews/YOUR-AUTOMATION-UUID/deploy

# HTTP/2 200
# content-type: application/json
#
# {
#   "uuid": "your-automation-uuid",
#   "status": "Deploy Enqueued",
#   "public_url": "https://your-crew-deployment.crewai.com",
#   "token": "your-bearer-token"
# }

GitHub Actions 集成示例

下面是一个包含更复杂部署触发条件的 GitHub Actions workflow：

name: Deploy CrewAI Automation

on:
  push:
    branches: [ main ]
  pull_request:
    types: [ labeled ]
  release:
    types: [ published ]

jobs:
  deploy:
    runs-on: ubuntu-latest
    if: |
      (github.event_name == 'push' && github.ref == 'refs/heads/main') ||
      (github.event_name == 'pull_request' && contains(github.event.pull_request.labels.*.name, 'deploy')) ||
      (github.event_name == 'release')
    steps:
      - name: Trigger CrewAI Redeployment
        run: |
          curl -X POST \
               -H "Authorization: Bearer ${{ secrets.CREWAI_PAT }}" \
               https://app.crewai.com/crewai_plus/api/v1/crews/${{ secrets.CREWAI_AUTOMATION_UUID }}/deploy

与已部署的 Automation 交互

部署完成后，你可以通过以下方式访问 crew：

REST API：平台会生成一个唯一的 HTTPS 终端节点，包含以下关键路由：
- /inputs：列出所需输入参数
- /kickoff：使用提供的输入启动一次执行
- /status/{kickoff_id}：检查执行状态
Web Interface：访问 app.crewai.com 以查看：
- Status tab：查看部署信息、API 终端节点详情和认证 token
- Run tab：以可视化方式展示 crew 的结构
- Executions tab：查看所有执行历史
- Metrics tab：查看性能分析
- Traces tab：查看详细执行洞察

触发一次执行

在 Enterprise 仪表板中，你可以：

点击 crew 名称打开详情
在管理界面中选择 “Trigger Crew”
在弹出的模态框中输入所需内容
监控执行在流水线中的推进

监控与分析

Enterprise 平台提供完整的可观测能力：

Execution Management：跟踪活跃和已完成运行
Traces：每次执行的详细分解
Metrics：token 使用量、执行时长和成本
Timeline View：任务序列的可视化表示

高级功能

Enterprise 平台还提供：

Environment Variables Management：安全存储和管理 API keys
LLM Connections：配置与各种 LLM 提供方的集成
Custom Tools Repository：创建、分享和安装工具
Crew Studio：通过聊天界面构建 crews，无需编写代码

部署失败的故障排查

如果你的部署失败，请检查以下常见问题：

构建失败

缺少 uv.lock 文件

症状：构建在依赖解析时很早失败

解决方案：生成并提交 lock 文件：

uv lock
git add uv.lock
git commit -m "Add uv.lock for deployment"
git push

项目结构错误

症状：“Could not find entry point” 或 “Module not found” 错误

解决方案：验证你的项目是否符合预期结构：

JSON-first Crews：将 crew.jsonc 或 crew.json 以及 agents/ 保持在项目根目录
Classic Crews：使用 src/project_name/main.py，并提供 run() 入口点
Flows：使用 src/project_name/main.py，并提供 kickoff() 入口点

查看部署前准备获取详细结构图。

Classic Crew 中缺少 CrewBase 装饰器

症状：“Crew not found”、“Config not found” 或 agent/task 配置错误

解决方案：对于经典 Python/YAML crews，请确保所有 crew 类都使用 @CrewBase 装饰器。JSON-first crews 不需要这个装饰器。

from crewai.project import CrewBase, agent, crew, task

@CrewBase  # This decorator is REQUIRED
class YourCrew():
    """Your crew description"""

    @agent
    def my_agent(self) -> Agent:
        return Agent(
            config=self.agents_config['my_agent'],  # type: ignore[index]
            verbose=True
        )

    # ... rest of crew definition

pyproject.toml 的 type 错误

症状：构建成功但运行时失败，或者出现意外行为

解决方案：验证 [tool.crewai] 部分是否与项目类型一致：

# For Crew projects:
[tool.crewai]
type = "crew"

# For Flow projects:
[tool.crewai]
type = "flow"

运行时失败

LLM 连接失败

症状：API key 错误、“model not found” 或认证失败

解决方案：

确认 LLM 提供方的 API key 已正确设置在环境变量中
确保环境变量名称与你的代码期望一致
在部署前使用完全相同的环境变量进行本地测试

Crew 执行错误

症状：crew 启动但在执行过程中失败

解决方案：

检查 AMP 仪表板中的执行日志（Traces 选项卡）
验证所有工具都已配置所需的 API keys
对于 JSON-first crews，验证 crew.jsonc 及 agents/ 中引用的文件
对于经典 crews，确保 agents.yaml 和 tasks.yaml 有效

需要帮助？

如需部署问题或 AMP 平台相关问题的帮助，请联系我们的支持团队。