Ein Leitfaden für koordinierte Multi-Agent-Workflows

Es ist nicht einfach, viele verschiedene Agenten zu koordinieren, um eine Aufgabe zu erfüllen. Aber mit der Fähigkeit der Crew-KI, durch Planung zu koordinieren, wird diese Aufgabe einfacher. Der nützlichste Aspekt der Planung besteht darin, dass das System eine Roadmap erstellt, die die Agenten bei der Fertigstellung ihres Projekts befolgen können. Sobald Agenten Zugriff auf dieselbe Roadmap haben, verstehen sie, wie sie ihre Arbeit am Projekt koordinieren können.

In diesem Artikel gehen wir ein Beispielnotizbuch durch, das veranschaulicht, wie die Planfunktion mit zwei Agenten funktioniert. Ein Agent führt die Recherche durch und der andere Agent erstellt einen Artikel aus der Recherche.

Warum Planung wichtig ist

Ohne einen gemeinsamen Plan neigen Agenten dazu, sich hinsichtlich der zugewiesenen Aufgabe auf individuelle Überlegungen zu verlassen. Unter bestimmten Umständen kann dieses Modell zu zufriedenstellenden Ergebnissen führen; Es besteht jedoch die Gefahr von Inkonsistenzen und Redundanzbemühungen zwischen den Agenten. Planning erstellt einen umfassenden Arbeitsplan für alle Agenten und ermöglicht ihnen den Zugriff auf dasselbe Dokument, was zu einer verbesserten Gesamteffizienz führt:

Als Ergebnis der Planung:

• Erhöhte Struktur
• Ausgerichtete Aufgaben
• Erhöhte Arbeitsqualität
• Vorhersehbarere Arbeitsabläufe

Die Planung ist besonders wichtig, da die Komplexität der Pipeline durch mehrere aufeinanderfolgende Aktivitäten zunimmt.

Praktische Komplettlösung

Für die praktische Durchführung sind fundierte Kenntnisse von CrewAI erforderlich. Wenn Sie noch keine Zeit hatten, sich mit diesem robusten Instrument vertraut zu machen, können Sie hier mehr darüber lesen: Bauagenten mit CrewAI

Die exemplarische Vorgehensweise zeigt die vollständige Konfiguration sowie die Einrichtung Ihrer Agenten und Aufgaben sowie die Vorteile der Planung.

Schritt 1: Abhängigkeiten installieren

Diese Pakete ermöglichen den Zugriff auf CrewAI, die Browser-Instruments und Suchfunktionen.

!pip set up crewai crewai-tools exa_py ipywidgets

Nach der Set up dieser Pakete möchten Sie möglicherweise Ihre Umgebungsvariablen laden.

import dotenv
dotenv.load_dotenv()

Schritt 2: Instruments initialisieren

Die Agenten für dieses Beispiel bestehen aus zwei Tooltypen: einem Browser-Instrument und einem Exa Suchwerkzeug.

from crewai_tools import BrowserTool, ExaSearchTool

browser_tool = BrowserTool()
exa_tool = ExaSearchTool()

Diese Instruments bieten Agenten die Möglichkeit, reale Daten zu recherchieren.

Schritt 3: Definieren Sie die Agenten

In diesem Beispiel gibt es zwei Rollen:

Inhaltsforscher

Das KI-Agent sammelt alle notwendigen Sachinformationen.

from crewai import Agent

researcher = Agent(
    position="Content material Researcher",
    aim="Analysis info on a given matter and put together structured notes",
    backstory="You collect credible info from trusted sources and summarize it in a transparent format.",
    instruments=(browser_tool, exa_tool),
)

Leitender Content material-Autor

Dieser Agent formatiert den Artikel basierend auf den vom Content material Researcher gesammelten Notizen.

author = Agent(
    position="Senior Content material Author",
    aim="Write a sophisticated article primarily based on the analysis notes",
    backstory="You create clear and fascinating content material from analysis findings.",
    instruments=(browser_tool, exa_tool),
)

Schritt 4: Erstellen Sie die Aufgaben

Jedem Agenten wird eine Aufgabe zugewiesen.

Forschungsaufgabe

from crewai import Job

research_task = Job(
    description="Analysis the subject and produce a structured set of notes with clear headings.",
    expected_output="A well-organized analysis abstract in regards to the matter.",
    agent=researcher,
)

Schreibaufgabe

write_task = Job(
    description="Write a transparent closing article utilizing the analysis notes from the primary activity.",
    expected_output="A sophisticated article that covers the subject completely.",
    agent=author,
)

Schritt 5: Planung aktivieren

Das ist der Schlüsselteil. Die Planung wird mit einem Flag aktiviert.

from crewai import Crew

crew = Crew(
    brokers=(researcher, author),
    duties=(research_task, write_task),
    planning=True
)

Sobald die Planung aktiviert ist, generiert CrewAI einen Schritt-für-Schritt-Workflow, bevor Agenten an ihren Aufgaben arbeiten. Dieser Plan wird in beide Aufgaben integriert, sodass jeder Agent weiß, wie die Gesamtstruktur aussieht.

Schritt 6: Leiten Sie die Crew

Starten Sie den Workflow mit einem Thema und einem Datum.

outcome = crew.kickoff(inputs={"matter":"AI Agent Roadmap", "todays_date": "Dec 1, 2025"})

Der Prozess sieht so aus:

1. CrewAI erstellt den Plan.
2. Der Forscher folgt dem Plan, Informationen zu sammeln.
3. Der Autor verwendet sowohl die Forschungsnotizen als auch den Plan, um einen Abschlussartikel zu verfassen.

Zeigen Sie die Ausgabe an.

print(outcome)

Sie sehen den fertigen Artikel und die Begründungsschritte.

Abschluss

Dies zeigt, wie viel Planung möglich ist CrewAI-Agenten viel organisierter und reibungsloser zu arbeiten. Durch die Erstellung dieser gemeinsamen Roadmap wissen die Agenten zu jedem Zeitpunkt genau, was sie tun müssen, ohne den Kontext ihrer Rolle zu vergessen. Das Einschalten der Funktion ist sehr einfach und ihre perfekte Anwendung findet in Arbeitsabläufen mit Phasen statt: Recherche, Schreiben, Analyse, Inhaltserstellung – die Liste geht weiter.

Häufig gestellte Fragen

Hallo, ich bin Janvi, ein leidenschaftlicher Information-Science-Fanatic, der derzeit bei Analytics Vidhya arbeitet. Meine Reise in die Welt der Daten begann mit einer tiefen Neugier, wie wir aus komplexen Datensätzen aussagekräftige Erkenntnisse gewinnen können.