CrewAI
Ir para notas que citam estaCrewAI é um framework em Python para montar equipes (crews) de agentes de IA com papéis distintos, que colaboram em modo sequencial ou hierárquico para resolver uma tarefa complexa.
O framework existe para que vários agentes trabalhem juntos em vez de isoladamente. A documentação o apresenta como leve, independente de frameworks como o LangChain e com controle detalhado sobre a personalização de cada agente. Frente ao LangGraph ou a Python puro, ele é uma camada de abstração mais alta: entrega orquestração pronta em troca de menos flexibilidade.
Agentes, tasks e o repasse automático de contexto
Um agente é definido por três campos: papel (role), objetivo (goal) e história de fundo (backstory). Uma task é definida por uma descrição do que fazer, um resultado esperado (expected output) e o agente responsável. A crew junta agentes e tasks e devolve o resultado final.
Um exemplo mínimo usa três agentes em cadeia: um tradutor converte para português uma mensagem escrita em alemão, um resumidor reduz o texto a três tópicos curtos e um estrategista cria um plano de ação com base apenas nesse resumo. A task do estrategista não diz de onde vem o resumo, e mesmo assim o plano cita elementos dele. Isso acontece porque o CrewAI injeta automaticamente o output de cada task como contexto da task seguinte, sem configuração manual.
O repasse automático facilita fluxos lineares, mas o histórico acumulado pode poluir a resposta de um agente que não precisa dele. A saída é restringir a descrição da task, instruindo explicitamente o agente a ignorar parte do contexto ou a responder de forma mais específica. No LangGraph, ao contrário, cada nó só lê do estado o que for definido para ele.
Cada agente pode usar um LLM diferente dentro da mesma crew, por exemplo combinando Llama com Mixtral hospedado no Groq, o que abre espaço para a Seleção de Modelo por Tarefa.
Orquestração sequencial e hierárquica
O tipo de orquestração é configurável. No modo sequencial, a tarefa passa de um agente ao próximo numa ordem fixa, como um pipeline. No modo hierárquico, um agente gerente decide qual agente especializado está mais apto a responder e delega a tarefa a ele: se chega uma imagem, por exemplo, ela vai para o agente que trata imagens. Essa hierarquia tem dois elementos acima dos demais: o manager LLM, o modelo que processa e coordena, e o manager agent, o agente gerente propriamente dito, que também decide se usa ou não uma ferramenta em cada rodada.
As ferramentas (tools), configuradas na crew, dão ao agente capacidades como buscar informação em sites. Com uma descrição de tarefa bem explícita, o agente infere a ferramenta certa sem que ela precise ser nomeada.
Crews e Flows
Os dois conceitos centrais do framework são Crews e Flows. A crew é onde se configuram agentes, LLM, tools e tasks. O flow é um sistema baseado em eventos que encadeia várias crews e permite caminhos diferentes conforme a situação: num produto de testes, um pedido de plano de teste segue para uma crew e um pedido de documentação BDD segue para outra. Quando um agente conclui sua tarefa, o evento pode disparar outro agente ou outra crew.
Instalação e trade-offs frente ao LangGraph
A instalação exige Python a partir do 3.10 e abaixo do 3.13 e o gerenciador de pacotes UV. Um comando de criação de projeto gera uma estrutura de pastas padrão e permite escolher o provedor de LLM, como Ollama ou OpenAI. Na prática, criar um ambiente virtual antes ajuda a avançar. A promessa de um agente configurado em poucos minutos não se confirma com facilidade: a instalação pode dar erro atrás de erro, tutoriais desatualizam rápido e a primeira instalação das dependências pode levar cerca de 7 minutos.
Em relação ao LangGraph, o CrewAI é mais simples de começar e já traz orquestração pronta, mas é mais difícil de instalar e de restringir o compartilhamento de contexto; o LangGraph dá mais controle e mais segurança quanto à escalabilidade, ao custo de uma curva de aprendizado maior. Frente ao LangFlow, o CrewAI dá controle mais preciso do código, e o repasse de contexto entre etapas funciona sem esforço.