Autogen noch einfacher – CrewAI für Multi-Agenten mit fast  unbegrenzten Möglichkeiten

CrewAI markiert den Beginn einer neuen Ära in der künstlichen Intelligenz, indem es eine fortschrittliche Technologie bietet, die es ermöglicht, mehrere autonome Agenten zu orchestrieren. Dieser Einblick in CrewAI beleuchtet, wie es die Zusammenarbeit von Agenten revolutioniert, indem es ihnen erlaubt, nahtlos und effektiv komplexe Aufgaben zu bewältigen. Ob es darum geht, intelligente Assistentenplattformen zu erschaffen, den Kundenservice zu automatisieren oder Forschungsteams effizienter zu machen, CrewAI steht an der Spitze der technologischen Innovation. Erfahren Sie, wie CrewAI sich von anderen KI-Technologien unterscheidet, welche praktischen Anwendungen es ermöglicht und wie es die Zusammenarbeit und Effizienz in verschiedenen Bereichen verbessern kann.

Was ist CrewAI und wie funktioniert es?

CrewAI repräsentiert eine bahnbrechende Entwicklung in der Welt der künstlichen Intelligenz. Es ist eine Technologie, die darauf abzielt, autonome Agenten so zu orchestrieren, dass sie zusammenkommen und komplexe, vielschichtige Aufgaben lösen. Im Kern von CrewAI liegt ein fortschrittliches System, das es ermöglicht, Rollen und Ziele für jeden Agenten zu definieren und sie in einer kohärenten Einheit zusammenarbeiten zu lassen. Dieses System ist besonders nützlich in Umgebungen, in denen Koordination und Zusammenarbeit entscheidend sind.

Durch die Verwendung von CrewAI können einzelne Agenten ihre spezifischen Fähigkeiten nutzen und gleichzeitig von der kollektiven Intelligenz der Gruppe profitieren. Die Technologie ermöglicht es, dass diese Agenten ihre Aktionen aufeinander abstimmen, lernen und sich anpassen, was zu einer verbesserten Gesamtleistung führt. CrewAI findet Anwendung in verschiedenen Bereichen, von der Automatisierung von Kundenserviceanfragen bis hin zur Koordination von Forschungs- und Entwicklungsteams, und bietet eine flexible, skalierbare Lösung für die Herausforderungen moderner Unternehmen und Organisationen.

Eine Einführung in die Anwendung von CrewAI

CrewAI kann am einfachsten direkt mit Python angewendet werden. Wir werden in diesem Beispiel ein einfaches Programm erstellen, welches Sie gerne erweitern können.

CrewAI arbeitet in der Grundkonfiguration mit der OpenAI API und kann dementsprechend auch auf das derzeit beste LLM GPT4 zugreifen. Die Kosten für die API Nutzung können dabei schnell ansteigen, daher zeigen wir Ihnen auch die Möglichkeit lokale LLMs zu verwenden.

Installation von CrewAI

CrewAI kann einfach mit PIP installiert werden. Idealerweise verwenden Sie dafür eine virtuelle Umgebung (virtual environment)

pip install crewai

Für die Umsetzung, können Sie zum Beispiel eine Programmierumgebung wie Visual Studio Code verwenden.

Der Code

Zunächst importieren wir die erforderlichen Bibliotheken. Ein wesentlicher Vorteil von CrewAI ist, dass langchain tief integriert ist.

from crewai import Agent, Task, Crew, Process

import os

Als nächstes legen tragen wir den OpenAI API-Key ein.

os.environ["OPENAI_API_KEY"] = "sk-…"

Jetzt können wir auch schon die Agenten erstellen. Als Aufgabe planen wir die Erstellung eines Python-Programms und zwar nichts anderes als das Spiel Snake.

manager= Agent(

    role='manager',

    goal='Design and create a Python program.',

    backstory='You are an AI python coder.',

    verbose=True,

    allow_delegation=False
)

developer= Agent(

    role='developer',

    goal='Write the code for an python program.',

    backstory='You are an AI python developer.',

    verbose=True,

    allow_delegation=False

)

Als nächstes können wir dann die Aufgaben für die Agenten festlegen. Hier können Sie dann auch eigene Ideen einbringen.

task1 = Task(description='Create the spezification for a Game - Snake' in python, agent=manager)

task2 = Task(description='Write the code for the Game with the given spezification in python.', agent=developer)

Jetzt erstellen wir die Crew, damit die Agenten zusammen arbeiten können.

crew = Crew(

    agents=[manager, developer],

    tasks=[task1,task2],

    verbose=2,

    process=Process.sequential

)

Das war es schon. Jetzt können wir das Programm starten.

result = crew.kickoff()

Das Ergebnis ist überraschend gut, kann aber je nach Durchlauf variieren. In der Regel kann der Code jedoch direkt kopiert und ausgeführt werden.

CrewAI mit lokalen LLMs ausführen

Hat man geeignete Hardware vorhanden, möchte sensible Daten nicht nach außen geben oder einfach Geld sparen, dann ist die Möglichkeit lokale LLMs einzusetzen die richtige Variante.

CrewAI kann direkt mit OLLAMA zusammenarbeiten und eine Integration lokaler LLMs ist somit unkompliziert möglich. Wir gehen davon aus, dass OLLAMA installiert und gestartet wurde.

Es sind nur minimale Anpassungen im Code erforderlich.

from langchain.llms import Ollama

from crewai import Agent, Task, Crew, Process

import os

os.environ["OPENAI_API_KEY"] = "Null"      #->> nicht erforderlich

#Ollama in den Code integrieren und das gewünschte Model laden.

ollama_deep = Ollama(model="deepseek-coder") 

#den Agenten müssen wir nun noch das LLM zuweisen (llm = ollama_deep. Ansonsten wird weiterhin OpenAI verwendet.

manager= Agent(

    role='manager',

    goal='Design and create a Python program.',

    backstory='You are an AI python coder.',

    verbose=True,

    allow_delegation=False,   

    llm=ollama_deep
)

developer= Agent(

    role='developer',

    goal='Write the code for an python program.'

    backstory='You are an AI python developer.',

    verbose=True,

    allow_delegation=False,

    llm=ollama_deep

)

Der übrige Code kann so bleiben.

task1 = Task(description='Create the spezification for a Game - Snake in python', agent=manager)

task2 = Task(description='Write the code for the Game with the given spezification in python.', agent=developer)

crew = Crew(

    agents=[manager, developer],

    tasks=[task1,task2],

    verbose=2,

    process=Process.sequential

)

result = crew.kickoff()

Das jeweilige Ergebnis hängt stark vom verwendeten LLM ab. Sie sollten also darauf achten, dass Sie für jeden Agenten ein passendes LLM einsetzen. Dies ist auch gerade die Stärke von CrewAI.

Zusammenfassung: Die Zukunft mit CrewAI gestalten

CrewAI steht zusammen mit Autogen an der Spitze der KI-Revolution und bietet eine fortschrittliche Lösung für die Orchestrierung autonomer Agenten. Durch die Verbesserung der Zusammenarbeit und Effizienz in Teams ermöglicht CrewAI komplexe Aufgaben auf innovative Weise zu bewältigen. Ob in der Erstellung intelligenter Assistentenplattformen, im automatisierten Kundenservice, in Forschungs- und Entwicklungsteams oder in erweiterten Simulationsumgebungen, CrewAI bietet vielfältige Anwendungsmöglichkeiten und stellt einen bedeutenden Fortschritt in der künstlichen Intelligenz dar.

Steigen Sie tief ein in die Welt autonmer Agent und probieren Sie die Möglichkeiten aus. Diskutieren Sie unseren Artikel in den Kommentaren oder auf ihren Social-Media Kanälen.

Praktische Links (kein Sponsoring):

• Ollama: Ollama
• Visual Studio Code: Visual Studio Code – Code Editing. Redefined
• Python: Welcome to Python.org