用「角色+目标+背景故事」定义一队 Agent（Crew）分工干活，再用 Flows 做流程控制；独立实现、不依赖 LangChain，上手是同类框架里最快的，适合内容流水线、调研报告、批量处理类任务。
适用场景：研究→写作→审校这类分工明确的多步任务，想一下午先跑出原型验证价值。
crewai multi-agent roles workflow python
操作步骤
- pip install crewai。
- 给每个 Agent 显式指定本站模型（通过其 LLM 配置填本站 base_url/key），不要用默认厂商配置。
- 必须设任务步数/轮次上限和终止条件，再跑第一次。
代码示例
from crewai import Agent, Task, Crew
researcher = Agent(role="Researcher", goal="Find accurate info", backstory="Expert researcher")
task = Task(description="Summarize: {query}", expected_output="A concise summary", agent=researcher)
print(Crew(agents=[researcher], tasks=[task]).kickoff(inputs={"query": "your topic"}))开源项目信息
- 仓库：https://github.com/crewAIInc/crewAI
- Stars 口径：来源不一致——一来源称 55k+，另一对比文（2026-03）称 33.8k，属不同时点口径，以 GitHub 实时为准
- 许可：MIT（Wikipedia 与 README 徽章均明示）
接入本站 API：多 Agent = 多次调用，成本按 Agent 数和轮次倍增；在本站给这个项目单独发一个 Key 并设额度，方便单独核算和熔断。
注意事项
- ⚠️ 无上限的多 Agent 对话能一夜烧掉大笔费用（多个来源都警告要设 max turns / 终止条件）
- ⚠️ 原型快 ≠ 生产稳，需要细粒度状态控制时应转 LangGraph
- ⚠️ 并行 fan-out 容易瞬间打满 RPM/TPM 触发 429，要做限流和退避
来源：https://clawbot.ai/wiki/apis/crewai-role-playing-multi-agent-framework.html