TECNOLANDIA TECH
Publicidade

Conecte-se com o Tecnolândia Tech

BLOG + INSTAGRAM + FACEBOOK

Tecnologia na prática, em todos os formatos.

Aqui no Tecnolândia Tech, você encontra artigos e guias completos. No Instagram @djwinformatica e no Facebook TecnoInfo, acompanhe vídeos, dicas e novidades de IA, automação e tecnologia. São nossos canais oficiais.

CrewAI: Monte um Time de Agents de IA em 30 Minutos

CrewAI: Monte um Time de Agents de IA em 30 Minutos

Imagem: Pexels

CrewAI é um framework open source de Python para montar times de agentes de IA: cada agente recebe um papel, um objetivo e um contexto, e o framework coordena quem fala com quem até a tarefa fechar. A proposta é concreta — em vez de um prompt gigante pedindo "faça tudo", você cria um pesquisador, um redator e um revisor, define as entregas de cada um e deixa a execução rodar. Com uma chave de API de modelo e meia hora de foco, dá para ter um time funcionando no seu terminal.

1. O modelo mental: agentes com função, não chatbots genéricos

No CrewAI, um agente é definido por três campos que importam: role (a função — "analista de dados", "redator técnico"), goal (o que ele otimiza) e backstory (o contexto que guia o tom e as decisões). Por cima disso, você descreve tarefas — cada uma com descrição, saída esperada e o agente responsável — e agrupa tudo numa crew. O framework cuida do repasse: a saída de uma tarefa alimenta a próxima. Esse formato funciona porque transforma o problema de "prompt complexo" em problema de "organização de equipe", algo que gente entende melhor que máquina.

2. Instalação e o primeiro time

Comece em um ambiente virtual, com Python 3.10 ou mais recente:

python -m venv .venv
source .venv/bin/activate
pip install crewai
export OPENAI_API_KEY="sua-chave-aqui"

Em seguida, o time mínimo — um pesquisador alimentando um redator:

from crewai import Agent, Task, Crew

analista = Agent(
    role="Analista de tecnologia",
    goal="Selecionar os temas mais relevantes para devs brasileiros",
    backstory="Voce le manchetes tecnicas todo dia e sabe ignorar ruido",
    verbose=True,
)

redator = Agent(
    role="Redator de blog",
    goal="Escrever um post curto, direto e pratico em portugues do Brasil",
    backstory="Voce escreve para gente ocupada: sem enrolacao, com exemplos",
    verbose=True,
)

tarefa_analise = Task(
    description="Avalie os temas abaixo e escolha o 3 mais relevantes: "
                "agentes de IA, bancos vetoriais, automacao com Python",
    expected_output="Lista numerada com 3 temas e uma frase de justificativa cada",
    agent=analista,
)

tarefa_redacao = Task(
    description="Escreva um post de 300 palavras sobre o melhor tema da etapa anterior",
    expected_output="Texto em markdown com titulo e 3 secoes",
    agent=redator,
)

crew = Crew(agents=[analista, redator], tasks=[tarefa_analise, tarefa_redacao])
resultado = crew.kickoff()
print(resultado)

Rode com python crew_demo.py. Com verbose=True você acompanha o raciocínio de cada agente em tempo real — essencial para depurar na primeira semana.

3. Ferramentas: quando o agente sai do texto

Time só de texto resolve resumo e redação. Para tarefas reais, adicione ferramentas — o CrewAI aceita ferramentas próprias ou do ecossistema LangChain, como busca web, leitor de página e execução de código. Um pesquisador com busca web entrega contexto novo; um analista com leitura de CSV trabalha sobre seus dados; um operador com execução de código devolve números calculados, não estimados. Regra de ouro: ferramenta com efeito colateral (enviar e-mail, postar, comprar) só depois de rodar um ciclo completo em modo de leitura, com log de tudo.

4. Quando o time compensa (e quando atrapalha)

  • Compensa: pipeline com etapas distintas (pesquisa, rascunho, revisão), tarefa que exige especialidades diferentes, processo que você quer versionar e repetir.
  • Atrapalha: pergunta simples que um modelo resolve em uma chamada; tarefa sem critério de pronto — o time improvisa; caso com dados sensíveis sem tratamento de custo e de vazamento.

Antes de escrever código, desenhe no papel: quais agentes existem, qual a saída esperada de cada um, quem confere o resultado. Se você não consegue nomear essas caixas, o problema ainda não é agente — é processo.

5. Custos, limites e o que revisar

Times de agentes multiplicam chamadas de modelo: cada etapa gera um prompt com contexto maior e a execução pode passar de uma dezena de chamadas. Comece com modelo barato para tarefas simples (resumo, extração) e reserve o modelo mais forte para a etapa de julgamento. Defina máximo de iterações por tarefa — sem teto, agentes podem rodar em loop tentando corrigir a própria saída. E revise a saída como revisaria a de um estagiário talentoso: forma plausível não garante conteúdo correto.

Para sair do exemplo e aplicar no seu contexto, escolha um processo que já roda toda semana — resumo de reunião, triagem de e-mail, briefing de concorrência — e implemente com dois ou três agentes, teto de execução e revisão humana no fim. O valor do CrewAI não está em ter mais agentes, está em transformar um fluxo informal da sua rotina em algo versionado, reproduzível e auditável.

Publicidade