CrewAI

홈페이지
·
오픈 소스
·
문서
·
클라우드 체험 시작
·
블로그
·
포럼

빠르고 유연한 멀티 에이전트 자동화 프레임워크

CrewAI는 프로덕션 준비가 된 멀티 에이전트 워크플로를 구축하기 위한 고수준 추상화와 저수준 API를 갖춘 오픈 소스 Python 프레임워크입니다.
개발자에게는 Crews를 통한 자율 에이전트 협업과 Flows를 통한 정밀한 이벤트 기반 제어를 제공합니다.

CrewAI Crews : 역할 기반 AI 에이전트로 자율성과 협업 지능에 최적화하세요.
CrewAI Flows : 정밀한 워크플로 제어, 단일 LLM 호출, Crews에 대한 네이티브 지원을 결합한 이벤트 기반 자동화를 구축하세요.

learn.crewai.com 의 커뮤니티 과정을 통해 100,000명 이상의 개발자가 인증을 받았으며, CrewAI는 빠르게
프로덕션 준비가 된 에이전틱 자동화의 표준이 되고 있습니다.

CrewAI AMP Suite
CrewAI 주변에 상용 제어 플레인이 필요한 조직을 위해 CrewAI AMP Suite는 관리형 배포, 관측성, 거버넌스, 보안, 엔터프라이즈 지원을 추가합니다.

스위트의 일부인 Crew Control Plane을 무료로 사용해 볼 수 있습니다 .

Crew Control Plane 주요 기능:

추적 및 관측성 : 메트릭, 로그, 트레이스를 포함하여 AI 에이전트와 워크플로를 실시간으로 모니터링하고 추적합니다.
통합 제어 플레인 : AI 에이전트와 워크플로를 관리, 모니터링, 확장하기 위한 중앙 집중식 플랫폼입니다.
원활한 통합 : 기존 엔터프라이즈 시스템, 데이터 소스, 클라우드 인프라와 손쉽게 연결합니다.
고급 보안 : 안전한 배포와 관리를 보장하는 강력한 보안 및 규정 준수 조치가 내장되어 있습니다.
실행 가능한 인사이트 : 성능과 의사 결정을 최적화하기 위한 실시간 분석 및 보고 기능입니다.
24/7 지원 : 중단 없는 운영과 신속한 문제 해결을 보장하는 전담 엔터프라이즈 지원입니다.
온프레미스 및 클라우드 배포 옵션 : 보안 및 규정 준수 요구 사항에 따라 CrewAI AMP를 온프레미스 또는 클라우드에 배포할 수 있습니다.

CrewAI AMP는 복잡한 비즈니스 프로세스를 효율적이고 지능적인 자동화로 전환하려는 기업을 위해 설계된 강력하고 신뢰할 수 있는 솔루션입니다.

목차

AI로 구축하기
CrewAI를 선택하는 이유
시작하기

학습 리소스
Flows와 Crews 이해하기
설치
Crew 설정하기
Crew 실행하기

주요 기능
예제

빠른 튜토리얼
직무 기술서 작성
여행 플래너
주식 분석
Crews와 Flows 함께 사용하기

Crew를 모델에 연결하기
CrewAI를 사용해야 하는 경우
기여
텔레메트리
라이선스
자주 묻는 질문 (FAQ)

AI로 구축하기
AI 코딩 에이전트를 사용하고 계신가요? 한 명령으로 CrewAI 모범 사례를 가르쳐 주세요:

Claude Code:

/plugin marketplace add crewAIInc/skills
/plugin install crewai-skills@crewai-plugins
/reload-plugins
관련 CrewAI 질문을 하면 자동으로 활성화되는 네 가지 스킬:

스킬
실행 시점

getting-started
새 프로젝트 스캐폴딩, LLM.call() / Agent / Crew / Flow 중 선택, crew.jsonc / main.py 연결

design-agent
에이전트 구성 — 역할, 목표, 배경 스토리, 도구, LLM, 메모리, 가드레일

design-task
작업 설명 작성, 의존성, 구조화된 출력( output_pydantic , output_json ), 사람 검토

ask-docs
최신 API 세부 정보를 위해 라이브 CrewAI 문서 MCP 서버에 쿼리

Cursor, Codex, Windsurf 등 ( skills.sh ):

npx skills add crewaiinc/skills
이 명령은 공식 CrewAI Skills를 설치합니다 — 코딩 에이전트에게 Flows 스캐폴딩, Crews 구성, 에이전트와 작업 설계, CrewAI 패턴 준수 방법을 가르치는 구조화된 지침입니다.

CrewAI를 선택하는 이유

CrewAI는 AI 에이전트의 Crews와 이벤트 기반 Flows를 통해 속도, 유연성, 제어를 제공하며 멀티 에이전트 자동화의 진정한 잠재력을 실현합니다:

목적에 맞게 설계된 아키텍처 : 에이전트 오케스트레이션을 위해 특별히 설계되었으며, 가벼운 Python 코어와 실제 자동화를 위한 깔끔한 프리미티브를 갖추고 있습니다.
고성능 : 속도와 최소 리소스 사용에 최적화되어 더 빠른 실행이 가능합니다.
유연한 저수준 커스터마이징 : 워크플로와 시스템 아키텍처부터 에이전트 동작, 내부 프롬프트, 실행 로직까지 모든 것을 자유롭게 커스터마이징할 수 있습니다.
모든 사용 사례에 적합 : 간단한 작업, 복잡한 워크플로, 프로덕션급 자동화에 효과적임이 입증되었습니다.
탄탄한 커뮤니티 : 100,000명 이상의 인증 개발자로 구성된 빠르게 성장하는 커뮤니티가 포괄적인 지원과 리소스를 제공합니다.

CrewAI는 개발자와 팀이 단순성, 유연성, 프로덕션급 제어의 균형을 맞춘 지능형 자동화를 구축할 수 있도록 지원합니다.

시작하기
이 튜토리얼을 따라 첫 CrewAI 에이전트를 설정하고 실행해 보세요.

학습 리소스
포괄적인 과정을 통해 CrewAI를 배우세요:

Multi AI Agent Systems with CrewAI - 멀티 에이전트 시스템의 기초를 마스터하세요
Practical Multi AI Agents and Advanced Use Cases - 고급 구현을 깊이 있게 살펴보세요

Flows와 Crews 이해하기
CrewAI는 정교한 AI 애플리케이션을 구축하기 위해 원활하게 함께 작동하는 두 가지 강력하고 상호 보완적인 접근 방식을 제공합니다:

Crews : 진정한 자율성과 주체성을 지닌 AI 에이전트 팀으로, 역할 기반 협업을 통해 복잡한 작업을 함께 수행합니다. Crews는 다음을 가능하게 합니다:

에이전트 간 자연스럽고 자율적인 의사 결정
동적 작업 위임 및 협업
정의된 목표와 전문성을 갖춘 전문화된 역할
유연한 문제 해결 접근 방식

Flows : 복잡한 자동화에 대한 정밀한 제어를 제공하는 프로덕션 준비가 된 이벤트 기반 워크플로입니다. Flows는 다음을 제공합니다:

실제 시나리오를 위한 실행 경로에 대한 세밀한 제어
작업 간 안전하고 일관된 상태 관리
AI 에이전트와 프로덕션 Python 코드의 깔끔한 통합
복잡한 비즈니스 로직을 위한 조건부 분기

CrewAI의 진정한 힘은 Crews와 Flows를 결합할 때 나타납니다. 이러한 시너지를 통해 다음을 할 수 있습니다:

복잡한 프로덕션급 애플리케이션 구축
자율성과 정밀한 제어의 균형
정교한 실제 시나리오 처리
깔끔하고 유지 관리 가능한 코드 구조 유지

설치로 시작하기
CrewAI를 시작하려면 다음 간단한 단계를 따르세요. 전체 안내는 설치 가이드 에 있습니다.

1. 설치
CrewAI는 Python >=3.10 및 <3.14 를 요구합니다. 다음으로 버전을 확인하세요:

python3 --version
CrewAI는 의존성 관리와 패키지 처리를 위해 UV를 사용합니다. 아직 uv를 설치하지 않았다면 먼저 설치하세요.

macOS/Linux:

curl -LsSf https://astral.sh/uv/install.sh | sh
시스템에 curl 이 없다면 wget 을 사용할 수 있습니다:

wget -qO- https://astral.sh/uv/install.sh | sh
Windows:

powershell -ExecutionPolicy ByPass -c " irm https://astral.sh/uv/install.ps1 | iex "
문제가 발생하면 UV의 설치 가이드 를 참조하세요.

그런 다음 CrewAI CLI를 설치하세요:

uv tool install crewai
PATH 경고가 표시되면 다음을 실행하세요:

uv tool update-shell
Windows에서 chroma-hnswlib==0.7.6 빌드 오류( fatal error C1083: Cannot open include file: 'float.h' )가 발생하면 Desktop development with C++ 를 포함한 Visual Studio Build Tools를 설치하세요.

설치를 확인하세요:

uv tool list
다음과 유사한 내용이 표시되어야 합니다:

crewai v0.102.0
- crewai
나중에 글로벌 CLI를 업그레이드하려면:

uv tool install crewai --upgrade
이 명령은 글로벌 crewai CLI 도구만 업그레이드합니다. 프로젝트의 가상 환경 내에서 crewai 버전을 업그레이드하려면 프로젝트에서 CrewAI 업그레이드 를 참조하세요.

2. Crew 설정하기
crewai create crew 는 JSON 우선 crew 프로젝트를 생성합니다. 에이전트는 agents/*.jsonc 에, 작업과 crew 수준 설정은 crew.jsonc 에 있으며, crewai run 은 해당 JSON 정의를 직접 로드합니다.

crewai create crew < project_name >
이 명령은 다음 구조의 새 프로젝트 폴더를 생성합니다:

my_project/
├── .gitignore
├── .env
├── agents/
│ └── researcher.jsonc
├── crew.jsonc
├── knowledge/
├── pyproject.toml
├── README.md
├── skills/
└── tools/

crew.py , config/agents.yaml , config/tasks.yaml 을 사용하는 이전 Python/YAML 스캐폴드가 필요하면 다음을 실행하세요:

crewai create crew < project_name > --classic
클래식 패턴은 어노테이션 사용하기 를 참조하세요.

프로젝트를 커스터마이징하려면 다음을 할 수 있습니다:

agents/*.jsonc 를 수정하여 각 에이전트의 역할, 목표, 배경 스토리, LLM, 도구, 동작을 정의합니다.
crew.jsonc 를 수정하여 작업, 프로세스, 입력 기본값을 정의합니다.
tools/ 에 커스텀 도구를 추가하고 "custom:<name>" 으로 참조합니다.
knowledge/ 에 선택적 지식 파일을, skills/ 에 스킬 파일을 추가합니다.
.env 파일에 환경 변수를 추가합니다.

에이전트 및 작업 텍스트에 {placeholder} 값을 사용한 다음 crew.jsonc 의 inputs 아래에 기본값을 설정하세요. crewai run 을 실행하면 CLI가 누락된 값을 묻습니다.

순차 프로세스를 사용하는 간단한 crew 예제:
crewai create crew latest-ai-development
cd latest_ai_development
그런 다음 생성된 파일을 편집하세요:

agents/researcher.jsonc

{
"role" : " {topic} Senior Data Researcher " ,
"goal" : " Uncover cutting-edge developments in {topic} " ,
"backstory" : " You're a seasoned researcher who finds relevant information and presents it clearly. " ,
"llm" : " openai/gpt-4o " ,
"tools" : [ " SerperDevTool " ],
"settings" : {
"verbose" : true
}
}
agents/reporting_analyst.jsonc

{
"role" : " {topic} Reporting Analyst " ,
"goal" : " Create detailed reports based on {topic} data analysis and research findings " ,
"backstory" : " You're a meticulous analyst who turns complex data into clear, concise reports. " ,
"llm" : " openai/gpt-4o " ,
"settings" : {
"verbose" : true
}
}
crew.jsonc

{
"name" : " Latest AI Development " ,
"agents" : [ " researcher " , " reporting_analyst " ],
"tasks" : [
{
"name" : " research_task " ,
"description" : " Conduct thorough research about {topic}. Find recent, relevant information. " ,
"expected_output" : " A list with 10 bullet points of the most relevant information about {topic}. " ,
"agent" : " researcher "
},
{
"name" : " reporting_task " ,
"description" : " Review the research and expand each topic into a full section for a report. " ,
"expected_output" : " A markdown report with the main topics, each with a full section of information. No fenced code blocks around the whole document. " ,
"agent" : " reporting_analyst " ,
"context" : [ " research_task " ],
"output_file" : " output/report.md " ,
"markdown" : true
}
],
"process" : " sequential " ,
"verbose" : true ,
"inputs" : {
"topic" : " AI Agents "
}
}
3. Crew 실행하기
crew를 실행하기 전에 .env 파일에 필요한 키를 설정하세요:

모델 제공자 API 키 — LLM 설정 참조
웹 검색을 사용하는 경우 Serper.dev API 키: SERPER_API_KEY=YOUR_KEY_HERE

그런 다음 프로젝트 디렉터리에서 의존성을 설치하고 실행하세요:

crewai install
crewai run
추가 패키지가 필요하면 uv add <package-name> 을 사용하세요.

콘솔에 출력이 표시되고 프로젝트 루트에 output/report.md 가 생성되어야 합니다.

순차 프로세스 외에도 계층적 프로세스를 사용할 수 있으며, 이는 정의된 crew에 관리자를 자동으로 할당하여 위임과 결과 검증을 통해 작업의 계획과 실행을 적절히 조정합니다. 프로세스에 대한 자세한 내용은 여기 를 참조하세요.

Flow 우선 안내는 빠른 시작 을 참조하세요.

주요 기능
CrewAI는 개발자에게 프로토타입에서 프로덕션으로 나아가는 에이전틱 시스템을 구축하기 위한 실용적인 기반을 제공합니다: 도움이 되는 곳에서는 자율적 협업, 중요한 곳에서는 명시적 워크플로 제어, 그리고 전반에 걸친 Python 네이티브 커스터마이징.

자율성을 위한 Crews : 역할, 목표, 도구, 작업을 갖춘 전문화된 AI 에이전트 팀을 모델링합니다.
제어를 위한 Flows : 상태, 분기, 라우팅, 프로덕션 로직을 갖춘 이벤트 기반 워크플로를 구축합니다.
원활한 통합 : Crews와 Flows를 결합하여 복잡한 실제 자동화를 만듭니다.
Python 네이티브 커스터마이징 : 프레임워크와 씨름하지 않고 프롬프트, 도구, 실행 경로, 상태, 통합을 커스터마이징합니다.
에이전트 준비 기능 : 더 유능한 프로덕션 에이전트를 위해 도구, 메모리, 지식, 체크포인팅, 비동기 실행, MCP/A2A 지원을 사용합니다.
프로덕션 준비 패턴 : 시스템이 성장함에 따라 결정적 단계, 사람 입력, 구조화된 출력, 체크포인팅을 추가합니다.
활발한 커뮤니티 : 탄탄한 문서와 100,000명 이상의 인증 개발자가 뒷받침하여 뛰어난 s…