CrewAI多智能体框架的实操教程-旅行规划-2

最新推荐文章于 2025-07-15 11:14:01 发布

原创最新推荐文章于 2025-07-15 11:14:01 发布 · 300 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#Agent #Multi-Agent #LangChain #CrewAI #LangGraph #Dify #AutoGen

人工智能同时被 3 个专栏收录

27 篇文章

订阅专栏

Multi-Agent

17 篇文章

订阅专栏

CrewAI

4 篇文章

订阅专栏

1、创建一个新的 CrewAI 项目 surprise_trip

crewai create crew surprise_trip

选择模型厂商和模型

生成.env

MODEL=gpt-4o
OPENAI_API_KEY=你的api_key

SERPER_API_KEY=你的SERPER api_key

2、探索项目结构

3、配置代理

修改 agents.yaml文件。

# 个性化活动规划师 Agent
personalized_activity_planner:
  # 角色名称：用于识别 agent 的职责（对模型来说类似标题）
  role: >
    活动规划师

  # 目标描述：告诉 agent 它要完成的任务目标
  goal: >
    调研并寻找目的地的有趣活动和事件，确保这些内容符合旅行者的兴趣和年龄段

  # 背景故事：为 agent 赋予人设，增强语言模型的代入感，提升生成质量
  backstory: >
    你擅长根据旅行者的具体偏好和人群特点设计个性化的行程安排，
    你能快速找到最适合他们的活动组合，打造难忘的旅程。

# 餐厅探索者 Agent
restaurant_scout:
  role: >
    餐厅侦查员

  goal: >
    寻找目的地评分高的餐厅和用餐体验，并推荐风景优美和有趣的场所

  backstory: >
    你是一个热爱美食的人，熟悉本地最棒的用餐地点，
    你总能找到既美味又有氛围的餐厅，同时也能发现风景优美和适合游玩的好地方。

# 行程整合者 Agent
itinerary_compiler:
  role: >
    行程整合师

  goal: >
    整合所有调研到的信息，编排成一个完整的逐日行程安排，确保包含航班与酒店信息；
    请用中文输出；

  backstory: >
    你擅长组织和呈现信息，注重细节，能够把零散内容整合为一个条理清晰、愉快易行的旅行计划。

4、配置任务

修改这个 tasks.yaml文件。

# 个性化活动规划任务
personalized_activity_planning_task:
  # 任务描述：为旅行者寻找符合兴趣和年龄段的活动与事件
  description: >
    调研并发现适合在 {destination} 进行的有趣活动。
    重点关注符合旅行者兴趣和年龄段的活动和事件。
    利用互联网搜索工具和推荐引擎获取信息。

    旅行者信息如下：

    - 出发地: {origin}
    - 目的地: {destination}
    - 年龄: {age}
    - 酒店位置: {hotel_location}
    - 航班信息: {flight_information}
    - 旅行时长: {trip_duration}

  # 预期输出：旅行期间每天推荐的活动清单
  expected_output: >
    一份按天列出的活动与事件推荐清单。
    每一项应包含活动名称、地点、简要描述、适合旅行者的理由，
    并尽可能附上评论和评分信息。

# 餐厅与风景地点探索任务
restaurant_scenic_location_scout_task:
  # 任务描述：寻找优质餐厅与适合游玩的风景地
  description: >
    在 {destination} 寻找高评分的餐厅和独特的用餐体验。
    推荐风景优美的地点和有趣的活动，符合旅行者偏好。
    使用互联网搜索工具、餐厅评论网站和旅行指南。
    提供多样化选择，满足不同口味与预算，并提供评分信息。

    旅行者信息如下：

    - 出发地: {origin}
    - 目的地: {destination}
    - 年龄: {age}
    - 酒店位置: {hotel_location}
    - 航班信息: {flight_information}
    - 旅行时长: {trip_duration}

  # 预期输出：每天推荐的餐厅与景点清单
  expected_output: >
    一份按天列出的推荐餐厅、风景地点和活动清单。
    每一项应包括名称、地址、菜系或活动类型、简要描述及评分信息。

# 行程整合任务
itinerary_compilation_task:
  # 任务描述：整合所有信息为完整的行程规划文档
  description: >
    整合所有调研信息，编排出 {destination} 的完整日程安排。
    行程应包含航班、酒店信息、计划的每日活动与用餐安排。
    使用文本格式化与文档生成工具进行内容组织与美化。

  # 预期输出：结构化的日程表
  expected_output: >
    一份详细的旅行行程文档。内容应包含逐日安排，
    并整合航班、酒店、活动、餐厅和风景地点等信息。
    格式为 Markdown，不带“```”

5、配置团队

修改这个 crew.py文件

from crewai import Agent, Crew, Process, Task
from crewai.project import CrewBase, agent, crew, task

# 如果你有自定义工具，可以取消以下注释导入自定义工具
# from surprise_travel.tools.custom_tool import MyCustomTool

# 以下是 CrewAI 提供的内置工具，用于网页搜索与抓取
from crewai_tools import SerperDevTool, ScrapeWebsiteTool
from pydantic import BaseModel, Field
from typing import List, Optional

# 活动模型类：表示一天中安排的某一项活动
class Activity(BaseModel):
    name: str = Field(..., description="活动名称")
    location: str = Field(..., description="活动地点")
    description: str = Field(..., description="活动描述")
    date: str = Field(..., description="活动日期")
    cousine: str = Field(..., description="餐厅的菜系类型")
    why_its_suitable: str = Field(..., description="为什么这项活动适合旅行者")
    reviews: Optional[List[str]] = Field(..., description="活动的评论列表")
    rating: Optional[float] = Field(..., description="活动评分")

# 每日旅行计划模型类
class DayPlan(BaseModel):
    date: str = Field(..., description="当天的日期")
    activities: List[Activity] = Field(..., description="当天的活动列表")
    restaurants: List[str] = Field(..., description="当天推荐的餐厅列表")
    flight: Optional[str] = Field(None, description="当天的航班信息（如有）")

# 整体行程模型类
class Itinerary(BaseModel):
    name: str = Field(..., description="行程名称，可以有趣一点")
    day_plans: List[DayPlan] = Field(..., description="每天的行程计划列表")
    hotel: str = Field(..., description="酒店信息")

# 使用 CrewBase 装饰器标记为 Crew 项目的入口
@CrewBase
class SurpriseTravelCrew():
    """SurpriseTravel 旅行策划团队（crew）"""

    # 代理配置文件路径（YAML 格式）
    agents_config = 'config/agents.yaml'
    # 任务配置文件路径（YAML 格式）
    tasks_config = 'config/tasks.yaml'

    # 个性化活动规划 agent
    @agent
    def personalized_activity_planner(self) -> Agent:
        return Agent(
            config=self.agents_config['personalized_activity_planner'],  # 从配置文件加载 agent 设置
            tools=[SerperDevTool(), ScrapeWebsiteTool()],  # 使用搜索和网页抓取工具
            verbose=True,  # 输出详细执行日志
            allow_delegation=False,  # 禁止任务委托给其他代理
        )

    # 餐厅与景点推荐 agent
    @agent
    def restaurant_scout(self) -> Agent:
        return Agent(
            config=self.agents_config['restaurant_scout'],
            tools=[SerperDevTool(), ScrapeWebsiteTool()],
            verbose=True,
            allow_delegation=False,
        )

    # 整合所有信息并输出最终行程的 agent
    @agent
    def itinerary_compiler(self) -> Agent:
        return Agent(
            config=self.agents_config['itinerary_compiler'],
            tools=[SerperDevTool()],
            verbose=True,
            allow_delegation=False,
        )

    # 个性化活动规划任务
    @task
    def personalized_activity_planning_task(self) -> Task:
        return Task(
            config=self.tasks_config['personalized_activity_planning_task'],
            agent=self.personalized_activity_planner()  # 指定任务负责的 agent
        )

    # 餐厅与风景位置探索任务
    @task
    def restaurant_scenic_location_scout_task(self) -> Task:
        return Task(
            config=self.tasks_config['restaurant_scenic_location_scout_task'],
            agent=self.restaurant_scout()
        )

    # 编译最终行程任务，并指定输出格式为 Itinerary 数据模型
    @task
    def itinerary_compilation_task(self) -> Task:
        return Task(
            config=self.tasks_config['itinerary_compilation_task'],
            agent=self.itinerary_compiler(),
            output_json=Itinerary  # 指定结构化输出格式
        )

    @task
    def reporting_task(self) -> Task:
        return Task(
            config=self.tasks_config['itinerary_compilation_task'],  # type: ignore[index]
            agent=self.itinerary_compiler(),
            output_file='report-01.md'
        )

    # 将 agents 与 tasks 组装成一个完整的 crew 执行流
    @crew
    def crew(self) -> Crew:
        """创建 SurpriseTravel 团队，定义其执行流程"""
        return Crew(
            agents=self.agents,  # 所有注册的代理（通过 @agent 自动生成）
            tasks=self.tasks,  # 所有注册的任务（通过 @task 自动生成）
            process=Process.sequential,  # 顺序执行所有任务
            verbose=True,
            # 如需使用分层流程，也可使用以下配置：
            # process=Process.hierarchical, 参考：https://docs.crewai.com/how-to/Hierarchical/
        )

6、配置主函数

修改这个 main.py文件

# 指定使用 Python 解释器运行该脚本

import sys
import warnings  # 导入警告处理模块
from datetime import datetime  # 导入处理日期和时间的模块

from surprise_trip.crew import SurpriseTravelCrew  # 从项目中导入 SurpriseTravelCrew 类

# 关闭特定模块中的语法警告（此处为 pysbd 模块）
warnings.filterwarnings("ignore", category=SyntaxWarning, module="pysbd")

# 此主程序文件是为了在本地运行 crew 而设计的，请勿在此文件中添加不必要的逻辑。
# 你可以替换下面的 inputs 变量，它会自动填充任务和代理的信息。

def run():
    """
    运行 crew 执行流程。
    """
    # 设置输入参数，可以根据需要修改。它会自动被各个任务和 agent 使用。
    inputs = {
        'origin': '上海虹桥机场（SHA）',  # 出发地
        'destination': '北京大兴机场（PKX）',  # 目的地
        'age': 31,  # 用户年龄
        'hotel_location': '北京朝阳区',  # 希望住的酒店位置
        'flight_information': '国航 CA1234，起飞时间为 2025年6月30日 上午10:00',  # 航班信息
        'trip_duration': '14 天'  # 旅行时长
    }

    try:
        # 实例化 SurpriseTravelCrew 并运行 crew 的 kickoff 方法（启动执行流程）
        SurpriseTravelCrew().crew().kickoff(inputs=inputs)
    except Exception as e:
        # 捕获并抛出异常，便于调试
        raise Exception(f"运行 crew 时发生错误: {e}")


def train():
    """
    训练 crew，执行指定次数的迭代。
    """
    inputs = {
        'origin': '上海虹桥机场（SHA）',  # 出发地
        'destination': '北京大兴机场（PKX）',  # 目的地
        'age': 31,  # 用户年龄
        'hotel_location': '北京朝阳区',  # 希望住的酒店位置
        'flight_information': '国航 CA1234，起飞时间为 2025年6月30日 上午10:00',  # 航班信息
        'trip_duration': '14 天'  # 旅行时长
    }

    try:
        # 通过命令行参数获取迭代次数和保存的模型文件名
        # 使用 crew 的 train 方法进行训练
        SurpriseTravelCrew().crew().train(n_iterations=int(sys.argv[1]), filename=sys.argv[2], inputs=inputs)

    except Exception as e:
        # 捕获并抛出异常，便于调试
        raise Exception(f"训练 crew 时发生错误: {e}")


def replay():
    """
    从指定的任务 ID 开始回放 crew 执行过程。
    """
    try:
        # 从命令行参数中获取任务 ID，并调用 replay 方法回放
        SurpriseTravelCrew().crew().replay(task_id=sys.argv[1])

    except Exception as e:
        # 捕获并抛出异常，便于调试
        raise Exception(f"回放 crew 时发生错误: {e}")


def test():
    """
    测试 crew 的执行逻辑，并返回评估结果。
    """
    # 设置测试输入
    inputs = {
        "topic": "AI LLMs",  # 测试主题，例如大语言模型
        "current_year": str(datetime.now().year)  # 当前年份
    }

    try:
        # 从命令行参数中获取迭代次数和用于评估的 LLM 名称，调用 test 方法进行测试
        SurpriseTravelCrew().crew().test(n_iterations=int(sys.argv[1]), eval_llm=sys.argv[2], inputs=inputs)

    except Exception as e:
        # 捕获并抛出异常，便于调试
        raise Exception(f"测试 crew 时发生错误: {e}")