멀티 에이전트: CrewAI 실전

# pip install crewai
from crewai import Agent, Task, Crew
from langchain_anthropic import ChatAnthropic

llm = ChatAnthropic(model="claude-sonnet-4-6")


# 1. Agent — 역할과 도구를 가진 AI 노동자
researcher = Agent(
    role="시니어 리서처",
    goal="주제에 대한 정확하고 상세한 정보 수집",
    backstory="20년 경력의 기술 리서처. 빠르고 정확한 정보 수집이 강점.",
    llm=llm,
    verbose=True,
)

writer = Agent(
    role="기술 블로거",
    goal="복잡한 기술을 쉽게 설명하는 한국어 블로그 작성",
    backstory="한국어 기술 블로그 5년 운영. 사용자 친화적 설명이 강점.",
    llm=llm,
    verbose=True,
)

reviewer = Agent(
    role="편집자",
    goal="블로그의 정확성·가독성·문법을 검수",
    backstory="기술 출판사 10년 경력. 까다로운 검수가 강점.",
    llm=llm,
    verbose=True,
)


# 2. Task — 각 Agent에게 할당
research_task = Task(
    description="주제 'LangGraph vs LangChain 차이점'에 대해 리서치하세요.",
    expected_output="3~5개 핵심 차이점과 각 사용 시나리오",
    agent=researcher,
)

write_task = Task(
    description="리서치 결과를 바탕으로 한국어 블로그 글 작성. 1500자.",
    expected_output="제목 + 도입 + 본문(차이점 3~5) + 결론 구조의 블로그",
    agent=writer,
    context=[research_task],  # 의존성
)

review_task = Task(
    description="블로그 글을 검수하고 개선안 제시.",
    expected_output="최종 수정된 블로그 글",
    agent=reviewer,
    context=[write_task],
)


# 3. Crew — 에이전트 팀 구성
crew = Crew(
    agents=[researcher, writer, reviewer],
    tasks=[research_task, write_task, review_task],
    verbose=2,  # 상세 로그
)

# 실행
result = crew.kickoff()
print(result)

from crewai_tools import SerperDevTool, ScrapeWebsiteTool

# 웹 검색 도구
search_tool = SerperDevTool()
scrape_tool = ScrapeWebsiteTool()


researcher = Agent(
    role="시니어 리서처",
    goal="...",
    backstory="...",
    llm=llm,
    tools=[search_tool, scrape_tool],
    verbose=True,
)


# 커스텀 도구
from langchain_core.tools import tool

@tool
def calculate(expression: str) -> str:
    """수학 계산 도구"""
    try:
        return str(eval(expression))  # ⚠️ 프로덕션은 ast.literal_eval
    except Exception as e:
        return f"에러: {e}"


math_agent = Agent(
    role="수학 전문가",
    goal="정확한 계산 수행",
    backstory="...",
    tools=[calculate],
    llm=llm,
)

# Sequential (기본) — 작업이 순차 실행
crew = Crew(
    agents=[researcher, writer, reviewer],
    tasks=[research_task, write_task, review_task],
    process=Process.sequential,
)


# Hierarchical — 매니저가 작업 분배
from crewai import Process

crew = Crew(
    agents=[researcher, writer, reviewer],
    tasks=[research_task, write_task, review_task],
    process=Process.hierarchical,
    manager_llm=llm,  # 매니저용 LLM
)
# 매니저가 동적으로 작업 분배 + 결과 통합

crew = Crew(
    agents=[...],
    tasks=[...],
    memory=True,  # 모든 작업 결과 메모리 공유
    embedder={
        "provider": "openai",
        "config": {"model": "text-embedding-3-small"},
    },
)

# 1. 시장 조사 — 트렌드 파악
# 2. 키워드 리서치 — SEO
# 3. 기사 작성 — 한국어 블로그
# 4. 이미지 프롬프트 — DALL-E 입력
# 5. SNS 포스트 — 트위터/링크드인

trend_agent = Agent(role="트렌드 분석가", ...)
seo_agent = Agent(role="SEO 전문가", ...)
writer_agent = Agent(role="블로거", ...)
designer_agent = Agent(role="아트 디렉터", ...)
social_agent = Agent(role="SNS 매니저", ...)

# 5개 작업 순차 실행 → 자동화된 콘텐츠 마케팅 파이프라인