Lektion 1 von 5·11 Min Lesezeit

CrewAI verstehen

CrewAI verfolgt einen einzigartigen Ansatz in der Multi-Agent-Welt: Rollenbasierte Agents, die wie ein echtes Team zusammenarbeiten. Statt komplexe State Graphs zu programmieren, definieren Sie Agents mit Rollen, Zielen und Backstories — und CrewAI orchestriert die Zusammenarbeit.

Philosophie: Role-Based Agents

CrewAI ist inspiriert von der realen Teamarbeit. Jeder Agent hat:

  • Role (Rolle): Was der Agent ist (z. B. "Senior Research Analyst")
  • Goal (Ziel): Was der Agent erreichen soll
  • Backstory: Kontext und Expertise des Agents

Diese Metapher macht es intuitiv, Multi-Agent-Systeme zu designen — auch ohne tiefe technische Kenntnisse.

Die drei Grundbausteine

1. Agents

Autonome Einheiten mit definierten Rollen und Fähigkeiten:

from crewai import Agent

researcher = Agent(
    role="Senior Research Analyst",
    goal="Finde die relevantesten Informationen zum Thema",
    backstory="Du bist ein erfahrener Research-Analyst mit 15 Jahren "
              "Erfahrung in der Technologiebranche.",
    verbose=True,
    allow_delegation=True
)

2. Tasks

Konkrete Aufgaben, die Agents erledigen:

from crewai import Task

research_task = Task(
    description="Recherchiere die neuesten Trends im Bereich {topic}",
    expected_output="Ein strukturierter Bericht mit den Top-5-Trends",
    agent=researcher
)

3. Crews

Teams aus Agents, die Tasks gemeinsam bearbeiten:

from crewai import Crew, Process

crew = Crew(
    agents=[researcher, writer, editor],
    tasks=[research_task, writing_task, editing_task],
    process=Process.sequential,
    verbose=True
)
result = crew.kickoff()

Process-Typen

ProcessBeschreibungUse Case
SequentialTasks werden nacheinander abgearbeitetLineare Workflows (Research → Write → Edit)
HierarchicalEin Manager-Agent delegiert und koordiniertKomplexe Projekte mit Entscheidungen

Sequential Process

Agent 1 (Research) → Agent 2 (Write) → Agent 3 (Edit) → Ergebnis

Hierarchical Process

Manager Agent
├── delegiert an Research Agent
├── prüft Ergebnis
├── delegiert an Writer Agent
├── prüft Ergebnis
└── gibt finales Ergebnis frei

CrewAI vs. LangGraph

AspektCrewAILangGraph
AbstraktionHigh-Level (Rollen, Ziele)Low-Level (Nodes, Edges, State)
LernkurveFlach — schneller EinstiegSteil — volle Kontrolle
FlexibilitätGut für Team-WorkflowsMaximale Flexibilität
CustomizationBegrenzt, aber ausreichendGrenzenlos
Best fürBusiness-Workflows, ContentKomplexe technische Agents

Praxis-Tipp: CrewAI ist ideal, wenn Sie schnell ein funktionierendes Multi-Agent-Team brauchen. Wenn Sie maximale Kontrolle über State, Routing und Zyklen benötigen, greifen Sie zu LangGraph.

📝

Quiz

Frage 1 von 3

Was ist das zentrale Design-Prinzip von CrewAI?