CrewAI 사용법: AI Flowi Workflow 에이전트와 작업 연동
CrewAI 사용법은 AI Flowi Workflow에서 에이전트를 정의하고, 작업을 설명하며, 순차 또는 계층형 크루를 구성하는 카탈로그 컴포넌트 여섯 개를 다룹니다. 이 참고 자료는 실제 필드와 출력 유형을 정리해, 설정을 시도하기 전에 작업 객체와 크루의 최종 메시지를 구분할 수 있도록 합니다.
단일 작업 예시에 사용하는 Language Model과 Chat Output을 포함해 CrewAI 항목 여섯 개는 카탈로그에 문서화되어 있지만, Ai Flowi가 프로덕션 환경에서 테스트하지는 않았습니다. 출처는 2026년 10월 9일에 내보낸 AI Flowi Workflow 1.9.2 카탈로그이며, CrewAI 카탈로그 카테고리에서 연결됩니다.
CrewAI 컴포넌트 여섯 개
CrewAI 표는 가로로 스크롤할 수 있습니다. 키보드로 표에 초점을 맞추면 화면에 보이지 않는 열을 읽을 수 있습니다.
| 컴포넌트 | 카탈로그 동작 | 출력 이름과 유형 |
|---|---|---|
| CrewAI Agent | CrewAI의 에이전트를 나타냅니다. | output: NoneType |
| Hierarchical Crew | 에이전트 그룹을 나타내며, 협업 방식과 수행할 작업을 정의합니다. | output: Message |
| Hierarchical Task | 각 작업에는 설명, 예상 출력, 실행을 담당하는 에이전트가 있어야 합니다. | task_output: HierarchicalTask |
| Sequential Crew | 순차적으로 실행되는 작업을 가진 에이전트 그룹을 나타냅니다. | output: Message |
| Sequential Task Agent | CrewAI Task와 해당 Agent를 생성합니다. | task_output: SequentialTask |
| Sequential Task | 필수 에이전트 연결이 있는 별도의 작업 설정입니다. | task_output: SequentialTask |
Sequential Task Agent는 작업과 에이전트 설정을 결합합니다. 반면 Sequential Task에는 agent 연결이 필요합니다. Hierarchical Task의 설명에는 실행을 담당하는 에이전트가 언급되지만, 내보낸 입력에는 agent 필드가 없습니다. 설명을 완성하려고 해당 필드를 임의로 만들지 않습니다.
에이전트·작업·크루 입력
| 컴포넌트 | 내보낸 입력 | 필수 필드 |
|---|---|---|
| CrewAI Agent | allow_code_execution, allow_delegation, backstory, goal, kwargs, llm, memory, role, tools, verbose | 필수로 표시된 항목 없음 |
| Hierarchical Crew | agents, function_calling_llm, manager_agent, manager_llm, max_rpm, memory, share_crew, tasks, use_cache, verbose | 필수로 표시된 항목 없음 |
| Hierarchical Task | expected_output, task_description, tools | 필수로 표시된 항목 없음 |
| Sequential Crew | function_calling_llm, max_rpm, memory, share_crew, tasks, use_cache, verbose | 필수로 표시된 항목 없음 |
| Sequential Task Agent | agent_kwargs, allow_code_execution, allow_delegation, async_execution, backstory, expected_output, goal, llm, memory, previous_task, role, task_description, tools, verbose | 필수로 표시된 항목 없음 |
| Sequential Task | agent, async_execution, expected_output, task, task_description, tools | agent |
위의 필수 표시는 내보내기 자료를 설명하며, 실행 가능한 완전한 크루를 의미하지는 않습니다. 특히 선택적인 모델 필드가 서비스 접근 권한, 작업 텍스트 또는 선택된 모델을 자동으로 제공하지는 않습니다. 자격 증명 방식은 연결 가이드를, 모델 설정은 Language Model 참고 자료를 사용합니다.
참여자 지침과 수행할 과제 구분
role에는 의도한 책임, goal에는 목표, backstory에는 관련 배경을 넣습니다. 수행할 과제는 task_description에, 원하는 결과물은 expected_output에 넣습니다. 두 작업 텍스트 필드는 모두 Message 연결을 허용합니다. 이는 지침이며, 검증 스키마나 기록된 완료 결과가 아닙니다.
CrewAI Agent의 kwargs와 Sequential Task Agent의 agent_kwargs는 필드 유형이 dict이며, 지원되는 키는 내보내기 자료에 없습니다. 문서화되지 않은 옵션을 복사해 넣지 않습니다. 도구 연결의 유형은 Tool이지만, 그 유형만으로 도구의 권한, 데이터 접근 또는 외부 영향을 알 수는 없습니다.
스위치와 사용 한도는 명시된 그대로 해석
allow_code_execution, allow_delegation, memory는 에이전트를 설정하는 두 컴포넌트 모두에서 불리언 필드입니다. async_execution은 두 순차 작업 컴포넌트에서 불리언입니다. 크루 수준의 memory, share_crew, use_cache도 불리언이며, max_rpm은 정수입니다. 기본값, 속도 범위, 캐시 수명 또는 공유 대상은 명시되어 있지 않습니다.
상세 출력에는 작지만 중요한 차이가 있습니다. verbose는 에이전트 설정 노드에서는 불리언이고 크루 노드에서는 정수입니다. 저장된 값 하나를 이 필드들에 그대로 복사할 수 있다고 가정하지 않습니다. 진단 출력을 공유하기 전에 작업 내용이 포함되어 있는지 확인합니다.
작업 유형과 출력 경계
| 연결 경계 | 허용되는 유형 | 설정 시 고려할 사항 |
|---|---|---|
| 에이전트 지침 | role, goal, backstory: Message | 이 필드는 참여자를 설명합니다. 작업 지침은 작업 컴포넌트에 넣습니다. |
| 모델과 도구 | llm: LanguageModel; tools: Tool | 생성된 응답 대신 설정된 모델 객체를 사용합니다. 제공하는 각 도구를 별도로 확인합니다. |
| 순차 의존 관계 | previous_task 및 task: SequentialTask | 선행 작업 필드는 Sequential Task Agent에 있고, 작업 필드는 Sequential Task에 있습니다. |
| Sequential Crew | tasks: SequentialTask | 순차 작업 계열을 사용합니다. 내보내기 자료에는 작업 모음의 순서 규약이 없습니다. |
| Hierarchical Crew | agents, manager_agent: Agent; manager_llm, function_calling_llm: LanguageModel; tasks: HierarchicalTask | 계층형 구성에는 별도의 조정 필드와 다른 작업 유형이 있습니다. |
CrewAI Agent의 출력 표시 이름은 Agent지만 유형은 NoneType입니다. 이는 Sequential Task와 계층형 에이전트 필드가 허용하는 Agent 유형과 충돌합니다. 이를 해결되지 않은 인터페이스 경계로 취급합니다. 표시 이름만으로 호환되는 연결을 입증할 수는 없습니다. 아래 제안에서는 Sequential Task Agent로 이 별도의 에이전트 연결을 피하지만, 실행 성공을 입증하는 것은 아닙니다.
두 크루는 모두 output을 Message로 내보냅니다. Chat Output은 input_value에서 Message를 허용하므로, 표시 용도로 카탈로그상의 유형이 일치합니다. 작업 출력은 완료된 응답 메시지가 아닌 작업 객체이며, 계층형과 순차 작업 유형은 서로 다릅니다.
확인할 단일 작업 순차 설정
설정 예시이며, 기록된 테스트가 아닙니다
제목과 체크리스트가 있는 가상의 유지보수 메모 하나를 준비합니다. 선택한 모델에 대한 본인의 모델 제공업체 계정과 API 키가 필요하며, 해당 업체 비용은 별도로 지불합니다. 이 텍스트 전용 연습 제안에는 검색 서비스나 외부 쓰기 도구가 필요하지 않습니다.
- Language Model을 기존 필드 참고 자료에 따라 설정한 뒤,
model_output을 Sequential Task Agent의llm에 연결합니다. - Sequential Task Agent의
role은 ‘유지보수 메모 편집자’,goal은 ‘제공된 체크리스트 추출’,backstory는 ‘제공된 가상 메모만 사용’으로 설정합니다.task_description에는 메모와 추출 요청을 넣고,expected_output은 ‘일반 텍스트로 된 체크리스트 항목’으로 설정합니다. - 다중 에이전트 시스템 설정 가이드의 공통 작업 제한과 크루 설정을 적용합니다.
- 이 하나의
task_output을 Sequential Crew의tasks에 연결합니다. 작업을 하나만 유지하면 여러 작업의 모음이 어떻게 구성되는지 가정하지 않고 작업 객체 경계를 확인할 수 있습니다. - 크루의
output을 Chat Output의input_value에 연결합니다. 실행 전에 편집기에서 각 경계를 확인한 뒤, 표시된 응답을 원래 체크리스트와 비교합니다.
의도한 결과는 Playground에 표시되는 일반 텍스트 체크리스트입니다. 이 설정의 출력은 기록되어 있지 않습니다. 자연스러운 응답이라도 빠지거나 추가된 항목이 있는지 확인해야 합니다. 모델 또는 크루 단계가 실패했다면 추출이 완료된 것이 아닙니다.
원본 메모로 ‘작업장 정리: 점검등의 플러그를 뽑고, 토크 렌치를 케이스에 넣습니다.’를 사용합니다. 이 전체 메모를 두 동작만 추출하라는 요청과 함께 task_description에 넣습니다. expected_output에는 완성된 체크리스트 대신 결과물 설명을 유지합니다. 그렇지 않으면 응답이 원본에서 추출한 것인지 지침에 넣은 정답을 반복한 것인지 구분할 수 없습니다. 제안된 체크리스트에 ‘작업장 잠그기’가 추가되면 근거 없는 동작이며, 렌치가 빠지면 불완전합니다. 이는 이 예시의 수동 검토 기준이며, 예시 결과가 아닙니다.
작업 컴포넌트를 바꾸면 확인할 사항도 변경
Sequential Task Agent를 Sequential Task로 바꾸면 필수 agent 연결과 해결되지 않은 Agent/NoneType 불일치가 생깁니다. Hierarchical Task로 바꾸면 출력이 HierarchicalTask로 변경되며, 이는 Sequential Crew가 아닌 Hierarchical Crew에 연결해야 합니다. 어느 변경도 단순한 이름 변경이 아닙니다. 먼저 변경된 포트를 확인하고 연결 문제를 해결한 뒤 작업 텍스트를 검토합니다. 과제를 바꿔도 호환되지 않는 객체 유형은 해결되지 않습니다.
메모를 계층형 구성으로 옮길 때는 두 번째 차이도 중요합니다. Hierarchical Task에는 작업 텍스트와 도구가 있지만 모델 입력은 없습니다. 모델 선택 필드는 해당 계열의 다른 곳에 있으므로, 순차 작업의 llm 설정을 계층형 작업에 복사하면 존재하지 않는 필드를 만드는 셈입니다.
CrewAI 카테고리가 적합하지 않은 경우는 언제인가요?
일반적인 모델 호출 한 번으로 체크리스트를 추출할 수 있다면 더 작은 경로를 사용합니다. 크루 설정에는 별도로 확인해야 하는 작업 객체 경계와 권한 스위치가 추가됩니다. 다중 에이전트 시스템 가이드는 아키텍처와 인계를 다루며, 이 페이지는 여섯 노드의 설정 규약을 제공합니다.
Hierarchical Crew에는 manager_agent와 manager_llm이 모두 있지만, 내보내기 자료에는 둘 중 하나를 선택하는 규칙이나 둘 다 채웠을 때의 우선순위가 없습니다. agents 입력에도 문서화된 모음 형식이 없습니다. 단일 작업 제안을 확장하기 전에 이런 계층형 구성의 질문을 해결합니다. 조정 필드를 추가했다고 해서 참여자 선택 방식이 확립되지는 않습니다.
작성: Ai Flowi · 게시일
공식 출처: CrewAI 문서
워크플로 사용량
요금제: Go 연간 결제 시 월 USD8부터(월간 USD10), Plus 월 USD16부터(월간 USD20), Pro 100 월 USD80부터(월간 USD100), Pro 200 월 USD160부터(월간 USD200), Pro 500 월 USD400부터(월간 USD500). 매월 5,000~250,000 Flowi Tokens가 제공되며 충전도 가능합니다. 노드 실행 1회당 1토큰, 타사 API 및 모델 사용 요금은 포함되지 않습니다.