CrewAI란

---

CrewAI 3대 구성요소

1. Agent (팀원)

속성	설명	제조 예시
role	역할	"품질 분석가", "설비 진단 엔지니어"
goal	목표	"불량 원인을 파악한다"
backstory	배경/성격	"SPC 10년 경력 전문가"
tools	사용 가능한 도구	SPC 분석 도구, DB 조회 도구
llm	사용할 LLM	"gpt-4o-mini", "gpt-4o"

backstory가 중요한 이유:

• LLM에게 전문가 페르소나를 부여한다
• "나는 10년 경력 품질 전문가"라는 맥락이 응답 품질을 높인다
• 도메인 용어를 자연스럽게 사용하게 된다

2. Task (업무)

속성	설명
description	구체적인 업무 지시 (상세할수록 좋다)
expected_output	기대하는 산출물 형태
agent	이 Task를 수행할 Agent
context	선행 Task의 결과를 참조 (optional)

3. Crew (팀)

---

Process 유형

Sequential (순차 실행)

적합한 경우: 데이터 수집 → 분석 → 보고서 같은 파이프라인

Hierarchical (계층 실행)

적합한 경우: Manager가 상황에 따라 팀원에게 작업을 분배

---

CrewAI vs LangGraph vs A2A

비교	CrewAI	LangGraph	A2A
추상화 수준	높음 (역할 기반)	중간 (그래프 기반)	낮음 (프로토콜 기반)
설정 난이도	쉬움	중간	어려움
유연성	제한적	높음	매우 높음
Agent 정의	role + goal + backstory	Node 함수	Agent Card
흐름 제어	sequential/hierarchical	Conditional Edge	Task 상태
최적 용도	역할 명확한 팀 작업	복잡한 조건부 흐름	독립 Agent 간 통신