CrewAI란

CrewAI = 역할 기반 AI Agent 팀 프레임워크

핵심 비유:
  실제 팀처럼 Agent에게 "역할", "목표", "배경"을 부여하고,
  Task를 순서대로 또는 계층적으로 처리한다.

---

CrewAI 3대 구성요소

1. Agent (팀원)

from crewai import Agent

quality_analyst = Agent(
    role="품질 분석가",
    goal="제조 품질 데이터를 분석하여 불량 패턴과 원인을 파악한다",
    backstory="""당신은 제조 품질 10년 경력의 전문가입니다.
SPC, 6시그마, 특성요인도에 능숙하며,
데이터에서 패턴을 찾아내는 능력이 뛰어납니다.
제조 공정의 미세한 변화도 놓치지 않습니다.""",
    tools=[spc_tool, defect_analyzer],
    verbose=True,
    llm="gpt-4o-mini",  # 또는 최신 모델 사용 가능
)

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)

from crewai import Task

analyze_defects = Task(
    description="""이번 주 B라인 불량 데이터를 분석하세요.

    분석 항목:
    1. 불량 유형별 발생 빈도 (파레토 분석)
    2. 시간대별 불량률 추이
    3. 설비별 불량 발생 현황
    4. SPC 관리도 이탈 여부

    데이터: B라인 2026년 1월 4주차 품질 데이터""",

    expected_output="""불량 분석 보고서 (마크다운):
    - 파레토 차트 데이터 (불량 유형, 건수, 누적 %)
    - 시간대별 불량률 표
    - 이상 패턴 요약
    - 개선 필요 항목 목록""",

    agent=quality_analyst,
)

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)

from crewai import Crew, Process

quality_crew = Crew(
    agents=[data_collector, quality_analyst, report_writer],
    tasks=[collect_data, analyze_defects, write_report],
    process=Process.sequential,  # 순서대로 실행
    verbose=True,
)

result = quality_crew.kickoff()

---

Process 유형

Sequential (순차 실행)

Agent A → Task 1 완료 → Agent B → Task 2 완료 → Agent C → Task 3 완료
(앞 Task의 결과가 다음 Task의 입력이 됨)

적합한 경우: 데이터 수집 → 분석 → 보고서 같은 파이프라인

Hierarchical (계층 실행)

          Manager Agent
         ┌──────┼──────┐
         ▼      ▼      ▼
      Agent A Agent B Agent C
      (분석)  (진단)  (보고)

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

선택 가이드:

"역할이 명확하고 순서가 정해진 팀 작업"     → CrewAI
"조건에 따라 다른 경로로 가야 하는 복잡한 흐름" → LangGraph
"독립적인 Agent들이 표준 프로토콜로 협업"      → A2A
"세 가지를 조합"                              → 실전 최적 아키텍처

⚠️ CrewAI API가 빠르게 변화하고 있습니다. 최신 버전은 공식 문서를 확인하세요.