500-AI-Agents-Projects学习之二.crewai_mcp_course 建立 Agent 通用认知

crewai_mcp_course 介绍

一、名称拆解

1. CrewAI：当下最主流的多智能体协作框架，核心三要素：Agent（角色智能体）、Task（任务）、Crew（智能体团队），用来搭建分工协作的AI工作流（比如研究员+撰稿人分工写文章）。
2. MCP = Model Context Protocol（模型上下文协议）：CrewAI 官方标准工具协议，统一让智能体调用外部工具、本地服务、远程接口、数据库，不用手写复杂工具封装；新增 mcps 参数一键挂载外部工具服务。
3. crewai_mcp_course：一套由浅入深的实战课程代码集，专门教你从 CrewAI 基础，到 MCP 工具集成的完整开发流程。

二、价值

1. 递进式学习，无跳跃
   先掌握CrewAI多智能体底层逻辑，再引入MCP标准化工具方案，避开新手“只会抄代码不懂原理”的问题。
2. 统一适配任意大模型（DeepSeek/OpenAI/Ollama通吃）
   代码全部支持切换LLM，你现在配置的Windows全局OPENAI_API_KEY/OPENAI_BASE_URL可全课程通用。
3. MCP是未来标准，不用重复造轮子
   传统CrewAI自定义工具需要写大量schema代码；MCP协议标准化后，一行配置挂载整套工具服务，大幅降低多工具开发成本。
4. 全可运行源码
   每个lesson独立完整demo，不用自己拼接代码，你当前环境一键安装依赖即可跑通。

三、CrewAI框架

1. Agent 智能体（执行单元）
   每个 Agent 是独立 AI 角色，为框架核心执行单元，包含四个必填属性：

• role：智能体身份，如 AI 研究员、文案、测试工程师等，定义岗位定位
• goal：该智能体的核心工作目标，明确核心任务方向
• backstory：人设背景，决定 AI 的回答风格、专业深度与思维逻辑
• llm：绑定大模型，支持直接填写模型名字符串，自动读取全局环境变量
  额外扩展能力：可绑定 tools 工具、开启 memory 上下文记忆、设置 max_iter 最大思考轮次。
• verbose：控制智能体的详细日志输出开关

2. Task 任务（工作单元）
   分配给 Agent 的具体工作，用于严格约束 AI 的输出内容、格式与规范，是具体业务载体，核心属性如下：

• description：任务详细需求，包含主题、需要覆盖的要点、各类限制条件
• expected_output：规定最终输出的格式、字数、结构、规范要求
• agent：指定负责执行当前任务的专属智能体
  任务执行结果会自动流转传递给下一个任务或智能体，实现多步骤业务流程串联。

3. Crew 团队（调度容器）
   用于打包整合多个 Agent 智能体与 Task 任务，是整个项目的调度容器与程序运行入口，核心属性与方法：

• agents：智能体列表，存放所有参与协作的 AI 角色
• tasks：任务列表，存放整套业务的所有执行任务
• process：定义整体任务的执行调度模式
  启动入口方法：crew.kickoff()，一键触发整套 AI 团队协作流程。

4. Process 执行调度模式
   CrewAI 内置三种主流任务调度策略，适配不同业务场景：

• Process.sequential 串行：任务按顺序依次执行，上一个任务的输出结果自动传递给下一个任务，流程线性递进
• Process.parallel 并行：多个无依赖的任务同时运行，提升整体执行效率
• Process.hierarchical 分层管理：框架自动生成管理型 Agent，智能动态分配、调度子任务，适配复杂大型项目

5. Tools / MCP 工具能力
   为 AI 智能体拓展外部能力，打破纯文本生成限制，是智能体落地实用场景的核心：

• 原生 Tools：支持自定义 Python 函数工具，让 AI 实现联网搜索、读写文件、调用第三方接口、数据计算等外部操作
• MCP（Model Context Protocol）：本课程核心进阶重点，标准化工具服务协议，可一行配置批量挂载整套工具服务，无需手动编写大量工具代码，极大简化智能体工具开发流程

Lesson 学习

Lesson 01：CrewAI 基础入门

• 核心知识点：

  1. 定义 Agent：role角色、goal目标、backstory人设背景、绑定LLM模型
  2. 定义 Task：给智能体分配具体工作、输出要求
  3. 组装 Crew：把多个Agent+Task组成团队，设置执行模式（顺序执行Process.sequential）

• 示例场景：研究员智能体 + 文案智能体，分工完成AI行业调研报告

• 报错兼容说明：新版CrewAI不支持直接传入LangChain ChatOpenAI对象，两种解决方式：

  • 最简：llm="deepseek-chat" 字符串写法，自动读取系统全局DeepSeek环境变量
  • 兼容：用 CrewAIModel 包装LangChain LLM实例

  CrewAI 最小运行公式：

  1.导入模块
  2.新建 Agent（员工）
  3.新建 Task（工作）
  4.组装 Crew 并启动(需要指定调度模式)

根据源码了解完了操作流程，开始实操，我们自行实现一个场景

练习场景：AI 职场周报生成小团队

场景设定

公司有两名AI员工：

1. 数据收集专员：负责整理本周工作内容、项目进度、遇到的问题
2. 周报撰稿专员：根据收集到的素材，整理成规范、简洁的职场周报，分模块输出

任务分配

任务1（交给数据收集专员）

任务描述：整理软件开发岗位本周工作内容，包含3部分：

1. 本周完成的开发需求
2. 当前未完成、待推进的事项
3. 开发过程遇到的技术难点
   输出要求：纯素材清单，不用润色，分点罗列，简洁直白。

任务2（交给周报撰稿专员）

任务描述：读取上一步收集的全部工作素材，生成标准职场周报，结构分为：本周完成工作、待办计划、问题与解决方案。
输出要求：正式职场文风，篇幅控制在300字以内，条理清晰。

执行规则

执行模式：串行 Process.sequential
先执行收集素材任务，再用素材生成周报，自动传递上一步结果。

Agent基础参考参数（自行填写role/goal/backstory）

1. Agent1：数据收集专员
2. Agent2：周报撰稿专员
   llm统一使用 deepseek-chat

完成要求

1. 完整写出导入、2个Agent、2个Task、Crew组装、kickoff运行整套代码
2. 在本地根目录执行运行：python crewai_mcp_course/lesson_01/self_demo.py

Demo

# 1.导入 
from crewai import Agent,Task,Process,Crew
# 2.模型
llm="deepseek-chat"
# 3.两个Agent
# 3.1 数据收集专员
data_member=Agent(
	role="开发数据收集专员",
	goal="收集整理本周工作",
	backstory="熟悉开发工作流程，擅长梳理工作",
	llm=llm,
	verbose=True
)
# 3.2 周报撰稿专员
weekly_member=Agent(
	role="周报撰稿专员",
	goal="汇总撰写本周工作",
	backstory="熟悉开发工作流程，擅长整合撰写内容",
	llm=llm,
	verbose=True
)

# 4.两个任务
# 4.1 数据收集任务
data_task=Task(
	description="整理软件开发岗位本周工作内容，必须包含三部分：1.本周完成开发需求；2.待推进未完成事项；3.开发遇到的技术难点，只输出纯素材清单，分点罗列，无需润色",
	expected_output="简洁分点工作素材，无多余修饰文字",
	agent=data_member
	
)
# 4.2 周报汇总任务
weekly_task=Task(
	description="参考上一步收集的全部工作素材，生成标准职场周报，分为三大模块：本周完成工作、待办计划、问题与解决方案，正式职场文风，全文控制300字以内，条理清晰",
	expected_output = "规范结构化职场周报，分段清晰，语言正式简洁",
	agent=weekly_member,
	context=[data_task]  # 读取上一个任务输出作为上下文
)


# 5. Crew 组装

crew = Crew(
	agents=[data_member,weekly_member],
	tasks=[data_task,weekly_task],
	process =Process.sequential,
	verbose=True
)


# 6.启动
if __name__ == "__main__":
	result=crew.kickoff()
	print("=====最终周报结果=====")
	print(result)

Lesson 02：Tools 自定义工具基础

• 学会给智能体增加搜索、计算、文件读写工具；
• 理解工具调用逻辑，Agent自主判断什么时候调用工具。

Lesson 03：MCP 协议基础

• 弄懂MCP客户端/服务端架构；
• 本地启动简易MCP服务，让CrewAI Agent通过 mcps=[本地MCP地址] 自动加载全部工具，无需手动注册工具函数。