构建你的第一个团队

分步教程：使用 JSON 优先的团队配置创建一个协作式 AI 团队。

构建一个研究团队

在本指南中，你将创建一个由两个智能体组成的研究团队，它负责收集某个主题的信息并撰写 Markdown 报告。新的团队项目采用 JSON 优先方式：智能体定义在 agents/*.jsonc 中，任务和团队设置在 crew.jsonc 中定义，crewai run 会直接加载 JSON 定义。

前提条件

开始之前，请确保你已经：

1. 已按照安装指南安装 CrewAI
2. 已按照 LLM 设置指南设置好 LLM API 密钥
3. 如果你希望研究员使用网络搜索，还需要一个 Serper.dev API 密钥

步骤 1：创建一个新团队

crewai create crew research_crew
cd research_crew

CLI 会创建一个 JSON 优先的项目：

research_crew/
├── .gitignore
├── .env
├── agents/
│   └── researcher.jsonc
├── crew.jsonc
├── knowledge/
├── pyproject.toml
├── README.md
├── skills/
└── tools/

TIP

需要旧的 crew.py、config/agents.yaml 和 config/tasks.yaml 布局？使用 crewai create crew research_crew --classic 创建。

步骤 2：定义你的智能体

替换生成的 agents/researcher.jsonc 文件，并添加 agents/analyst.jsonc。文件名就是你在 crew.jsonc 中引用的名称。

{
  "role": "Senior Research Specialist for {topic}",
  "goal": "Find comprehensive and accurate information about {topic}, with a focus on recent developments and key insights.",
  "backstory": "You are an experienced research specialist who organizes complex information into clear, useful notes.",
  // Replace with your model, for example "openai/gpt-4o".
  "llm": "provider/model-id",
  "tools": ["SerperDevTool"],
  "settings": {
    "verbose": true,
    "allow_delegation": false
  }
}

{
  "role": "Report Analyst for {topic}",
  "goal": "Turn research findings into a clear, well-structured report.",
  "backstory": "You are a careful analyst with strong technical writing skills and a talent for extracting useful insights.",
  // Replace with your model, for example "openai/gpt-4o".
  "llm": "provider/model-id",
  "settings": {
    "verbose": true,
    "allow_delegation": false
  }
}

将 provider/model-id 替换为你使用的模型，例如 openai/gpt-4o、anthropic/claude-sonnet-4-6 或 gemini/gemini-3.7-flash。

步骤 3：定义任务和团队设置

将 crew.jsonc 替换为：

{
  "name": "Research Crew",
  "agents": ["researcher", "analyst"],
  "tasks": [
    {
      "name": "research_task",
      "description": "Conduct thorough research on {topic}. Focus on key concepts, recent developments, major challenges, notable applications, and future outlook.",
      "expected_output": "A comprehensive research document with organized sections, specific facts, and useful examples about {topic}.",
      "agent": "researcher"
    },
    {
      "name": "analysis_task",
      "description": "Analyze the research findings and create a polished report on {topic}. Include an executive summary, key insights, trend analysis, and recommendations.",
      "expected_output": "A professional markdown report with clear headings, a concise summary, main findings, and recommendations.",
      "agent": "analyst",
      "context": ["research_task"],
      "output_file": "output/report.md",
      "markdown": true
    }
  ],
  "process": "sequential",
  "verbose": true,
  "memory": true,
  "inputs": {
    "topic": "Artificial Intelligence in Healthcare"
  }
}

context 指向先前的任务名称，因此分析师会收到研究任务的输出。inputs 对象为 {topic} 提供默认值。如果你移除某个默认值，crewai run 会提示你输入。

步骤 4：设置环境变量

打开 .env，添加你的模型和工具所需的密钥：

SERPER_API_KEY=your_serper_api_key
# Add your model provider API key here too.

各服务商的专属密钥请参阅 LLM 设置指南。

步骤 5：安装并运行

crewai install
crewai run

crewai run 会检测 crew.jsonc，从 agents/ 加载智能体，提示输入缺失的占位符，然后运行团队。运行结束后，打开 output/report.md。

工作原理

1. crew.jsonc 定义团队、任务顺序、流程、记忆和运行时输入。
2. agents/researcher.jsonc 和 agents/analyst.jsonc 定义智能体。
3. 研究员先运行。
4. 分析师通过 context: ["research_task"] 第二个运行。
5. 最终任务写出 output/report.md。

扩展你的团队

你可以添加：

• 更多智能体：创建新的 agents/<name>.jsonc 文件并在 crew.jsonc 中列出
• 更多任务：向 tasks 数组追加对象
• 内置工具：添加工具类名，如 "FileReadTool" 或 "SerperDevTool"
• 自定义工具：使用 "custom:<name>"，它会加载 tools/<name>.py
• 层级执行：使用 "process": "hierarchical" 并配合 manager_llm 或 manager_agent

WARNING

只从你信任的来源运行 JSON 团队项目。custom:<name> 工具和 {"python": "module.attribute"} 引用会在团队加载时执行本地 Python 代码。

TIP

你现在有了一个可运行的 JSON 优先团队，它能研究某个主题并撰写报告。