Créer un système multi-agents avec CrewAI

CrewAI organise des agents spécialisés autour de tâches et d’un processus. Ce tutoriel crée une petite équipe : un analyste prépare une synthèse, puis un rédacteur transforme cette synthèse en note exploitable.

Installer le CLI

CrewAI requiert actuellement Python 3.10 à 3.13 et recommande uv pour gérer l’installation :

uv tool install crewai
crewai create crew veille_technique
cd veille_technique
crewai install

Le scaffold actuel est JSON-first. Les agents vivent dans agents/*.jsonc et les tâches dans crew.jsonc. Placez les clés du fournisseur de modèle dans .env et ne les commitez pas.

Définir les agents

Créez agents/analyste.jsonc :

{
  "role": "Analyste technique",
  "goal": "Extraire les faits utiles et signaler les incertitudes sur {topic}",
  "backstory": "Tu privilégies les sources fiables et distingues faits et hypothèses.",
  "settings": { "verbose": true, "allow_delegation": false }
}

Créez ensuite agents/redacteur.jsonc :

{
  "role": "Rédacteur technique",
  "goal": "Transformer l’analyse en note française claire et structurée",
  "backstory": "Tu conserves les limites et les sources au lieu de les masquer.",
  "settings": { "verbose": true, "allow_delegation": false }
}

Définir la crew et ses tâches

Dans crew.jsonc, déclarez l’ordre explicite :

{
  "name": "Veille technique",
  "agents": ["analyste", "redacteur"],
  "tasks": [
    {
      "name": "analyser",
      "description": "Analyse {topic}. Liste faits, risques, limites et sources disponibles.",
      "expected_output": "Une synthèse structurée avec sources et incertitudes.",
      "agent": "analyste"
    },
    {
      "name": "rediger",
      "description": "À partir de l’analyse précédente, rédige une note concise en français.",
      "expected_output": "Une note Markdown avec résumé, points clés, limites et sources.",
      "agent": "redacteur",
      "output_file": "output/note.md",
      "markdown": true
    }
  ],
  "process": "sequential",
  "inputs": { "topic": "agents IA" },
  "verbose": true
}

crewai run

Vérifiez output/note.md. Selon le scaffold généré et la version du CLI, utilisez les mécanismes de contexte documentés pour transmettre explicitement le résultat de la première tâche à la seconde ; ne supposez pas qu’une dépendance implicite suffit.

Encadrer l’autonomie

Chaque outil accordé à un agent augmente sa surface d’action. Commencez sans écriture externe, utilisez des identifiants en lecture seule et imposez des schémas de sortie. Ajoutez des limites d’itérations, des délais, des guardrails et une validation humaine avant un envoi, une publication ou une suppression.

Tester la crew

Testez séparément chaque tâche avec des entrées connues. Vérifiez le résultat attendu, les sources, les coûts et les erreurs. Pour un processus métier déterministe ou auditable, CrewAI recommande de placer la crew dans un Flow qui contrôle l’état et l’ordre d’exécution.

Un système multi-agents n’est utile que si la spécialisation améliore une métrique mesurée. Comparez cette crew à un seul agent avec le même budget avant d’ajouter davantage de rôles.