CrewAI 部署实操把多智能体项目发布成在线 API 的完整路径【免费下载链接】crewAIFramework for orchestrating role-playing, autonomous AI agents. By fostering collaborative intelligence, CrewAI empowers agents to work together seamlessly, tackling complex tasks.项目地址: https://gitcode.com/GitHub_Trending/cr/crewAICrewAI 是一个用于编排多个自主 AI 智能体协作完成任务的框架。读完这篇实操你可以把一个本地已跑通的 Crew 或 Flow 项目发布到 AMP 平台拿到 REST API 端点完成第一次kickoff调用和状态查询。什么场景下适合把 CrewAI 项目发布出去如果你不再满足于在本地终端手动跑一次 Python而是想让智能体团队变成一个可以被程序持续调用的服务就适合用 AMP 部署。典型的三类场景本地已有一个能跑的 Crew现在想通过 HTTP 请求触发而不必每次启动 Python 环境一条 Flow 工作流需要长期在线供其他系统按接口调用希望代码更新后自动重新部署嵌入现有 CI/CD 流水线上线前自检先确认这四类条件部署失败大多出在本地就能发现的地方。发布前对照这张表过一遍检查项期望状态出问题时先查哪里依赖已锁定项目根目录存在uv.lock或poetry.lock缺文件时先执行锁定再提交到仓库项目类型已声明pyproject.toml里写明type crew或type flow类型与入口函数不匹配会导致找不到入口点Crew 类已装饰所有 crew 类使用CrewBase装饰器漏装饰器会出现找不到 Crew/配置类报错凭证已就位LLM API 密钥等写在.env或部署环境变量中变量名必须和代码里os.environ读取的名字一致缺少锁定文件时在pyproject.toml所在目录执行一次锁定并把它提交进仓库uv lock最小闭环验证本地跑通再上线上线前先确认入口点本身能跑Crew 项目要求main.py提供run()Flow 项目要求提供kickoff()。本地入口如果报缺模块、缺配置平台构建几乎必然以同样方式失败。本地通过后再进入发布流程。发布路径选择用 CLI 发布最省事安装 CLI、登录、创建部署三条命令完成首次上线。创建部署时会自动打包项目并安全上传.env变量成功后会打印部署 uuid并尝试自动打开部署页面。首次构建通常需要约一分钟pip install crewai[tools] crewai login crewai deploy create crewai deploy status crewai deploy logscrewai deploy create会先执行本地预检预检不通过时报告会直接给出错误项此时不必反复重试。已知 uuid 时也可以用crewai deploy status --uuid ...精确查询。从代码托管页面发布最直观适合不想维护本地环境的场景把仓库推到远端在 AMP 页面连接你的代码托管账户、选择仓库、配置环境变量后点击部署按钮即可在页面上直接观察构建进度和结果。用 API 触发重新部署最适合自动化适合 CI/CD 集成。先在账户设置里生成个人访问令牌再到 Automations 列表里找到目标 crew 的自动化 UUID然后对 deploy 接口发一个带 Bearer 令牌的 POST 请求curl -i -X POST \ -H Authorization: Bearer YOUR_PERSONAL_ACCESS_TOKEN \ https://app.crewai.com/crewai_plus/api/v1/crews/YOUR-AUTOMATION-UUID/deploy返回成功即表示重新部署已触发之后同样用状态接口或控制台确认构建完成。上线后调用与验证部署成功后平台会分配一个专属 HTTPS 端点三个关键路由GET /inputs列出本次执行需要哪些入参调用前先查它确认参数名POST /kickoff携带入参启动一次执行成功后拿到kickoff_idGET /status/{kickoff_id}用kickoff_id轮询执行状态除了直接请求端点AMP 控制台可以查看执行历史、性能指标和逐条执行跟踪排查调用了但结果不对这类问题时优先看跟踪视图能定位到具体哪个 agent、哪一步出了问题。故障速查构建失败依赖解析错误锁定文件缺失或未提交补uv.lock后再推找不到入口点/模块核对pyproject.toml的type与run()/kickoff()是否匹配找不到 Crew 或配置检查是否漏了CrewBase装饰器运行失败LLM 连接失败、鉴权报错核对密钥的值与环境变量名注意平台上的变量名必须与代码读取的一致执行中途失败打开控制台的执行日志确认所有工具所需的 API 密钥都已配置agents.yaml、tasks.yaml内容有效调用失败401/403令牌过期或端点地址复制不完整400 参数错误先调/inputs对照必填参数再修正请求体继续深入CLI 概念说明POST /kickoff 接口参考 与 GET /status 接口参考创建第一个 Crew 指南下一步建议先用 CLI 把现有项目发布一次跑通/kickoff到/status/{kickoff_id}的完整调用确认稳定后再把 API 重新部署接入你的流水线。【免费下载链接】crewAIFramework for orchestrating role-playing, autonomous AI agents. By fostering collaborative intelligence, CrewAI empowers agents to work together seamlessly, tackling complex tasks.项目地址: https://gitcode.com/GitHub_Trending/cr/crewAI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 CrewAI 部署实操：把多智能体项目发布成在线 API 的完整路径
CrewAI 部署实操把多智能体项目发布成在线 API 的完整路径【免费下载链接】crewAIFramework for orchestrating role-playing, autonomous AI agents. By fostering collaborative intelligence, CrewAI empowers agents to work together seamlessly, tackling complex tasks.项目地址: https://gitcode.com/GitHub_Trending/cr/crewAICrewAI 是一个用于编排多个自主 AI 智能体协作完成任务的框架。读完这篇实操你可以把一个本地已跑通的 Crew 或 Flow 项目发布到 AMP 平台拿到 REST API 端点完成第一次kickoff调用和状态查询。什么场景下适合把 CrewAI 项目发布出去如果你不再满足于在本地终端手动跑一次 Python而是想让智能体团队变成一个可以被程序持续调用的服务就适合用 AMP 部署。典型的三类场景本地已有一个能跑的 Crew现在想通过 HTTP 请求触发而不必每次启动 Python 环境一条 Flow 工作流需要长期在线供其他系统按接口调用希望代码更新后自动重新部署嵌入现有 CI/CD 流水线上线前自检先确认这四类条件部署失败大多出在本地就能发现的地方。发布前对照这张表过一遍检查项期望状态出问题时先查哪里依赖已锁定项目根目录存在uv.lock或poetry.lock缺文件时先执行锁定再提交到仓库项目类型已声明pyproject.toml里写明type crew或type flow类型与入口函数不匹配会导致找不到入口点Crew 类已装饰所有 crew 类使用CrewBase装饰器漏装饰器会出现找不到 Crew/配置类报错凭证已就位LLM API 密钥等写在.env或部署环境变量中变量名必须和代码里os.environ读取的名字一致缺少锁定文件时在pyproject.toml所在目录执行一次锁定并把它提交进仓库uv lock最小闭环验证本地跑通再上线上线前先确认入口点本身能跑Crew 项目要求main.py提供run()Flow 项目要求提供kickoff()。本地入口如果报缺模块、缺配置平台构建几乎必然以同样方式失败。本地通过后再进入发布流程。发布路径选择用 CLI 发布最省事安装 CLI、登录、创建部署三条命令完成首次上线。创建部署时会自动打包项目并安全上传.env变量成功后会打印部署 uuid并尝试自动打开部署页面。首次构建通常需要约一分钟pip install crewai[tools] crewai login crewai deploy create crewai deploy status crewai deploy logscrewai deploy create会先执行本地预检预检不通过时报告会直接给出错误项此时不必反复重试。已知 uuid 时也可以用crewai deploy status --uuid ...精确查询。从代码托管页面发布最直观适合不想维护本地环境的场景把仓库推到远端在 AMP 页面连接你的代码托管账户、选择仓库、配置环境变量后点击部署按钮即可在页面上直接观察构建进度和结果。用 API 触发重新部署最适合自动化适合 CI/CD 集成。先在账户设置里生成个人访问令牌再到 Automations 列表里找到目标 crew 的自动化 UUID然后对 deploy 接口发一个带 Bearer 令牌的 POST 请求curl -i -X POST \ -H Authorization: Bearer YOUR_PERSONAL_ACCESS_TOKEN \ https://app.crewai.com/crewai_plus/api/v1/crews/YOUR-AUTOMATION-UUID/deploy返回成功即表示重新部署已触发之后同样用状态接口或控制台确认构建完成。上线后调用与验证部署成功后平台会分配一个专属 HTTPS 端点三个关键路由GET /inputs列出本次执行需要哪些入参调用前先查它确认参数名POST /kickoff携带入参启动一次执行成功后拿到kickoff_idGET /status/{kickoff_id}用kickoff_id轮询执行状态除了直接请求端点AMP 控制台可以查看执行历史、性能指标和逐条执行跟踪排查调用了但结果不对这类问题时优先看跟踪视图能定位到具体哪个 agent、哪一步出了问题。故障速查构建失败依赖解析错误锁定文件缺失或未提交补uv.lock后再推找不到入口点/模块核对pyproject.toml的type与run()/kickoff()是否匹配找不到 Crew 或配置检查是否漏了CrewBase装饰器运行失败LLM 连接失败、鉴权报错核对密钥的值与环境变量名注意平台上的变量名必须与代码读取的一致执行中途失败打开控制台的执行日志确认所有工具所需的 API 密钥都已配置agents.yaml、tasks.yaml内容有效调用失败401/403令牌过期或端点地址复制不完整400 参数错误先调/inputs对照必填参数再修正请求体继续深入CLI 概念说明POST /kickoff 接口参考 与 GET /status 接口参考创建第一个 Crew 指南下一步建议先用 CLI 把现有项目发布一次跑通/kickoff到/status/{kickoff_id}的完整调用确认稳定后再把 API 重新部署接入你的流水线。【免费下载链接】crewAIFramework for orchestrating role-playing, autonomous AI agents. By fostering collaborative intelligence, CrewAI empowers agents to work together seamlessly, tackling complex tasks.项目地址: https://gitcode.com/GitHub_Trending/cr/crewAI创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考