Collaboration 协作与委托

CrewAI 的核心优势在于多 Agent 协作——Agent 之间可以共享信息、委托任务，像真实团队一样分工合作。

1. 协作机制概览

CrewAI 提供两种协作方式：

方式	说明	触发方式
上下文传递	前一个任务的输出作为下一个任务的输入	context 参数
任务委托	Agent 将子任务动态委派给更合适的 Agent	allow_delegation=True

2. 上下文传递

通过 Task 的 context 参数实现数据流：

research_task = Task(
    description="搜集 AI 市场数据",
    expected_output="市场研究报告",
    agent=researcher
)

analysis_task = Task(
    description="分析市场数据",
    expected_output="分析报告",
    agent=analyst,
    context=[research_task]  # 接收研究任务输出
)

在 Sequential 流程中，前一个任务的输出会自动传递给下一个任务，无需显式配置 context。context 在以下场景更有用：

• 非相邻任务的数据传递
• 多个任务的输出汇总

3. 任务委托 (Delegation)

3.1 启用委托

project_manager = Agent(
    role="项目经理",
    goal="协调团队高效完成项目",
    backstory="经验丰富的项目经理",
    allow_delegation=True  # 允许委托
)

developer = Agent(
    role="开发工程师",
    goal="编写高质量代码",
    backstory="全栈开发工程师",
    allow_delegation=False  # 不允许委托
)

3.2 委托工作方式

当 allow_delegation=True 时，Agent 可以：

1. 评估任务：判断当前任务是否超出自身能力范围
2. 识别合适的 Agent：在 Crew 中找到更适合的执行者
3. 委派子任务：将具体工作委托给目标 Agent
4. 接收结果：获取被委托 Agent 的执行结果
5. 整合输出：将委托结果与自身工作整合

3.3 层级流程中的委托

在 Hierarchical 流程中，Manager Agent 天然具备委托能力：

from crewai import Crew, Process

crew = Crew(
    agents=[researcher, analyst, writer],
    tasks=[complex_task],
    process=Process.hierarchical,
    manager_llm="openai/gpt-4o"
)

Manager 会自动：

• 分析任务需求
• 选择最合适的 Agent
• 分配和监督执行
• 审查和汇总结果

4. 协作模式

4.1 管道模式（Pipeline）

# 每个 Agent 处理一个环节，按顺序传递
crew = Crew(
    agents=[researcher, analyst, writer],
    tasks=[research_task, analysis_task, writing_task],
    process=Process.sequential
)

4.2 协调者模式（Coordinator）

# Manager 统一协调分配
crew = Crew(
    agents=[researcher, analyst, writer],
    tasks=[research_task, analysis_task, writing_task],
    process=Process.hierarchical,
    manager_llm="openai/gpt-4o"
)

4.3 专家委托模式

# 通用 Agent 可以向专家委托
generalist = Agent(
    role="通用助手",
    goal="回答各类问题",
    backstory="全面但不深入的助手",
    allow_delegation=True  # 遇到专业问题可委托
)

specialist = Agent(
    role="数据库专家",
    goal="解决复杂的数据库问题",
    backstory="资深 DBA",
    allow_delegation=False
)

5. 最佳实践

• 明确角色边界：每个 Agent 的 role 和 goal 要清晰，避免职责重叠
• 谨慎开启委托：只对需要动态分配的 Agent 开启 allow_delegation
• 控制委托深度：避免 Agent 之间循环委托，通过 max_iter 限制
• 使用 verbose：开发期间开启 verbose=True 观察委托行为

---

先修：Crews 团队编排 | Processes 执行流程

下一步：

• Planning & Reasoning — 规划与推理能力
• Guardrails 任务守卫 — 输出质量验证

参考：

• 🔗 CrewAI Collaboration (Official)