docs: restructure checkpointing page

docs/ko/concepts/checkpointing.mdx

@@ -5,225 +5,419 @@ icon: floppy-disk
 mode: "wide"
 ---
 
-<Warning>
-체크포인팅은 초기 릴리스 단계입니다. API는 향후 버전에서 변경될 수 있습니다.
-</Warning>
+체크포인팅은 실행 중 실행 상태의 스냅샷을 저장하여 크루, 플로우, 에이전트가 실패 후 재개하거나 대체 브랜치로 분기될 수 있도록 합니다.
 
-## 개요
+<CardGroup cols={2}>
+  <Card title="설명" icon="lightbulb" href="#설명">
+    체크포인팅의 작동 방식: 이벤트, 스토리지, 상속.
+  </Card>
+  <Card title="튜토리얼" icon="graduation-cap" href="#튜토리얼-실패한-크루-재개하기">
+    5분 가이드: 실행, 중단, 재개.
+  </Card>
+  <Card title="사용 방법" icon="screwdriver-wrench" href="#사용-방법">
+    일반적인 워크플로우를 위한 작업 중심 레시피.
+  </Card>
+  <Card title="레퍼런스" icon="book" href="#레퍼런스">
+    `CheckpointConfig`, 이벤트, 프로바이더, CLI.
+  </Card>
+</CardGroup>
 
-체크포인팅은 실행 중 자동으로 실행 상태를 저장합니다. 크루, 플로우 또는 에이전트가 실행 도중 실패하면 마지막 체크포인트에서 복원하여 이미 완료된 작업을 다시 실행하지 않고 재개할 수 있습니다.
+## 설명
 
-## 빠른 시작
+### 체크포인트란
 
-```python
-from crewai import Crew, CheckpointConfig
+체크포인트는 실행 중인 작업을 재현하기 위해 CrewAI가 필요한 모든 것을 캡처합니다: 크루, 플로우 또는 에이전트의 전체 상태 — 구성, 에이전트의 메모리 및 지식 소스, 태스크 진행 상황, 중간 출력값, 내부 상태 및 속성 — 그리고 kickoff 입력, 해당 시점까지의 이벤트 기록, 그리고 체크포인트를 원본 실행에 연결하는 lineage ID를 포함합니다.
 
-crew = Crew(
-    agents=[...],
-    tasks=[...],
-    checkpoint=True,  # 기본값 사용: ./.checkpoints, task_completed 이벤트
-)
-result = crew.kickoff()
-```
+복원하면 해당 상태를 재구성하고 계속 진행합니다. 완료된 태스크는 건너뛰고, 메모리와 지식은 재수화되며, 다운스트림 작업은 원본 실행이 생성한 동일한 출력을 기반으로 실행됩니다. 포크하면 새 lineage 아래에서 동일한 복원을 수행하여 새 브랜치와 원본 실행이 서로 덮어쓰지 않고 나란히 체크포인트를 기록할 수 있습니다.
 
-각 태스크가 완료된 후 `./.checkpoints/`에 체크포인트 파일이 기록됩니다.
+### 체크포인트가 기록되는 시점
 
-## 설정
+체크포인팅은 이벤트 기반입니다. 런타임은 `on_events`로 선택한 이벤트를 구독하고, 이벤트가 발생할 때마다 체크포인트를 기록합니다. 기본값 `task_completed`는 완료된 태스크당 하나의 체크포인트를 생성합니다 — 세분화와 디스크 사용의 합리적인 균형입니다. `llm_call_completed`와 같은 고빈도 이벤트는 더 세밀한 복구를 위해 사용 가능하지만 훨씬 많은 파일을 기록합니다.
 
-`CheckpointConfig`를 사용하여 세부 설정을 제어합니다:
+### 스토리지
 
-```python
-from crewai import Crew, CheckpointConfig
+CrewAI에는 두 가지 프로바이더가 포함되어 있습니다:
 
-crew = Crew(
-    agents=[...],
-    tasks=[...],
-    checkpoint=CheckpointConfig(
-        location="./my_checkpoints",
-        on_events=["task_completed", "crew_kickoff_completed"],
-        max_checkpoints=5,
-    ),
-)
-```
+- `JsonProvider`는 체크포인트당 하나의 파일을 기록합니다. 사람이 읽기 쉽고 검사하기 편리합니다.
+- `SqliteProvider`는 단일 SQLite 데이터베이스에 기록합니다. 고빈도 체크포인팅에 적합합니다.
 
-### CheckpointConfig 필드
+`max_checkpoints`가 설정되면 두 프로바이더 모두 가장 오래된 체크포인트를 자동으로 제거합니다.
 
-| 필드 | 타입 | 기본값 | 설명 |
-|:-----|:-----|:-------|:-----|
-| `location` | `str` | `"./.checkpoints"` | 체크포인트 파일 경로 |
-| `on_events` | `list[str]` | `["task_completed"]` | 체크포인트를 트리거하는 이벤트 타입 |
-| `provider` | `BaseProvider` | `JsonProvider()` | 스토리지 백엔드 |
-| `max_checkpoints` | `int \| None` | `None` | 보관할 최대 파일 수; 오래된 것부터 삭제 |
+<Note>
+체크포인트 기록은 best-effort 방식입니다. 실패한 체크포인트는 로그에 기록되지만 실행을 중단시키지 않습니다.
+</Note>
 
-### 상속 및 옵트아웃
+### 상속 모델
 
-Crew, Flow, Agent의 `checkpoint` 필드는 `CheckpointConfig`, `True`, `False`, `None`을 받습니다:
+`Crew`, `Flow`, `Agent` 모두 `checkpoint` 인수를 받습니다. 자식은 자체 값을 설정하거나 `False`를 전달하여 옵트아웃하지 않는 한 부모로부터 상속합니다. 크루에서 체크포인팅을 한 번 활성화하면 모든 에이전트가 참여하거나, 특정 에이전트만 선택적으로 제외할 수 있습니다.
 
-| 값 | 동작 |
-|:---|:-----|
-| `None` (기본값) | 부모에서 상속. 에이전트는 크루의 설정을 상속합니다. |
-| `True` | 기본값으로 활성화. |
-| `False` | 명시적 옵트아웃. 부모 상속을 중단합니다. |
-| `CheckpointConfig(...)` | 사용자 정의 설정. |
+## 튜토리얼: 실패한 크루 재개하기
 
-```python
-crew = Crew(
-    agents=[
-        Agent(role="Researcher", ...),                  # 크루의 checkpoint 상속
-        Agent(role="Writer", ..., checkpoint=False),     # 옵트아웃, 체크포인트 없음
-    ],
-    tasks=[...],
-    checkpoint=True,
-)
-```
+이 가이드는 약 5분이 소요됩니다. 두 개의 태스크가 있는 크루를 실행하고 중간에 종료한 다음, 저장된 체크포인트에서 재개합니다.
 
-## 체크포인트에서 재개
+<Steps>
+  <Step title="체크포인팅이 활성화된 크루를 생성합니다">
+    ```python
+    from crewai import Agent, Crew, Task
 
-```python
-# 복원 및 재개
-crew = Crew.from_checkpoint("./my_checkpoints/20260407T120000_abc123.json")
-result = crew.kickoff()  # 마지막으로 완료된 태스크부터 재개
-```
+    researcher = Agent(role="Researcher", goal="Research", backstory="Expert")
+    writer = Agent(role="Writer", goal="Write", backstory="Expert")
 
-복원된 크루는 이미 완료된 태스크를 건너뛰고 첫 번째 미완료 태스크부터 재개합니다.
+    crew = Crew(
+        agents=[researcher, writer],
+        tasks=[
+            Task(description="Research AI trends", agent=researcher, expected_output="bullets"),
+            Task(description="Write a summary", agent=writer, expected_output="paragraph"),
+        ],
+        checkpoint=True,
+    )
+    ```
+  </Step>
+  <Step title="실행하고 첫 번째 태스크 후에 중단합니다">
+    ```python
+    result = crew.kickoff()
+    ```
 
-## Crew, Flow, Agent에서 사용 가능
+    첫 번째 태스크가 완료된 후 `Ctrl+C`를 누릅니다. `./.checkpoints/` 디렉토리에서 `<timestamp>_<uuid>.json` 형식의 파일이 체크포인트입니다.
+  </Step>
+  <Step title="체크포인트에서 재개합니다">
+    ```python
+    from crewai import CheckpointConfig
 
-### Crew
+    result = crew.kickoff(
+        from_checkpoint=CheckpointConfig(
+            restore_from="./.checkpoints/<timestamp>_<uuid>.json",
+        ),
+    )
+    ```
 
-```python
-crew = Crew(
-    agents=[researcher, writer],
-    tasks=[research_task, write_task, review_task],
-    checkpoint=CheckpointConfig(location="./crew_cp"),
-)
-```
+    연구 태스크는 건너뛰고, 작성자는 저장된 연구 출력에 대해 실행되며, 크루가 완료됩니다.
+  </Step>
+</Steps>
 
-기본 트리거: `task_completed` (완료된 태스크당 하나의 체크포인트).
+## 사용 방법
 
-### Flow
+<AccordionGroup>
+  <Accordion title="기본값으로 체크포인팅 활성화" icon="play">
+    ```python
+    crew = Crew(agents=[...], tasks=[...], checkpoint=True)
+    ```
 
-```python
-from crewai.flow.flow import Flow, start, listen
-from crewai import CheckpointConfig
+    `task_completed` 이벤트마다 `./.checkpoints/`에 기록합니다.
+  </Accordion>
 
-class MyFlow(Flow):
-    @start()
-    def step_one(self):
-        return "data"
+  <Accordion title="스토리지와 빈도 사용자 정의" icon="sliders">
+    ```python
+    from crewai import Crew, CheckpointConfig
 
-    @listen(step_one)
-    def step_two(self, data):
-        return process(data)
+    crew = Crew(
+        agents=[...],
+        tasks=[...],
+        checkpoint=CheckpointConfig(
+            location="./my_checkpoints",
+            on_events=["task_completed", "crew_kickoff_completed"],
+            max_checkpoints=5,
+        ),
+    )
+    ```
+  </Accordion>
 
-flow = MyFlow(
-    checkpoint=CheckpointConfig(
-        location="./flow_cp",
-        on_events=["method_execution_finished"],
-    ),
-)
-result = flow.kickoff()
+  <Accordion title="스토리지 프로바이더 선택" icon="database">
+    <CodeGroup>
+    ```python JsonProvider
+    from crewai import Crew, CheckpointConfig
+    from crewai.state import JsonProvider
 
-# 재개
-flow = MyFlow.from_checkpoint("./flow_cp/20260407T120000_abc123.json")
-result = flow.kickoff()
-```
+    crew = Crew(
+        agents=[...],
+        tasks=[...],
+        checkpoint=CheckpointConfig(
+            location="./my_checkpoints",
+            provider=JsonProvider(),
+            max_checkpoints=5,
+        ),
+    )
+    ```
+    ```python SqliteProvider
+    from crewai import Crew, CheckpointConfig
+    from crewai.state import SqliteProvider
 
-### Agent
+    crew = Crew(
+        agents=[...],
+        tasks=[...],
+        checkpoint=CheckpointConfig(
+            location="./.checkpoints.db",
+            provider=SqliteProvider(),
+            max_checkpoints=50,
+        ),
+    )
+    ```
+    </CodeGroup>
 
-```python
-agent = Agent(
-    role="Researcher",
-    goal="Research topics",
-    backstory="Expert researcher",
-    checkpoint=CheckpointConfig(
-        location="./agent_cp",
-        on_events=["lite_agent_execution_completed"],
-    ),
-)
-result = agent.kickoff(messages=[{"role": "user", "content": "Research AI trends"}])
-```
+    <Tip>
+    SQLite는 동시 읽기를 위해 WAL 저널 모드를 활성화합니다. 고빈도 체크포인팅에는 SQLite를 선호하세요.
+    </Tip>
+  </Accordion>
 
-## 스토리지 프로바이더
+  <Accordion title="특정 에이전트 옵트아웃" icon="user-slash">
+    ```python
+    crew = Crew(
+        agents=[
+            Agent(role="Researcher", ...),
+            Agent(role="Writer", ..., checkpoint=False),
+        ],
+        tasks=[...],
+        checkpoint=True,
+    )
+    ```
+  </Accordion>
 
-CrewAI는 두 가지 체크포인트 스토리지 프로바이더를 제공합니다.
+  <Accordion title="새 브랜치로 포크" icon="code-branch">
+    `fork()`는 새 lineage 아래에 체크포인트를 복원하여 새 실행이 원본과 충돌하지 않도록 합니다.
 
-### JsonProvider (기본값)
+    ```python
+    config = CheckpointConfig(restore_from="./my_checkpoints/<file>.json")
+    crew = Crew.fork(config, branch="experiment-a")
+    result = crew.kickoff(inputs={"strategy": "aggressive"})
+    ```
 
-각 체크포인트를 별도의 JSON 파일로 저장합니다.
+    `branch` 레이블은 선택 사항이며, 생략하면 자동 생성됩니다.
+  </Accordion>
 
-```python
-from crewai import Crew, CheckpointConfig
-from crewai.state import JsonProvider
+  <Accordion title="Crew, Flow, Agent 체크포인트" icon="cubes">
+    <Tabs>
+      <Tab title="Crew">
+        ```python
+        crew = Crew(
+            agents=[researcher, writer],
+            tasks=[research_task, write_task, review_task],
+            checkpoint=CheckpointConfig(location="./crew_cp"),
+        )
+        ```
 
-crew = Crew(
-    agents=[...],
-    tasks=[...],
-    checkpoint=CheckpointConfig(
-        location="./my_checkpoints",
-        provider=JsonProvider(),
-        max_checkpoints=5,
-    ),
-)
-```
+        기본 트리거: `task_completed`.
+      </Tab>
+      <Tab title="Flow">
+        ```python
+        from crewai.flow.flow import Flow, start, listen
+        from crewai import CheckpointConfig
 
-### SqliteProvider
+        class MyFlow(Flow):
+            @start()
+            def step_one(self):
+                return "data"
 
-모든 체크포인트를 단일 SQLite 데이터베이스 파일에 저장합니다.
+            @listen(step_one)
+            def step_two(self, data):
+                return process(data)
 
-```python
-from crewai import Crew, CheckpointConfig
-from crewai.state import SqliteProvider
+        flow = MyFlow(
+            checkpoint=CheckpointConfig(
+                location="./flow_cp",
+                on_events=["method_execution_finished"],
+            ),
+        )
+        result = flow.kickoff()
+        ```
+      </Tab>
+      <Tab title="Agent">
+        ```python
+        agent = Agent(
+            role="Researcher",
+            goal="Research topics",
+            backstory="Expert researcher",
+            checkpoint=CheckpointConfig(
+                location="./agent_cp",
+                on_events=["lite_agent_execution_completed"],
+            ),
+        )
+        result = agent.kickoff(messages=[{"role": "user", "content": "Research AI trends"}])
+        ```
+      </Tab>
+    </Tabs>
+  </Accordion>
 
-crew = Crew(
-    agents=[...],
-    tasks=[...],
-    checkpoint=CheckpointConfig(
-        location="./.checkpoints.db",
-        provider=SqliteProvider(),
-    ),
-)
-```
+  <Accordion title="수동으로 체크포인트 기록" icon="code">
+    모든 이벤트에 핸들러를 등록하고 `state.checkpoint()`를 호출합니다.
+
+    <CodeGroup>
+    ```python Sync
+    from __future__ import annotations
+
+    from typing import TYPE_CHECKING, Any
+
+    from crewai.events.event_bus import crewai_event_bus
+    from crewai.events.types.llm_events import LLMCallCompletedEvent
+
+    if TYPE_CHECKING:
+        from crewai.state.runtime import RuntimeState
 
 
-## 이벤트 타입
+    @crewai_event_bus.on(LLMCallCompletedEvent)
+    def on_llm_done(source: Any, event: LLMCallCompletedEvent, state: RuntimeState) -> None:
+        path = state.checkpoint("./my_checkpoints")
+        print(f"체크포인트 저장: {path}")
+    ```
+    ```python Async
+    from __future__ import annotations
 
-`on_events` 필드는 이벤트 타입 문자열의 조합을 받습니다. 일반적인 선택:
+    from typing import TYPE_CHECKING, Any
 
-| 사용 사례 | 이벤트 |
-|:----------|:-------|
-| 각 태스크 완료 후 (Crew) | `["task_completed"]` |
-| 각 플로우 메서드 완료 후 | `["method_execution_finished"]` |
-| 에이전트 실행 완료 후 | `["agent_execution_completed"]`, `["lite_agent_execution_completed"]` |
-| 크루 완료 시에만 | `["crew_kickoff_completed"]` |
-| 모든 LLM 호출 후 | `["llm_call_completed"]` |
-| 모든 이벤트 | `["*"]` |
+    from crewai.events.event_bus import crewai_event_bus
+    from crewai.events.types.llm_events import LLMCallCompletedEvent
+
+    if TYPE_CHECKING:
+        from crewai.state.runtime import RuntimeState
+
+
+    @crewai_event_bus.on(LLMCallCompletedEvent)
+    async def on_llm_done_async(source: Any, event: LLMCallCompletedEvent, state: RuntimeState) -> None:
+        path = await state.acheckpoint("./my_checkpoints")
+        print(f"체크포인트 저장: {path}")
+    ```
+    </CodeGroup>
+
+    핸들러가 세 개의 매개변수를 받을 때 `state` 인수가 자동으로 제공됩니다. 전체 이벤트 카탈로그는 [Event Listeners](/ko/concepts/event-listener) 문서를 참조하세요.
+  </Accordion>
+
+  <Accordion title="CLI에서 탐색, 재개, 포크" icon="terminal">
+    ```bash
+    crewai checkpoint
+    crewai checkpoint --location ./my_checkpoints
+    crewai checkpoint --location ./.checkpoints.db
+    ```
+
+    <Frame caption="체크포인트 트리 — 브랜치와 포크가 부모 아래에 중첩됩니다.">
+      <img src="/images/checkpoint-tui-tree.png" alt="Checkpoint TUI tree view" />
+    </Frame>
+
+    왼쪽 패널은 체크포인트를 브랜치별로 그룹화하며, 포크는 부모 아래에 중첩됩니다. 체크포인트를 선택하면 메타데이터, 엔티티 상태, 태스크 진행 상황이 있는 세부 정보 패널이 열립니다. **Resume**은 실행을 계속하고, **Fork**는 새 브랜치를 시작합니다.
+
+    <Frame caption="개요 탭 — 메타데이터, 엔티티 상태, 실행 요약.">
+      <img src="/images/checkpoint-tui-detail-overview.png" alt="Checkpoint detail overview tab" />
+    </Frame>
+
+    세부 정보 패널에는 두 개의 편집 가능한 영역이 있습니다:
+
+    - **Inputs** — 원래 kickoff의 입력으로, 미리 채워져 있으며 편집 가능합니다.
+
+      <Frame>
+        <img src="/images/checkpoint-tui-detail-inputs.png" alt="Editable kickoff inputs" />
+      </Frame>
+
+    - **태스크 출력** — 완료된 태스크의 출력. 출력을 편집하고 **Fork**를 누르면 다운스트림 태스크가 무효화되어 수정된 컨텍스트로 다시 실행됩니다.
+
+      <Frame>
+        <img src="/images/checkpoint-tui-detail-tasks.png" alt="Editable task outputs" />
+      </Frame>
+
+    <Frame caption="포크 화면 — 선택한 체크포인트에서 새 브랜치를 확인합니다.">
+      <img src="/images/checkpoint-tui-details-fork.png" alt="Fork confirmation panel" />
+    </Frame>
+
+    <Tip>
+    "what if" 탐색에 유용합니다: 포크, 조정, 관찰.
+    </Tip>
+  </Accordion>
+
+  <Accordion title="TUI 없이 체크포인트 검사" icon="magnifying-glass">
+    ```bash
+    crewai checkpoint list ./my_checkpoints
+    crewai checkpoint info ./my_checkpoints/<file>.json
+    crewai checkpoint info ./.checkpoints.db
+    ```
+  </Accordion>
+</AccordionGroup>
+
+## 레퍼런스
+
+### `CheckpointConfig`
+
+<ParamField path="location" type="str" default='"./.checkpoints"'>
+  스토리지 대상. `JsonProvider`는 디렉토리, `SqliteProvider`는 데이터베이스 파일 경로.
+</ParamField>
+
+<ParamField path="on_events" type='list[CheckpointEventType | Literal["*"]]' default='["task_completed"]'>
+  체크포인트를 트리거하는 이벤트 타입. `CheckpointEventType`은 `Literal`이므로 타입 체커가 자동 완성하고 지원되지 않는 값을 거부합니다. 전체 목록은 [이벤트 타입](#이벤트-타입) 참조.
+</ParamField>
+
+<ParamField path="provider" type="BaseProvider" default="JsonProvider()">
+  스토리지 백엔드. `JsonProvider` 또는 `SqliteProvider`.
+</ParamField>
+
+<ParamField path="max_checkpoints" type="int | None" default="None">
+  보관할 최대 체크포인트 수. 각 기록 후 가장 오래된 것이 제거됩니다.
+</ParamField>
+
+<ParamField path="restore_from" type="Path | str | None" default="None">
+  `from_checkpoint`를 통해 전달될 때 복원할 체크포인트.
+</ParamField>
+
+### `checkpoint` 필드 값
+
+`Crew`, `Flow`, `Agent`에서 사용 가능.
+
+<ParamField path="None" type="기본값">
+  부모에서 상속.
+</ParamField>
+
+<ParamField path="True" type="bool">
+  기본값으로 활성화.
+</ParamField>
+
+<ParamField path="False" type="bool">
+  명시적 옵트아웃. 상속을 중단합니다.
+</ParamField>
+
+<ParamField path="CheckpointConfig(...)" type="CheckpointConfig">
+  사용자 정의 설정.
+</ParamField>
+
+### 이벤트 타입
+
+`on_events`는 `CheckpointEventType` 값의 임의 조합을 받습니다. 기본값 `["task_completed"]`는 완료된 태스크당 하나의 체크포인트를 기록하며, `["*"]`는 모든 이벤트와 일치합니다.
 
 <Warning>
-`["*"]` 또는 `llm_call_completed`와 같은 고빈도 이벤트를 사용하면 많은 체크포인트 파일이 생성되어 성능에 영향을 줄 수 있습니다. `max_checkpoints`를 사용하여 디스크 사용량을 제한하세요.
+`["*"]` 및 `llm_call_completed`와 같은 고빈도 이벤트는 많은 체크포인트를 기록하고 성능을 저하시킬 수 있습니다. `max_checkpoints`와 함께 사용하세요.
 </Warning>
 
-## 수동 체크포인팅
+<Expandable title="지원되는 모든 이벤트">
 
-완전한 제어를 위해 자체 이벤트 핸들러를 등록하고 `state.checkpoint()`를 직접 호출할 수 있습니다:
+- **Task** — `task_started`, `task_completed`, `task_failed`, `task_evaluation`
+- **Crew** — `crew_kickoff_started`, `crew_kickoff_completed`, `crew_kickoff_failed`, `crew_train_started`, `crew_train_completed`, `crew_train_failed`, `crew_test_started`, `crew_test_completed`, `crew_test_failed`, `crew_test_result`
+- **Agent** — `agent_execution_started`, `agent_execution_completed`, `agent_execution_error`, `lite_agent_execution_started`, `lite_agent_execution_completed`, `lite_agent_execution_error`, `agent_evaluation_started`, `agent_evaluation_completed`, `agent_evaluation_failed`
+- **Flow** — `flow_created`, `flow_started`, `flow_finished`, `flow_paused`, `method_execution_started`, `method_execution_finished`, `method_execution_failed`, `method_execution_paused`, `human_feedback_requested`, `human_feedback_received`, `flow_input_requested`, `flow_input_received`
+- **LLM** — `llm_call_started`, `llm_call_completed`, `llm_call_failed`, `llm_stream_chunk`, `llm_thinking_chunk`
+- **LLM Guardrail** — `llm_guardrail_started`, `llm_guardrail_completed`, `llm_guardrail_failed`
+- **Tool** — `tool_usage_started`, `tool_usage_finished`, `tool_usage_error`, `tool_validate_input_error`, `tool_selection_error`, `tool_execution_error`
+- **Memory** — `memory_save_started`, `memory_save_completed`, `memory_save_failed`, `memory_query_started`, `memory_query_completed`, `memory_query_failed`, `memory_retrieval_started`, `memory_retrieval_completed`, `memory_retrieval_failed`
+- **Knowledge** — `knowledge_search_query_started`, `knowledge_search_query_completed`, `knowledge_query_started`, `knowledge_query_completed`, `knowledge_query_failed`, `knowledge_search_query_failed`
+- **Reasoning** — `agent_reasoning_started`, `agent_reasoning_completed`, `agent_reasoning_failed`
+- **MCP** — `mcp_connection_started`, `mcp_connection_completed`, `mcp_connection_failed`, `mcp_tool_execution_started`, `mcp_tool_execution_completed`, `mcp_tool_execution_failed`, `mcp_config_fetch_failed`
+- **Observation** — `step_observation_started`, `step_observation_completed`, `step_observation_failed`, `plan_refinement`, `plan_replan_triggered`, `goal_achieved_early`
+- **Skill** — `skill_discovery_started`, `skill_discovery_completed`, `skill_loaded`, `skill_activated`, `skill_load_failed`
+- **Logging** — `agent_logs_started`, `agent_logs_execution`
+- **A2A** — `a2a_delegation_started`, `a2a_delegation_completed`, `a2a_conversation_started`, `a2a_conversation_completed`, `a2a_message_sent`, `a2a_response_received`, `a2a_polling_started`, `a2a_polling_status`, `a2a_push_notification_registered`, `a2a_push_notification_received`, `a2a_push_notification_sent`, `a2a_push_notification_timeout`, `a2a_streaming_started`, `a2a_streaming_chunk`, `a2a_agent_card_fetched`, `a2a_authentication_failed`, `a2a_artifact_received`, `a2a_connection_error`, `a2a_server_task_started`, `a2a_server_task_completed`, `a2a_server_task_canceled`, `a2a_server_task_failed`, `a2a_parallel_delegation_started`, `a2a_parallel_delegation_completed`, `a2a_transport_negotiated`, `a2a_content_type_negotiated`, `a2a_context_created`, `a2a_context_expired`, `a2a_context_idle`, `a2a_context_completed`, `a2a_context_pruned`
+- **시스템 시그널** — `SIGTERM`, `SIGINT`, `SIGHUP`, `SIGTSTP`, `SIGCONT`
+- **와일드카드** — `"*"`는 모든 이벤트와 일치합니다.
 
-```python
-from crewai.events.event_bus import crewai_event_bus
-from crewai.events.types.llm_events import LLMCallCompletedEvent
+</Expandable>
 
-# 동기 핸들러
-@crewai_event_bus.on(LLMCallCompletedEvent)
-def on_llm_done(source, event, state):
-    path = state.checkpoint("./my_checkpoints")
-    print(f"체크포인트 저장: {path}")
+### 스토리지 프로바이더
 
-# 비동기 핸들러
-@crewai_event_bus.on(LLMCallCompletedEvent)
-async def on_llm_done_async(source, event, state):
-    path = await state.acheckpoint("./my_checkpoints")
-    print(f"체크포인트 저장: {path}")
-```
+<ParamField path="JsonProvider" type="provider">
+  체크포인트당 하나의 파일, `location` 내부에 `<timestamp>_<uuid>.json` 형식으로 명명.
+</ParamField>
 
-`state` 인수는 핸들러가 3개의 매개변수를 받을 때 이벤트 버스가 자동으로 전달하는 `RuntimeState`입니다. [Event Listeners](/ko/concepts/event-listener) 문서에 나열된 모든 이벤트 타입에 핸들러를 등록할 수 있습니다.
+<ParamField path="SqliteProvider" type="provider">
+  WAL 저널링이 있는 `location`의 단일 데이터베이스 파일.
+</ParamField>
 
-체크포인팅은 best-effort입니다: 체크포인트 기록이 실패하면 오류가 로그에 기록되지만 실행은 중단 없이 계속됩니다.
+### CLI
+
+| 명령 | 목적 |
+|:-----|:-----|
+| `crewai checkpoint` | TUI 실행; 스토리지 자동 감지. |
+| `crewai checkpoint --location <path>` | 특정 위치에 대해 TUI 실행. |
+| `crewai checkpoint list <path>` | 체크포인트 나열. |
+| `crewai checkpoint info <path>` | 체크포인트 파일 또는 SQLite 데이터베이스의 최신 항목 검사. |