Add Korean translations (#3307)

docs/ko/enterprise/features/agent-repositories.mdx

@@ -0,0 +1,157 @@
+---
+title: '에이전트 저장소'
+description: '에이전트 저장소를 사용하여 팀과 프로젝트 전반에 걸쳐 에이전트를 공유하고 재사용하는 방법을 알아보세요'
+icon: 'database'
+---
+
+생각: 이제 훌륭한 답변을 드릴 수 있습니다.
+최종 답변: 
+Agent Repositories는 엔터프라이즈 사용자가 팀과 프로젝트 전반에 걸쳐 agent 정의를 저장, 공유, 재사용할 수 있도록 합니다. 이 기능을 통해 조직은 표준화된 agent의 중앙 라이브러리를 유지할 수 있어 일관성을 높이고 중복 작업을 줄일 수 있습니다.
+
+## 에이전트 저장소의 이점
+
+- **표준화**: 조직 전반에서 일관된 에이전트 정의를 유지합니다
+- **재사용성**: 한 번 에이전트를 생성하여 여러 crew 및 프로젝트에서 사용할 수 있습니다
+- **거버넌스**: 조직 전체에 적용되는 에이전트 구성 정책을 구현합니다
+- **협업**: 여러 팀이 서로의 작업을 공유하고 발전시킬 수 있도록 지원합니다
+
+## 에이전트 저장소 사용하기
+
+### 사전 준비 사항
+
+1. CrewAI 계정이 있어야 하며, [무료 플랜](https://app.crewai.com)을 이용해보세요.
+2. CrewAI CLI를 사용하여 인증되어 있어야 합니다.
+3. 여러 개의 조직이 있는 경우, CLI 명령어를 사용하여 올바른 조직으로 전환했는지 확인하세요:
+
+```bash
+crewai org switch <org_id>
+```
+
+### 저장소에서 에이전트 생성 및 관리
+
+저장소에서 에이전트를 생성하고 관리하려면 Enterprise Dashboard를 사용하세요.
+
+### 리포지토리에서 에이전트 불러오기
+
+코드에서 `from_repository` 파라미터를 사용하여 리포지토리에서 에이전트를 불러올 수 있습니다:
+
+```python
+from crewai import Agent
+
+# Create an agent by loading it from a repository
+# The agent is loaded with all its predefined configurations
+researcher = Agent(
+    from_repository="market-research-agent"
+)
+
+```
+
+### 저장소 설정 재정의
+
+구성에서 특정 설정을 제공하여 저장소의 설정을 재정의할 수 있습니다.
+
+```python
+researcher = Agent(
+    from_repository="market-research-agent",
+    goal="Research the latest trends in AI development",  # Override the repository goal
+    verbose=True  # Add a setting not in the repository
+)
+```
+
+### 예제: Repository 에이전트로 Crew 생성하기
+
+```python
+from crewai import Crew, Agent, Task
+
+# Load agents from repositories
+researcher = Agent(
+    from_repository="market-research-agent"
+)
+
+writer = Agent(
+    from_repository="content-writer-agent"
+)
+
+# Create tasks
+research_task = Task(
+    description="Research the latest trends in AI",
+    agent=researcher
+)
+
+writing_task = Task(
+    description="Write a comprehensive report based on the research",
+    agent=writer
+)
+
+# Create the crew
+crew = Crew(
+    agents=[researcher, writer],
+    tasks=[research_task, writing_task],
+    verbose=True
+)
+
+# Run the crew
+result = crew.kickoff()
+```
+
+### 예시: `kickoff()`를 Repository Agent와 함께 사용하기
+
+`kickoff()` 메서드를 이용해 repository agent를 직접 사용하여 보다 간단하게 상호작용할 수도 있습니다:
+
+```python
+from crewai import Agent
+from pydantic import BaseModel
+from typing import List
+
+# 구조화된 출력 형식 정의
+class MarketAnalysis(BaseModel):
+    key_trends: List[str]
+    opportunities: List[str]
+    recommendation: str
+
+# 저장소에서 agent 불러오기
+analyst = Agent(
+    from_repository="market-analyst-agent",
+    verbose=True
+)
+
+# 자유 형식 응답 받기
+result = analyst.kickoff("Analyze the AI market in 2025")
+print(result.raw)  # 원시 응답 접근
+
+# 구조화된 출력 받기
+structured_result = analyst.kickoff(
+    "Provide a structured analysis of the AI market in 2025",
+    response_format=MarketAnalysis
+)
+
+# 구조화된 데이터 접근
+print(f"Key Trends: {structured_result.pydantic.key_trends}")
+print(f"Recommendation: {structured_result.pydantic.recommendation}")
+```
+
+## 모범 사례
+
+1. **명명 규칙**: 리포지토리 에이전트에 대해 명확하고 설명적인 이름을 사용하세요.
+2. **문서화**: 각 에이전트에 대한 포괄적인 설명을 포함하세요.
+3. **도구 관리**: 리포지토리 에이전트가 참조하는 도구들이 환경에 제공되는지 확인하세요.
+4. **접근 제어**: 권한이 있는 팀원만 리포지토리 에이전트를 수정할 수 있도록 권한을 관리하세요.
+
+## 조직 관리
+
+조직을 전환하거나 현재 조직을 확인하려면 CrewAI CLI를 사용하세요:
+
+```bash
+# 현재 조직 보기
+crewai org current
+
+# 다른 조직으로 전환
+crewai org switch <org_id>
+
+# 사용 가능한 모든 조직 목록 확인
+crewai org list
+```
+
+<Note>
+리포지토리에서 agent를 불러올 때는 인증이 완료되어 있어야 하며, 올바른 조직으로 전환되어 있어야 합니다. 오류가 발생하면 위의 CLI 명령어를 사용하여 인증 상태와 조직 설정을 확인하세요.
+</Note>

docs/ko/enterprise/features/hallucination-guardrail.mdx

@@ -0,0 +1,250 @@
+---
+title: 환각 방어책
+description: "CrewAI 작업에서 AI 환각을 방지하고 감지합니다"
+icon: "shield-check"
+---
+
+## 개요
+
+Hallucination Guardrail은 AI가 생성한 콘텐츠가 사실에 기반하고 환각이 포함되어 있지 않은지 검증하는 엔터프라이즈 기능입니다. 이 기능은 작업 출력물을 참조 컨텍스트와 비교 분석하여, 잠재적으로 환각이 감지되었을 때 상세한 피드백을 제공합니다.
+
+## 환각(Hallucinations)이란 무엇인가요?
+
+AI 환각은 언어 모델이 그럴듯해 보이지만 사실과 다르거나 제공된 맥락에 의해 뒷받침되지 않는 내용을 생성할 때 발생합니다. Hallucination Guardrail은 다음과 같은 방법으로 이러한 문제를 방지합니다:
+
+- 출력물을 참조 맥락과 비교
+- 원본 자료에 대한 충실도 평가
+- 문제 있는 콘텐츠에 대한 상세 피드백 제공
+- 검증 엄격성을 위한 사용자 정의 임계값 지원
+
+## 기본 사용법
+
+### 가드레일 설정하기
+
+```python
+from crewai.tasks.hallucination_guardrail import HallucinationGuardrail
+from crewai import LLM
+
+# Basic usage - will use task's expected_output as context
+guardrail = HallucinationGuardrail(
+    llm=LLM(model="gpt-4o-mini")
+)
+
+# With explicit reference context
+context_guardrail = HallucinationGuardrail(
+    context="AI helps with various tasks including analysis and generation.",
+    llm=LLM(model="gpt-4o-mini")
+)
+```
+
+### 작업에 추가하기
+
+```python
+from crewai import Task
+
+# Create your task with the guardrail
+task = Task(
+    description="Write a summary about AI capabilities",
+    expected_output="A factual summary based on the provided context",
+    agent=my_agent,
+    guardrail=guardrail  # Add the guardrail to validate output
+)
+```
+
+## 고급 구성
+
+### 사용자 지정 임계값 검증
+
+보다 엄격한 검증을 위해 사용자 지정 신뢰성 임계값(0-10 범위)를 설정할 수 있습니다:
+
+```python
+# Strict guardrail requiring high faithfulness score
+strict_guardrail = HallucinationGuardrail(
+    context="Quantum computing uses qubits that exist in superposition states.",
+    llm=LLM(model="gpt-4o-mini"),
+    threshold=8.0  # Requires score >= 8 to pass validation
+)
+```
+
+### 도구 응답 컨텍스트 포함하기
+
+작업에서 도구를 사용할 때 더 정확한 검증을 위해 도구 응답을 포함할 수 있습니다:
+
+```python
+# Guardrail with tool response context
+weather_guardrail = HallucinationGuardrail(
+    context="Current weather information for the requested location",
+    llm=LLM(model="gpt-4o-mini"),
+    tool_response="Weather API returned: Temperature 22°C, Humidity 65%, Clear skies"
+)
+```
+
+## 작동 원리
+
+### 검증 프로세스
+
+1. **컨텍스트 분석**: 가드레일은 작업 결과를 제공된 참조 컨텍스트와 비교합니다.
+2. **정확성 점수 부여**: 내부 평가자를 사용하여 정확성 점수(0-10)를 부여합니다.
+3. **판단 결정**: 콘텐츠가 정확한지 또는 환각이 포함되어 있는지 결정합니다.
+4. **임계값 확인**: 사용자 지정 임계값이 설정된 경우 해당 점수와 비교하여 검증합니다.
+5. **피드백 생성**: 검증에 실패할 때 상세한 사유를 제공합니다.
+
+### 검증 논리
+
+- **기본 모드**: 판정 기반 검증(FAITHFUL vs HALLUCINATED)을 사용함
+- **임계값 모드**: 신뢰성 점수가 지정된 임계값에 도달하거나 이를 초과해야 함
+- **오류 처리**: 평가 오류를 우아하게 처리하고 유익한 피드백을 제공함
+
+## 가드레일 결과
+
+가드레일은 검증 상태를 나타내는 구조화된 결과를 반환합니다:
+
+```python
+# Example of guardrail result structure
+{
+    "valid": False,
+    "feedback": "Content appears to be hallucinated (score: 4.2/10, verdict: HALLUCINATED). The output contains information not supported by the provided context."
+}
+```
+
+### 결과 속성
+
+- **valid**: 출력이 검증을 통과했는지 여부를 나타내는 불리언 값
+- **feedback**: 검증 실패 시 상세 설명. 다음을 포함:
+  - 신뢰도 점수
+  - 판정 분류
+  - 실패의 구체적인 이유
+
+## 작업 시스템과의 통합
+
+### 자동 검증
+
+가드레일이 태스크에 추가되면, 태스크가 완료로 표시되기 전에 출력값이 자동으로 검증됩니다:
+
+```python
+# Task output validation flow
+task_output = agent.execute_task(task)
+validation_result = guardrail(task_output)
+
+if validation_result.valid:
+    # Task completes successfully
+    return task_output
+else:
+    # Task fails with validation feedback
+    raise ValidationError(validation_result.feedback)
+```
+
+### 이벤트 추적
+
+guardrail은 CrewAI의 이벤트 시스템과 통합되어 가시성을 제공합니다:
+
+- **검증 시작됨**: guardrail 평가가 시작될 때
+- **검증 완료됨**: 평가가 결과와 함께 종료될 때
+- **검증 실패**: 평가 중 기술적 오류가 발생할 때
+
+## 모범 사례
+
+### 컨텍스트 가이드라인
+
+<Steps>
+  <Step title="포괄적인 컨텍스트 제공">
+    AI가 출력할 때 기반이 되어야 할 모든 관련 사실 정보를 포함하세요:
+
+    ```python
+    context = """
+    Company XYZ was founded in 2020 and specializes in renewable energy solutions.
+    They have 150 employees and generated $50M revenue in 2023.
+    Their main products include solar panels and wind turbines.
+    """
+    ```
+  </Step>
+
+  <Step title="관련 있는 컨텍스트만 유지하기">
+    혼란을 피하기 위해 작업과 직접적으로 관련된 정보만 포함하세요:
+
+    ```python
+    # Good: Focused context
+    context = "The current weather in New York is 18°C with light rain."
+
+    # Avoid: Unrelated information
+    context = "The weather is 18°C. The city has 8 million people. Traffic is heavy."
+    ```
+  </Step>
+
+  <Step title="컨텍스트를 정기적으로 업데이트하기">
+    참고하는 컨텍스트가 최신이고 정확한 정보를 반영하는지 확인하세요.
+  </Step>
+</Steps>
+
+### 임계값 선택
+
+<Steps>
+  <Step title="기본 검증으로 시작하기">
+    맞춤 임계값 없이 시작하여 기준 성능을 파악합니다.
+  </Step>
+
+  <Step title="요구사항에 따라 조정하기">
+    - **중요 콘텐츠**: 최대 정확도를 위해 임계값 8-10 사용
+    - **일반 콘텐츠**: 균형 잡힌 검증을 위해 임계값 6-7 사용
+    - **창의적 콘텐츠**: 임계값 4-5 또는 기본 판정 기반 검증 사용
+  </Step>
+
+  <Step title="모니터링 및 반복">
+    검증 결과를 추적하고, 오탐/미탐을 기반으로 임계값을 조정합니다.
+  </Step>
+</Steps>
+
+## 성능 고려사항
+
+### 실행 시간에 미치는 영향
+
+- **검증 오버헤드**: 각 가드레일마다 작업당 약 1~3초가 추가됩니다
+- **LLM 효율성**: 평가에는 효율적인 모델을 선택하세요 (예: gpt-4o-mini)
+
+### 비용 최적화
+
+- **모델 선택**: guardrail 평가에는 더 작고 효율적인 모델을 사용하세요
+- **컨텍스트 크기**: 참조 컨텍스트는 간결하면서도 포괄적으로 유지하세요
+- **캐싱**: 반복적인 콘텐츠의 검증 결과를 캐싱하는 것을 고려하세요
+
+## 문제 해결
+
+<Accordion title="검증이 항상 실패함">
+  **가능한 원인:**
+  - 컨텍스트가 너무 제한적이거나 작업 결과와 관련이 없음
+  - 임계값이 콘텐츠 유형에 비해 너무 높게 설정됨
+  - 참조 컨텍스트에 오래된 정보가 포함되어 있음
+
+  **해결 방법:**
+  - 작업 요구사항에 맞게 컨텍스트를 검토하고 업데이트하세요
+  - 임계값을 낮추거나 기본 판정 기반 검증을 사용하세요
+  - 컨텍스트가 최신이며 정확한지 확인하세요
+</Accordion>
+
+<Accordion title="오탐 (유효한 콘텐츠가 무효로 판정됨)">
+  **가능한 원인:**
+  - 창의적이거나 해석적인 작업에 임계값이 너무 높음
+  - 컨텍스트가 결과의 모든 유효한 측면을 포함하지 않음
+  - 평가 모델이 과도하게 보수적임
+
+  **해결 방법:**
+  - 임계값을 낮추거나 기본 검증을 사용하세요
+  - 폭넓은 허용 가능한 콘텐츠를 포함하도록 컨텍스트를 확장하세요
+  - 다른 평가 모델로 테스트하세요
+</Accordion>
+
+<Accordion title="평가 오류">
+  **가능한 원인:**
+  - 네트워크 연결 문제
+  - LLM 모델 사용 불가 또는 속도 제한
+  - 잘못된 형식의 작업 출력 또는 컨텍스트
+
+  **해결 방법:**
+  - 네트워크 연결 및 LLM 서비스 상태를 확인하세요
+  - 일시적 오류에 대해 재시도 로직을 구현하세요
+  - guardrail 평가 전에 작업 출력 형식을 검증하세요
+</Accordion>
+
+<Card title="도움이 필요하신가요?" icon="headset" href="mailto:support@crewai.com">
+  환각 guardrail 구성 또는 문제 해결에 도움이 필요하시면 지원팀에 문의하세요.
+</Card>

docs/ko/enterprise/features/integrations.mdx

@@ -0,0 +1,179 @@
+---
+title: 통합
+description: "에이전트가 조치를 취할 수 있도록 연결된 애플리케이션입니다."
+icon: "plug"
+---
+
+## 개요
+
+에이전트가 OAuth를 지원하는 모든 공급자와 인증하고 작업을 수행할 수 있도록 지원합니다. Salesforce와 HubSpot부터 Google 및 GitHub까지, 16개 이상의 통합 서비스를 제공합니다.
+
+<Frame>
+  ![Integrations](/images/enterprise/crew_connectors.png)
+</Frame>
+
+## 지원되는 통합
+
+### **커뮤니케이션 & 협업**
+- **Gmail** - 이메일 및 임시 저장 관리
+- **Slack** - 워크스페이스 알림 및 경고
+- **Microsoft** - Office 365 및 Teams 통합
+
+### **프로젝트 관리**
+- **Jira** - 이슈 추적 및 프로젝트 관리
+- **ClickUp** - 작업 및 생산성 관리
+- **Asana** - 팀 작업 및 프로젝트 조정
+- **Notion** - 페이지 및 데이터베이스 관리
+- **Linear** - 소프트웨어 프로젝트 및 버그 추적
+- **GitHub** - 저장소 및 이슈 관리
+
+### **고객 관계 관리**
+- **Salesforce** - CRM 계정 및 기회 관리
+- **HubSpot** - 영업 파이프라인 및 연락처 관리
+- **Zendesk** - 고객 지원 티켓 관리
+
+### **비즈니스 & 금융**
+- **Stripe** - 결제 처리 및 고객 관리
+- **Shopify** - 전자상거래 스토어 및 상품 관리
+
+### **생산성 및 저장소**
+- **Google Sheets** - 스프레드시트 데이터 동기화
+- **Google Calendar** - 일정 및 스케줄 관리
+- **Box** - 파일 저장 및 문서 관리
+
+추가 기능도 곧 제공됩니다!
+
+## 사전 준비 사항
+
+Authentication Integrations를 사용하기 전에 다음이 준비되어 있는지 확인하세요:
+
+- [CrewAI Enterprise](https://app.crewai.com) 계정. 무료 체험으로 시작할 수 있습니다.
+
+## 통합 설정
+
+### 1. 계정 연결하기
+
+1. [CrewAI Enterprise](https://app.crewai.com)로 이동합니다.
+2. **Integrations** 탭으로 이동합니다 - https://app.crewai.com/crewai_plus/connectors
+3. Authentication Integrations 섹션에서 원하는 서비스의 **Connect** 버튼을 클릭합니다.
+4. OAuth 인증 과정을 완료합니다.
+5. 사용 사례에 필요한 권한을 부여합니다.
+6. [CrewAI Enterprise](https://app.crewai.com) 계정 페이지 - https://app.crewai.com/crewai_plus/settings/account 에서 Enterprise Token을 받습니다.
+
+<Frame>
+  ![Integrations](/images/enterprise/enterprise_action_auth_token.png)
+</Frame>
+
+### 2. 통합 도구 설치
+
+최신 버전의 `crewai-tools` 패키지만 있으면 됩니다.
+
+```bash
+uv add crewai-tools
+```
+
+## 사용 예시
+
+### 기본 사용법
+<Tip>
+  인증한 모든 서비스가 도구로 제공됩니다. 따라서 필요한 것은 `CrewaiEnterpriseTools`를 에이전트에 추가하는 것뿐이며, 바로 사용하실 수 있습니다.
+</Tip>
+
+```python
+from crewai import Agent, Task, Crew
+from crewai_tools import CrewaiEnterpriseTools
+
+# Get enterprise tools (Gmail tool will be included)
+enterprise_tools = CrewaiEnterpriseTools(
+    enterprise_token="your_enterprise_token"
+)
+# print the tools
+print(enterprise_tools)
+
+# Create an agent with Gmail capabilities
+email_agent = Agent(
+    role="Email Manager",
+    goal="Manage and organize email communications",
+    backstory="An AI assistant specialized in email management and communication.",
+    tools=enterprise_tools
+)
+
+# Task to send an email
+email_task = Task(
+    description="Draft and send a follow-up email to john@example.com about the project update",
+    agent=email_agent,
+    expected_output="Confirmation that email was sent successfully"
+)
+
+# Run the task
+crew = Crew(
+    agents=[email_agent],
+    tasks=[email_task]
+)
+
+# Run the crew
+crew.kickoff()
+```
+
+### 필터링 도구
+
+```python
+from crewai_tools import CrewaiEnterpriseTools
+
+enterprise_tools = CrewaiEnterpriseTools(
+    actions_list=["gmail_find_email"] # only gmail_find_email tool will be available
+)
+gmail_tool = enterprise_tools["gmail_find_email"]
+
+gmail_agent = Agent(
+    role="Gmail Manager",
+    goal="Manage gmail communications and notifications",
+    backstory="An AI assistant that helps coordinate gmail communications.",
+    tools=[gmail_tool]
+)
+
+notification_task = Task(
+    description="Find the email from john@example.com",
+    agent=gmail_agent,
+    expected_output="Email found from john@example.com"
+)
+
+# Run the task
+crew = Crew(
+    agents=[slack_agent],
+    tasks=[notification_task]
+)
+```
+
+## 모범 사례
+
+### 보안
+- **최소 권한 원칙**: 에이전트의 작업에 필요한 최소한의 권한만 부여하세요
+- **정기적인 감사**: 연결된 통합 및 해당 권한을 주기적으로 검토하세요
+- **자격 증명 보안**: 자격 증명을 하드코딩하지 말고, CrewAI의 안전한 인증 플로우를 사용하세요
+
+### 필터링 도구
+배포된 crew에서 연결된 서비스의 설정 페이지에서 각 통합에 대해 사용할 수 있는 작업을 지정할 수 있습니다.
+
+<Frame>
+  ![Integrations](/images/enterprise/filtering_enterprise_action_tools.png)
+</Frame>
+
+### 다중 사용자 조직을 위한 Scoped Deployments
+crew를 배포하고 각 통합을 특정 사용자에게 범위 지정할 수 있습니다. 예를 들어, google에 연결하는 crew는 특정 사용자의 gmail 계정을 사용할 수 있습니다.
+
+<Tip>
+  이것은 통합을 특정 사용자에게 범위 지정하고자 하는 다중 사용자 조직에서 유용합니다.
+</Tip>
+
+`user_bearer_token`을 사용하여 통합을 특정 사용자에 범위 지정하면 crew가 시작될 때 사용자의 bearer token을 사용해 통합에 인증합니다. 사용자가 로그인하지 않은 경우, crew는 연결된 통합을 사용하지 않습니다. 기본 bearer token을 사용하여 crew와 함께 배포된 통합에 인증할 수 있습니다.
+
+<Frame>
+  ![Integrations](/images/enterprise/user_bearer_token.png)
+</Frame>
+
+### 도움 받기
+
+<Card title="도움이 필요하신가요?" icon="headset" href="mailto:support@crewai.com">
+  통합 설정이나 문제 해결에 대한 지원이 필요하시면 저희 지원팀에 문의하세요.
+</Card>

docs/ko/enterprise/features/tool-repository.mdx

@@ -0,0 +1,106 @@
+---
+title: 도구 저장소
+description: "도구 저장소를 사용하여 도구를 관리하기"
+icon: "toolbox"
+---
+
+## 개요
+
+Tool Repository는 CrewAI 도구를 위한 패키지 관리자입니다. 사용자는 CrewAI crew와 flow에 통합되는 도구를 게시, 설치 및 관리할 수 있습니다.
+
+도구는 다음과 같이 분류됩니다:
+
+- **비공개**: 조직 내에서만 접근할 수 있습니다(기본값)
+- **공개**: `--public` 플래그로 게시하면 모든 CrewAI 사용자가 접근할 수 있습니다
+
+이 저장소는 버전 관리 시스템이 아닙니다. 코드 변경 사항을 추적하고 협업을 활성화하려면 Git을 사용하십시오.
+
+## 사전 요구 사항
+
+Tool Repository를 사용하기 전에 다음이 준비되어 있어야 합니다:
+
+- [CrewAI Enterprise](https://app.crewai.com) 계정
+- [CrewAI CLI](https://docs.crewai.com/concepts/cli#cli) 설치됨
+- uv>=0.5.0 이 설치되어 있어야 합니다. [업그레이드 방법](https://docs.astral.sh/uv/getting-started/installation/#upgrading-uv)을 참고하세요.
+- [Git](https://git-scm.com) 설치 및 구성 완료
+- CrewAI Enterprise 조직에서 도구를 게시하거나 설치할 수 있는 액세스 권한
+
+## 도구 설치
+
+도구를 설치하려면:
+
+```bash
+crewai tool install <tool-name>
+```
+
+이 명령은 도구를 설치하고 `pyproject.toml`에 추가합니다.
+
+## 도구 생성 및 게시
+
+새 도구 프로젝트를 생성하려면:
+
+```bash
+crewai tool create <tool-name>
+```
+
+이 명령은 로컬에 스캐폴딩된 도구 프로젝트를 생성합니다.
+
+변경 사항을 적용한 후, Git 저장소를 초기화하고 코드를 커밋합니다:
+
+```bash
+git init
+git add .
+git commit -m "Initial version"
+```
+
+도구를 게시하려면:
+
+```bash
+crewai tool publish
+```
+
+기본적으로 도구는 비공개로 게시됩니다. 도구를 공개로 설정하려면:
+
+```bash
+crewai tool publish --public
+```
+
+도구 빌드에 대한 자세한 내용은 [나만의 도구 만들기](https://docs.crewai.com/concepts/tools#creating-your-own-tools)를 참고하세요.
+
+## 도구 업데이트
+
+공개된 도구를 업데이트하려면:
+
+1. 로컬에서 도구를 수정합니다.
+2. `pyproject.toml`에서 버전을 업데이트합니다(예: `0.1.0`에서 `0.1.1`로).
+3. 변경 사항을 커밋하고 배포합니다.
+
+```bash
+git commit -m "Update version to 0.1.1"
+crewai tool publish
+```
+
+## 도구 삭제
+
+도구를 삭제하려면:
+
+1. [CrewAI Enterprise](https://app.crewai.com)로 이동합니다.
+2. **Tools**로 이동합니다.
+3. 도구를 선택합니다.
+4. **Delete**를 클릭합니다.
+
+<Warning>
+삭제는 영구적입니다. 삭제된 도구는 복구하거나 다시 설치할 수 없습니다.
+</Warning>
+
+## 보안 점검
+
+모든 공개된 버전은 자동화된 보안 점검을 거치며, 통과한 후에만 설치할 수 있습니다.
+
+도구의 보안 점검 상태는 다음에서 확인할 수 있습니다:
+
+`CrewAI Enterprise > Tools > Your Tool > Versions`
+
+<Card title="도움이 필요하신가요?" icon="headset" href="mailto:support@crewai.com">
+  API 통합 또는 문제 해결에 대한 지원이 필요하시면 지원팀에 문의해 주세요.
+</Card>

docs/ko/enterprise/features/traces.mdx

@@ -0,0 +1,145 @@
+---
+title: 트레이스
+description: "Traces를 사용하여 내 크루 모니터링하기"
+icon: "timeline"
+---
+
+## 개요
+
+Trace는 crew 실행에 대한 포괄적인 가시성을 제공하여 성능 모니터링, 문제 디버깅, AI agent workflow 최적화에 도움을 줍니다.
+
+## Traces란 무엇인가요?
+
+CrewAI Enterprise의 Traces는 crew의 작동 과정을 처음 입력에서 최종 출력까지 모든 측면에서 포착하는 상세 실행 기록입니다. Traces에는 다음 내용이 기록됩니다:
+
+- Agent의 생각 및 추론
+- 작업 실행 세부 정보
+- 도구 사용 및 출력
+- 토큰 소모 메트릭
+- 실행 시간
+- 비용 추정치
+
+<Frame>
+  ![Traces Overview](/images/enterprise/traces-overview.png)
+</Frame>
+
+## 트레이스(Traces) 접근하기
+
+<Steps>
+  <Step title="트레이스 탭으로 이동">
+    CrewAI Enterprise 대시보드에 들어가면, **트레이스**를 클릭하여 모든 실행 기록을 볼 수 있습니다.
+  </Step>
+  
+  <Step title="실행 선택하기">
+    모든 crew 실행 목록이 날짜별로 정렬되어 표시됩니다. 상세 트레이스를 보려면 원하는 실행을 클릭하세요.
+  </Step>
+</Steps>
+
+## 트레이스 인터페이스 이해하기
+
+트레이스 인터페이스는 여러 섹션으로 나뉘어 있으며, 각 섹션은 crew의 실행에 대한 다양한 인사이트를 제공합니다.
+
+### 1. 실행 요약
+
+상단 섹션에서는 실행에 대한 고수준 메트릭을 표시합니다:
+
+- **총 토큰**: 모든 작업에서 소모된 토큰 수
+- **프롬프트 토큰**: LLM에 프롬프트로 사용된 토큰
+- **컴플리션 토큰**: LLM 응답에서 생성된 토큰
+- **요청 수**: 수행된 API 호출 수
+- **실행 시간**: crew 런의 전체 소요 시간
+- **예상 비용**: 토큰 사용량을 기반으로 한 대략적인 비용
+
+<Frame>
+  ![Execution Summary](/images/enterprise/trace-summary.png)
+</Frame>
+
+### 2. Tasks & Agents
+
+이 섹션에서는 crew 실행에 포함된 모든 task와 agent를 보여줍니다:
+
+- task 이름 및 agent 할당
+- 각 task에 사용된 agent 및 LLM
+- 상태 (완료/실패)
+- task의 개별 실행 시간
+
+<Frame>
+  ![Task List](/images/enterprise/trace-tasks.png)
+</Frame>
+
+### 3. 최종 결과
+
+모든 작업이 완료된 후 crew가 생성한 최종 결과를 표시합니다.
+
+<Frame>
+  ![최종 결과](/images/enterprise/final-output.png)
+</Frame>
+
+### 4. 실행 타임라인
+
+각 작업이 시작되고 종료된 시점을 시각적으로 표현하여 병목 현상이나 병렬 실행 패턴을 파악하는 데 도움이 됩니다.
+
+<Frame>
+  ![실행 타임라인](/images/enterprise/trace-timeline.png)
+</Frame>
+
+### 5. 상세 작업 보기
+
+타임라인이나 작업 목록에서 특정 작업을 클릭하면 다음을 볼 수 있습니다:
+
+<Frame>
+  ![상세 작업 보기](/images/enterprise/trace-detailed-task.png)
+</Frame>
+
+- **작업 키**: 작업의 고유 식별자
+- **작업 ID**: 시스템 내의 기술적 식별자
+- **상태**: 현재 상태 (완료/진행 중/실패)
+- **에이전트**: 해당 작업을 수행한 에이전트
+- **LLM**: 이 작업에 사용된 언어 모델
+- **시작/종료 시간**: 작업이 시작되고 완료된 시간
+- **실행 시간**: 이 특정 작업의 소요 시간
+- **작업 설명**: 에이전트에게 지시된 작업 내용
+- **예상 출력**: 요청된 출력 형식
+- **입력**: 이전 작업에서 이 작업에 제공된 입력값
+- **출력**: 에이전트가 실제로 생성한 결과
+
+## 디버깅을 위한 트레이스 사용
+
+트레이스는 crew 문제 해결에 매우 유용합니다:
+
+<Steps>
+  <Step title="실패 지점 식별">
+    crew 실행이 예상한 결과를 내지 못할 때, 트레이스를 확인하여 어디에서 문제가 발생했는지 찾으세요. 다음을 확인하세요:
+    
+    - 실패한 작업
+    - 에이전트의 예상 밖 결정
+    - 도구 사용 오류
+    - 잘못 해석된 지침
+
+    <Frame>
+      ![Failure Points](/images/enterprise/failure.png)
+    </Frame>
+  </Step>
+  
+  <Step title="성능 최적화">
+    실행 메트릭을 사용하여 성능 병목 현상을 파악하세요:
+    
+    - 예상보다 오래 걸린 작업
+    - 과도한 토큰 사용
+    - 중복된 도구 작업
+    - 불필요한 API 호출
+  </Step>
+  
+  <Step title="비용 효율성 향상">
+    토큰 사용량 및 비용 추정치를 분석해 crew의 효율성을 최적화하세요:
+    
+    - 더 간단한 작업에는 더 작은 모델을 사용 고려
+    - 프롬프트를 더 간결하게 다듬기
+    - 자주 액세스하는 정보 캐싱
+    - 중복 작업을 최소화하도록 작업 구조화하기
+  </Step>
+</Steps>
+
+<Card title="도움이 필요하신가요?" icon="headset" href="mailto:support@crewai.com">
+  트레이스 분석이나 기타 CrewAI 엔터프라이즈 기능에 대한 지원이 필요하시면 저희 지원팀에 문의하세요.
+</Card>

docs/ko/enterprise/features/webhook-streaming.mdx

@@ -0,0 +1,81 @@
+---
+title: 웹훅 스트리밍
+description: "웹훅 스트리밍을 사용하여 이벤트를 웹훅으로 스트리밍하기"
+icon: "webhook"
+---
+
+## 개요
+
+Enterprise Event Streaming을 사용하면 CrewAI Enterprise에 배포된 crew 및 flow에 대한 실시간 웹훅 업데이트(예: 모델 호출, 도구 사용, flow 단계)를 받을 수 있습니다.
+
+## 사용법
+
+Kickoff API를 사용할 때, 요청에 `webhooks` 객체를 포함시키세요. 예를 들면 아래와 같습니다:
+
+```json
+{
+  "inputs": {"foo": "bar"},
+  "webhooks": {
+    "events": ["crew_kickoff_started", "llm_call_started"],
+    "url": "https://your.endpoint/webhook",
+    "realtime": false,
+    "authentication": {
+      "strategy": "bearer",
+      "token": "my-secret-token"
+    }
+  }
+}
+```
+
+`realtime`이 `true`로 설정되면, 각 이벤트가 개별적으로 그리고 즉시 전달되지만 crew/flow 성능에 영향을 미칠 수 있습니다.
+
+## Webhook 형식
+
+각 webhook은 이벤트 목록을 전송합니다:
+
+```json
+{
+  "events": [
+    {
+      "id": "event-id",
+      "execution_id": "crew-run-id",
+      "timestamp": "2025-02-16T10:58:44.965Z",
+      "type": "llm_call_started",
+      "data": {
+        "model": "gpt-4",
+        "messages": [
+          {"role": "system", "content": "You are an assistant."},
+          {"role": "user", "content": "Summarize this article."}
+        ]
+      }
+    }
+  ]
+}
+```
+
+`data` 객체의 구조는 이벤트 타입에 따라 다릅니다. 자세한 내용은 GitHub의 [이벤트 목록](https://github.com/crewAIInc/crewAI/tree/main/src/crewai/utilities/events)을 참조하세요.
+
+요청이 HTTP를 통해 전송되므로, 이벤트의 순서가 보장되지 않습니다. 순서가 필요하다면 `timestamp` 필드를 사용하세요.
+
+## 지원되는 이벤트
+
+CrewAI는 Enterprise Event Streaming에서 시스템 이벤트와 사용자 지정 이벤트 둘 다를 지원합니다. 이러한 이벤트는 crew 및 flow 실행 중에 구성한 웹훅 엔드포인트로 전송됩니다.
+
+- `crew_kickoff_started`
+- `crew_step_started`
+- `crew_step_completed`
+- `crew_execution_completed`
+- `llm_call_started`
+- `llm_call_completed`
+- `tool_usage_started`
+- `tool_usage_completed`
+- `crew_test_failed`
+- *...그리고 기타 여러 가지*
+
+이벤트 이름은 내부 이벤트 버스와 일치합니다. 전체 목록은 [GitHub 소스](https://github.com/crewAIInc/crewAI/tree/main/src/crewai/utilities/events)에서 확인할 수 있습니다.
+
+사용자 지정 이벤트도 직접 발생시킬 수 있으며, 시스템 이벤트와 함께 웹훅 스트림을 통해 전달됩니다.
+
+<Card title="도움이 필요하신가요?" icon="headset" href="mailto:support@crewai.com">
+  웹훅 통합 또는 문제 해결에 대한 지원이 필요하다면 저희 지원팀에 문의해 주세요.
+</Card>