Merge branch 'main' into docupdates-nicola1

This commit is contained in:
Greyson LaLonde
2026-01-14 05:51:50 -05:00
committed by GitHub
37 changed files with 3352 additions and 54 deletions

View File

@@ -4,6 +4,545 @@ description: "CrewAI의 제품 업데이트, 개선 사항 및 버그 수정"
icon: "clock"
mode: "wide"
---
<Update label="2026년 1월 8일">
## v1.8.0
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.8.0)
## 변경 사항
### 기능
- a2a를 위한 네이티브 비동기 체인 추가
- 핸들러 및 설정과 함께 a2a 업데이트 메커니즘(poll/stream/push) 추가
- 휴먼 인 더 루프 피드백을 위한 전역 흐름 설정 도입
- 스트리밍 도구 호출 이벤트 추가 및 프로바이더 ID 추적 수정
- 프로덕션 준비된 Flows 및 Crews 아키텍처 도입
- Flows를 위한 HITL 추가
- 향상된 이벤트 처리를 위한 EventListener 및 TraceCollectionListener 개선
### 버그 수정
- 누락된 a2a 종속성을 선택적으로 처리
- WorkOS 로그인 폴링을 위한 오류 가져오기 수정
- 샘플 문서의 잘못된 트리거 이름 수정
### 문서
- 웹훅 스트리밍 문서 업데이트
- AOP에서 AMP로 문서 언어 조정
### 기여자
@Vidit-Ostwal, @greysonlalonde, @heitorado, @joaomdmoura, @lorenzejay, @lucasgomide, @mplachta
</Update>
<Update label="2025년 12월 19일">
## v1.7.2
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.7.2)
## 변경 사항
### 버그 수정
- 연결 문제 해결
### 문서
- api-reference/status 문서 페이지 업데이트
### 기여자
@greysonlalonde, @heitorado, @lorenzejay, @lucasgomide
</Update>
<Update label="2025년 12월 16일">
## v1.7.1
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.7.1)
## 변경 사항
### 개선 사항
- bump 명령에 `--no-commit` 플래그 추가
- 도구 인수 직렬화에 JSON 스키마 사용
### 버그 수정
- 도구 저장소 로그인 실패 시 응답에서 오류 메시지 표시 수정
- 비동기 작업 실행 시 future의 정상적인 종료 수정
- 인덱스를 추가하여 작업 순서 수정
- Windows 신호에 대한 플랫폼 호환성 검사 수정
- 프로세스 중단을 방지하기 위한 RPM 컨트롤러 타이머 수정
- 토큰 사용량 기록 수정 및 스트림에서 응답 모델 검증
### 문서
- 비동기에 대한 번역된 문서 추가
- AOP Deploy API 문서 추가
- 에이전트 핸들러 커넥터 문서 추가
- 네이티브 비동기 문서 추가
### 기여자
@Llamrei, @dragosmc, @gilfeig, @greysonlalonde, @heitorado, @lorenzejay, @mattatcha, @vinibrsl
</Update>
<Update label="2025년 12월 9일">
## v1.7.0
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.7.0)
## 변경 사항
### 기능
- 비동기 흐름 킥오프 추가
- 비동기 크루 지원 추가
- 비동기 작업 지원 추가
- 비동기 지식 지원 추가
- 비동기 메모리 지원 추가
- 도구 및 에이전트 실행기에 대한 비동기 지원 추가; 타입 및 문서 개선
- a2a 확장 API 및 비동기 에이전트 카드 캐싱 구현; 작업 전파 및 스트리밍 수정
- 네이티브 비동기 도구 지원 추가
- 비동기 llm 지원 추가
- sys 이벤트 유형 및 핸들러 생성
### 버그 수정
- nonetypes가 otel에 전달되지 않도록 보장하는 문제 수정
- 토큰 저장소 파일 작업의 교착 상태 수정
- otel span이 닫히도록 보장하는 수정
- 임베딩에 HuggingFaceEmbeddingFunction 사용, 키 업데이트 및 테스트 추가
- 모든 지원되는 anthropic 모델에 대해 supports_tools가 true인지 확인
- 라이트 에이전트 흐름에서 훅이 작동하도록 보장
### 기여자
@greysonlalonde, @lorenzejay
</Update>
<Update label="2025년 11월 29일">
## v1.6.1
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.6.1)
## 변경 사항
### 버그 수정
- ChatCompletionsClient 호출이 제대로 작동하도록 수정
- 어노테이션에 대해 비동기 메서드가 실행 가능하도록 보장
- RagTool.add의 매개변수 수정, 타입 및 테스트 추가
- SSE 클라이언트에서 잘못된 매개변수 제거
- 'crewai config reset' 명령에서 'oauth2_extra' 설정 삭제
### 리팩토링
- LLM 클래스에서 모델 검증 및 프로바이더 추론 향상
### 기여자
@Vidit-Ostwal, @greysonlalonde, @heitorado, @lorenzejay
</Update>
<Update label="2025년 11월 25일">
## v1.6.0
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.6.0)
## 변경 사항
### 기능
- 흐름 및 크루에 스트리밍 결과 지원 추가
- gemini-3-pro-preview 추가
- Entra ID를 사용한 CLI 로그인 지원
- Merge Agent Handler 도구 추가
- 흐름 이벤트 상태 관리 향상
### 버그 수정
- 사용자 지정 rag 저장소 지속 경로가 전달된 경우 설정되도록 보장
- 퍼지 반환이 더 엄격하고 타입 경고를 표시하도록 보장
- openai response_format 매개변수 다시 추가 및 테스트 추가
- rag 도구 임베딩 설정 수정
- 플롯에서 흐름 실행 시작 패널이 표시되지 않도록 보장
### 문서
- 문서에서 AMP에서 AOP로 참조 업데이트
- AMP에서 AOP로 업데이트
### 기여자
@Vidit-Ostwal, @gilfeig, @greysonlalonde, @heitorado, @joaomdmoura, @lorenzejay, @markmcd
</Update>
<Update label="2025년 11월 22일">
## v0.203.2
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.203.2)
## 변경 사항
- 0.203.1에서 0.203.2로 핫픽스 버전 범프
</Update>
<Update label="2025년 11월 16일">
## v1.5.0
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.5.0)
## 변경 사항
### 기능
- a2a 신뢰 원격 완료 상태 플래그 추가
- Okta 인증 서버에 대한 더 많은 데이터 가져오기 및 저장
- CrewAgentExecutor에서 LLM 호출 전후 훅 구현
- TaskOutput 및 LiteAgentOutputs에 메시지 노출
- QdrantVectorSearchTool의 스키마 설명 향상
### 버그 수정
- 추적 인스트루멘테이션 플래그가 올바르게 적용되도록 보장
- 사용자 정의 도구 문서 링크 수정 및 Mintlify 깨진 링크 작업 추가
### 문서
- LLM 기반 검증 지원으로 작업 가드레일 문서 향상
### 기여자
@danielfsbarreto, @greysonlalonde, @heitorado, @lorenzejay, @theCyberTech
</Update>
<Update label="2025년 11월 7일">
## v1.4.1
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.4.1)
## 변경 사항
### 버그 수정
- 에이전트 최대 반복 처리 수정
- LLM 모델 구문에 대한 라우팅 문제를 해당 프로바이더로 해결
### 기여자
@greysonlalonde
</Update>
<Update label="2025년 11월 7일">
## v1.4.0
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.4.0)
## 변경 사항
### 기능
- 비AST 플롯 경로 지원 추가
- MCP에 대한 일급 지원 구현
- BaseInterceptor에 Pydantic 검증 던더 추가
- LLM 메시지 인터셉터 훅 지원 추가
- 효율적인 사용을 위한 i18n 프롬프트 캐싱
- QdrantVectorSearchTool 향상
### 버그 수정
- stopwords 업데이트 유지 관련 문제 수정
- 흐름 상태에서 피클할 수 없는 값 해결
- 라이트 에이전트가 검증 오류 시 수정되도록 보장
- 캐싱이 작동하도록 콜백 인수 해싱 수정
- 유효한 URL에서 RAG 소스 콘텐츠 추가 허용
- 플롯 노드 선택을 더 부드럽게 만듦
- 지식에 대한 중복 문서 ID 수정
### 리팩토링
- concurrent futures로 MCP 도구 실행 처리 개선
- 흐름 처리, 타입 및 로깅 단순화; UI 및 테스트 업데이트
- 중지 단어 관리를 속성으로 리팩토링
### 문서
- embedder를 embedding_model로 마이그레이션하고 도구 문서 전체에 vectordb 필요; 프로바이더 예제 추가 (en/ko/pt-BR)
### 기여자
@danielfsbarreto, @greysonlalonde, @lorenzejay, @lucasgomide, @tonykipkemboi
</Update>
<Update label="2025년 11월 1일">
## v1.3.0
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.3.0)
## 변경 사항
### 기능
- 흐름 처리, 타입 및 로깅 리팩토링
- QdrantVectorSearchTool 향상
### 버그 수정
- Firecrawl 도구 수정 및 테스트 추가
- use_stop_words를 속성으로 리팩토링하고 중지 단어 확인 추가
### 문서
- embedder를 embedding_model로 마이그레이션하고 도구 문서 전체에 vectordb 필요
- 영어, 한국어 및 포르투갈어로 프로바이더 예제 추가
### 리팩토링
- 흐름 처리 및 UI 업데이트 개선
### 기여자
@danielfsbarreto, @greysonlalonde, @lorenzejay, @lucasgomide, @tonykipkemboi
</Update>
<Update label="2025년 10월 27일">
## v1.2.1
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.2.1)
## 변경 사항
### 기능
- Datadog 통합 지원 추가
- liteagent에서 apps 및 mcps 지원
### 문서
- 각 통합에 대해 Platform 도구를 호출하기 위한 필수 환경 변수 설명
- Datadog 통합 문서 추가
### 기여자
@barieom, @lorenzejay, @lucasgomide, @sabrenner
</Update>
<Update label="2025년 10월 24일">
## v1.2.0
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.2.0)
## 변경 사항
### 버그 수정
- 기본 LLM 모델 업데이트 및 LLM 유틸리티의 오류 로깅 개선
- 흐름 시각화 디렉토리 및 메서드 검사 변경
### 사용되지 않는 항목 삭제
- aisuite 제거
### 기여자
@greysonlalonde, @lorenzejay
</Update>
<Update label="2025년 10월 21일">
## v1.1.0
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.1.0)
## 변경 사항
### 기능
- InternalInstructor를 향상하여 여러 LLM 프로바이더 지원
- mypy 플러그인 기반 구현
- QdrantVectorSearchTool 개선
### 버그 수정
- 깨진 통합 문서 링크 수정
- 이중 추적 호출 수정 및 타입 추가
- 템플릿 버전을 최신으로 고정
### 문서
- LLM 통합 세부 정보 및 예제 업데이트
### 리팩토링
- CrewBase 타이핑 개선
### 기여자
@cwarre33, @danielfsbarreto, @greysonlalonde, @lorenzejay
</Update>
<Update label="2025년 10월 20일">
## v1.0.0
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.0.0)
## 변경 사항
### 기능
- 버전을 1.0.0으로 범프
- Agent 클래스에서 지식 및 가드레일 이벤트 처리 향상
- crewai run 명령에 도구 저장소 자격 증명 주입
### 버그 수정
- Flow 데코레이터에서 중첩된 조건 구조 유지
- Printer.print 메서드에 표준 인쇄 매개변수 추가
- input()을 사용할 수 없을 때 오류 수정
- JWT 디코딩 시 10초 여유 추가
- 잘못된 cron 일정 되돌리기
- 특정 날짜에 5일마다 실행되도록 cron 일정 수정
- 하드코딩된 경로 대신 Docker 바이너리에 시스템 PATH 사용
- 템플릿 디렉토리를 올바르게 제외하기 위한 CodeQL 구성 추가
### 문서
- 취약점 보고를 위한 보안 정책 업데이트
- CrewAI AMP에서 텔레메트리 로그 캡처 가이드 추가
- 누락된 /resume 파일 추가
- HITL 워크플로에서 웹훅 URL 매개변수 명확화
### 기여자
@Vidit-Ostwal, @greysonlalonde, @heitorado, @joaomdmoura, @lorenzejay, @lucasgomide, @mplachta, @theCyberTech
</Update>
<Update label="2025년 10월 18일">
## v1.0.0b3 (프리릴리스)
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.0.0b3)
## 변경 사항
### 기능
- 작업 가드레일 기능 및 검증 향상
- 네이티브 SDK 가져오기 지원 개선
- Azure 네이티브 테스트 추가
- 고급 기능으로 BedrockCompletion 클래스 향상
- 클라이언트 매개변수 지원으로 GeminiCompletion 클래스 향상
- 추가 클라이언트 매개변수로 AnthropicCompletion 클래스 향상
### 버그 수정
- Flow 데코레이터에서 중첩된 조건 구조 유지
- Printer.print 메서드에 표준 인쇄 매개변수 추가
- stdout 인쇄 제거 및 테스트 결정론 개선
### 리팩토링
- 전체 타이핑을 포함한 메타클래스로 프로젝트 모듈 변환
### 기여자
@greysonlalonde, @lorenzejay
</Update>
<Update label="2025년 10월 16일">
## v1.0.0b2 (프리릴리스)
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.0.0b2)
## 변경 사항
### 기능
- 추가 클라이언트 매개변수로 OpenAICompletion 클래스 향상
- 이벤트 버스 스레드 안전성 및 비동기 지원 개선
- crewai run 명령에 도구 저장소 자격 증명 주입
### 버그 수정
- input()을 사용할 수 없을 때 오류가 발생하는 문제 수정
- JWT 디코딩 시 10초 여유 추가
- task.py에서 복사 및 NOT_SPECIFIED 확인 수정
### 문서
- 문서에서 CREWAI_PLATFORM_INTEGRATION_TOKEN이 언급되도록 보장
- 트리거 문서 업데이트
### 기여자
@Vidit-Ostwal, @greysonlalonde, @heitorado, @joaomdmoura, @lorenzejay, @lucasgomide
</Update>
<Update label="2025년 10월 14일">
## v1.0.0b1 (프리릴리스)
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.0.0b1)
## 변경 사항
### 기능
- 추가 클라이언트 매개변수로 OpenAICompletion 클래스 향상
- 이벤트 버스 스레드 안전성 및 비동기 지원 개선
- Bedrock LLM 통합 구현
### 버그 수정
- 누락된 input() 가용성 문제 수정
- 10초 여유를 추가하여 JWT 디코딩 오류 해결
- crewai run 명령에 도구 저장소 자격 증명 주입
- task.py에서 복사 및 NOT_SPECIFIED 확인 수정
### 문서
- 문서에서 CREWAI_PLATFORM_INTEGRATION_TOKEN이 언급되도록 보장
- 트리거 문서 업데이트
### 기여자
@Vidit-Ostwal, @greysonlalonde, @heitorado, @joaomdmoura, @lorenzejay, @lucasgomide
</Update>
<Update label="2025년 10월 13일">
## v0.203.1
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/0.203.1)
## 변경 사항
### 핵심 개선 및 수정
- `crewai run` 명령에 도구 저장소 자격 증명 주입 수정
- 토큰 검증 오류를 줄이기 위해 JWT 디코딩 시 10초 여유 추가
- 특정 날짜에 5일마다 작업을 실행하도록 의도된 cron 일정 수정(이후 되돌림)
### 문서 및 가이드
- 취약점 보고 프로세스를 명확히 하기 위해 보안 정책 업데이트
</Update>
<Update label="2025년 10월 9일">
## v1.0.0a4 (프리릴리스)
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.0.0a4)
## 변경 사항
### 기능
- Agent 클래스에서 지식 및 가드레일 이벤트 처리 향상
- 로컬 개발을 위한 트리거 목록 및 실행 명령 도입
- Platform Actions을 소비하는 새로운 접근 방식으로 문서 업데이트
- CrewAI AMP에서 텔레메트리 로그 캡처 가이드 추가
### 버그 수정
- 잘못된 cron 일정 되돌리기
- 특정 날짜에 5일마다 실행되도록 cron 일정 수정
- 중복 행 제거 및 명시적 환경 변수 추가
### 기여자
@greysonlalonde, @heitorado, @joaomdmoura, @lorenzejay, @lucasgomide, @mplachta, @theCyberTech
</Update>
<Update label="2025년 10월 7일">
## v1.0.0a3 (프리릴리스)
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.0.0a3)
## 변경 사항
### 기능
- 플랫폼 작업에 대한 에이전트 지원 추가
- 코드 실행기 도구에 인터프리터 인수 추가
- 플랫폼 앱 실행에 대한 직접 지원
### 문서
- 플랫폼 작업 문서 추가
- MCP 문서에 stdio 및 sse 전송 유형 추가
- AWS 모델 목록 업데이트
### 기여자
@greysonlalonde, @heitorado, @lorenzejay, @lucasgomide
</Update>
<Update label="2025년 10월 3일">
## v1.0.0a2 (프리릴리스)
[GitHub 릴리스 보기](https://github.com/crewAIInc/crewAI/releases/tag/1.0.0a2)
## 변경 사항
### 핵심 개선 및 수정
- 모노레포를 위한 CI 업데이트
- 기본 Anthropic 모델을 claude-sonnet-4-20250514로 업데이트
- 모델 업데이트에 대한 테스트 수정
### 기여자
@greysonlalonde, @lorenzejay
</Update>
<Update label="2025년 9월 30일">
## v1.0.0a1

View File

@@ -567,6 +567,10 @@ Fourth method running
### Human in the Loop (인간 피드백)
<Note>
`@human_feedback` 데코레이터는 **CrewAI 버전 1.8.0 이상**이 필요합니다.
</Note>
`@human_feedback` 데코레이터는 인간의 피드백을 수집하기 위해 플로우 실행을 일시 중지하는 human-in-the-loop 워크플로우를 가능하게 합니다. 이는 승인 게이트, 품질 검토, 인간의 판단이 필요한 결정 지점에 유용합니다.
```python Code

View File

@@ -0,0 +1,342 @@
---
title: 트레이스용 PII 삭제
description: "크루 및 플로우 실행 트레이스에서 민감한 데이터를 자동으로 삭제합니다"
icon: "lock"
mode: "wide"
---
## 개요
PII 삭제는 크루 및 플로우 실행 트레이스에서 개인 식별 정보(PII)를 자동으로 감지하고 마스킹하는 CrewAI AMP 기능입니다. 이를 통해 신용카드 번호, 주민등록번호, 이메일 주소, 이름과 같은 민감한 데이터가 CrewAI AMP 트레이스에 노출되지 않도록 보장합니다. 또한 조직별 데이터를 보호하기 위해 커스텀 인식기를 생성할 수 있습니다.
<Info>
PII 삭제는 Enterprise 플랜에서 사용 가능합니다.
배포 버전은 1.8.0 이상이어야 합니다.
</Info>
<Frame>
![PII 삭제 개요](/images/enterprise/pii_mask_recognizer_trace_example.png)
</Frame>
## PII 삭제가 중요한 이유
프로덕션 환경에서 AI 에이전트를 실행할 때, 민감한 정보가 종종 크루를 통해 흐릅니다:
- CRM 통합의 고객 데이터
- 결제 처리업체의 금융 정보
- 양식 제출의 개인 정보
- 내부 직원 데이터
적절한 삭제 없이는 이 데이터가 트레이스에 나타나, GDPR, HIPAA, PCI-DSS와 같은 규정 준수가 어려워집니다. PII 삭제는 트레이스에 저장되기 전에 민감한 데이터를 자동으로 마스킹하여 이 문제를 해결합니다.
## 작동 방식
1. **감지** - 알려진 PII 패턴에 대해 트레이스 이벤트 데이터를 스캔
2. **분류** - 민감한 데이터 유형 식별 (신용카드, SSN, 이메일 등)
3. **마스킹/삭제** - 구성에 따라 민감한 데이터를 마스킹된 값으로 대체
```
원본: "john.doe@company.com으로 연락하거나 555-123-4567로 전화하세요"
삭제됨: "<EMAIL_ADDRESS>로 연락하거나 <PHONE_NUMBER>로 전화하세요"
```
## PII 삭제 활성화
<Info>
이 기능을 사용하려면 Enterprise 플랜이어야 하며 배포 버전이 1.8.0 이상이어야 합니다.
</Info>
<Steps>
<Step title="크루 설정으로 이동">
CrewAI AMP 대시보드에서 배포된 크루를 선택하고 배포/자동화 중 하나로 이동한 다음 **Settings** → **PII Protection**으로 이동합니다.
</Step>
<Step title="PII 보호 활성화">
**PII Redaction for Traces**를 토글하여 활성화합니다. 이렇게 하면 트레이스 데이터의 자동 스캔 및 삭제가 활성화됩니다.
<Info>
각 배포에 대해 PII 삭제를 수동으로 활성화해야 합니다.
</Info>
<Frame>
![PII 삭제 활성화](/images/enterprise/pii_mask_recognizer_enable.png)
</Frame>
</Step>
<Step title="엔티티 유형 구성">
감지하고 삭제할 PII 유형을 선택합니다. 각 엔티티는 개별적으로 활성화하거나 비활성화할 수 있습니다.
<Frame>
![엔티티 구성](/images/enterprise/pii_mask_recognizer_supported_entities.png)
</Frame>
</Step>
<Step title="저장">
구성을 저장합니다. PII 삭제는 이후 모든 크루 실행에서 활성화되며, 재배포가 필요하지 않습니다.
</Step>
</Steps>
## 지원되는 엔티티 유형
CrewAI는 카테고리별로 구성된 다음 PII 엔티티 유형을 지원합니다.
### 글로벌 엔티티
| 엔티티 | 설명 | 예시 |
|--------|------|------|
| `CREDIT_CARD` | 신용/직불 카드 번호 | "4111-1111-1111-1111" |
| `CRYPTO` | 암호화폐 지갑 주소 | "bc1qxy2kgd..." |
| `DATE_TIME` | 날짜 및 시간 | "2024년 1월 15일" |
| `EMAIL_ADDRESS` | 이메일 주소 | "john@example.com" |
| `IBAN_CODE` | 국제 은행 계좌 번호 | "DE89 3704 0044 0532 0130 00" |
| `IP_ADDRESS` | IPv4 및 IPv6 주소 | "192.168.1.1" |
| `LOCATION` | 지리적 위치 | "뉴욕시" |
| `MEDICAL_LICENSE` | 의료 면허 번호 | "MD12345" |
| `NRP` | 국적, 종교 또는 정치 그룹 | - |
| `PERSON` | 개인 이름 | "홍길동" |
| `PHONE_NUMBER` | 다양한 형식의 전화번호 | "+82 (10) 1234-5678" |
| `URL` | 웹 URL | "https://example.com" |
### 미국 특정 엔티티
| 엔티티 | 설명 | 예시 |
|--------|------|------|
| `US_BANK_NUMBER` | 미국 은행 계좌 번호 | "1234567890" |
| `US_DRIVER_LICENSE` | 미국 운전면허 번호 | "D1234567" |
| `US_ITIN` | 개인 납세자 번호 | "900-70-0000" |
| `US_PASSPORT` | 미국 여권 번호 | "123456789" |
| `US_SSN` | 사회보장번호 | "123-45-6789" |
## 삭제 작업
활성화된 각 엔티티에 대해 데이터가 삭제되는 방식을 구성할 수 있습니다:
| 작업 | 설명 | 출력 예시 |
|------|------|----------|
| `mask` | 엔티티 유형 레이블로 대체 | `<CREDIT_CARD>` |
| `redact` | 텍스트를 완전히 제거 | *(비어있음)* |
## 커스텀 인식기
기본 제공 엔티티 외에도 조직별 PII 패턴을 감지하기 위한 **커스텀 인식기**를 생성할 수 있습니다.
<Frame>
![커스텀 인식기](/images/enterprise/pii_mask_recognizer.png)
</Frame>
### 인식기 유형
커스텀 인식기에는 두 가지 옵션이 있습니다:
| 유형 | 적합한 용도 | 사용 사례 예시 |
|------|------------|---------------|
| **패턴 기반 (Regex)** | 예측 가능한 형식의 구조화된 데이터 | 급여 금액, 직원 ID, 프로젝트 코드 |
| **거부 목록** | 정확한 문자열 매칭 | 회사명, 내부 코드명, 특정 용어 |
### 커스텀 인식기 생성
<Steps>
<Step title="커스텀 인식기로 이동">
조직 **Settings** → **Organization** → **Add Recognizer**로 이동합니다.
</Step>
<Step title="인식기 구성">
<Frame>
![인식기 구성](/images/enterprise/pii_mask_recognizer_create.png)
</Frame>
다음 필드를 구성합니다:
- **Name**: 인식기의 설명적 이름
- **Entity Type**: 삭제된 출력에 나타날 엔티티 레이블 (예: `EMPLOYEE_ID`, `SALARY`)
- **Type**: Regex 패턴 또는 거부 목록 중 선택
- **Pattern/Values**: 매칭할 Regex 패턴 또는 문자열 목록
- **Confidence Threshold**: 삭제를 트리거하는 데 필요한 최소 점수 (0.0-1.0). 높은 값 (예: 0.8)은 거짓 양성을 줄이지만 일부 매치를 놓칠 수 있습니다. 낮은 값 (예: 0.5)은 더 많은 매치를 잡지만 과도하게 삭제할 수 있습니다. 기본값은 0.8입니다.
- **Context Words** (선택사항): 근처에서 발견될 때 감지 신뢰도를 높이는 단어
</Step>
<Step title="저장">
인식기를 저장합니다. 배포에서 활성화할 수 있게 됩니다.
</Step>
</Steps>
### 엔티티 유형 이해하기
**Entity Type**은 매칭된 콘텐츠가 삭제된 트레이스에 어떻게 나타나는지 결정합니다:
```
Entity Type: SALARY
Pattern: salary:\s*\$\s*\d+
입력: "직원 급여: $50,000"
출력: "직원 <SALARY>"
```
### 컨텍스트 단어 사용
컨텍스트 단어는 매칭된 패턴 근처에 특정 용어가 나타날 때 신뢰도를 높여 정확도를 향상시킵니다:
```
Context Words: "project", "code", "internal"
Entity Type: PROJECT_CODE
Pattern: PRJ-\d{4}
```
"project" 또는 "code"가 "PRJ-1234" 근처에 나타나면, 인식기는 그것이 진정한 매치라는 확신이 높아져 거짓 양성을 줄입니다.
## 삭제된 트레이스 보기
PII 삭제가 활성화되면, 트레이스에서 민감한 데이터 대신 삭제된 값이 표시됩니다:
```
Task Output: "고객 <PERSON>이 주문 #12345를 했습니다.
연락처 이메일: <EMAIL_ADDRESS>, 전화: <PHONE_NUMBER>.
<CREDIT_CARD>로 끝나는 카드로 결제가 처리되었습니다."
```
삭제된 값은 꺾쇠 괄호와 엔티티 유형 레이블 (예: `<EMAIL_ADDRESS>`)로 명확하게 표시되어, 어떤 데이터가 보호되었는지 쉽게 이해할 수 있으면서도 크루 동작을 디버그하고 모니터링할 수 있습니다.
## 모범 사례
### 성능 고려사항
<Steps>
<Step title="필요한 엔티티만 활성화">
활성화된 각 엔티티는 처리 오버헤드를 추가합니다. 데이터와 관련된 엔티티만 활성화하세요.
</Step>
<Step title="구체적인 패턴 사용">
커스텀 인식기의 경우 거짓 양성을 줄이고 성능을 향상시키기 위해 구체적인 패턴을 사용하세요. Regex 패턴은 급여, 직원 ID, 프로젝트 코드 등 특정 패턴을 식별할 때 가장 적합합니다. 거부 목록 인식기는 회사명, 내부 코드명 등 정확한 문자열을 식별할 때 가장 적합합니다.
</Step>
<Step title="컨텍스트 단어 활용">
컨텍스트 단어는 주변 텍스트가 매칭될 때만 감지를 트리거하여 정확도를 향상시킵니다.
</Step>
</Steps>
## 문제 해결
<Accordion title="PII가 삭제되지 않음">
**가능한 원인:**
- 구성에서 엔티티 유형이 활성화되지 않음
- 패턴이 데이터 형식과 매치되지 않음
- 커스텀 인식기에 구문 오류가 있음
**해결책:**
- Settings → Security에서 엔티티가 활성화되어 있는지 확인
- 샘플 데이터로 regex 패턴 테스트
- 구성 오류에 대한 로그 확인
</Accordion>
<Accordion title="너무 많은 데이터가 삭제됨">
**가능한 원인:**
- 너무 광범위한 엔티티 유형이 활성화됨 (예: `DATE_TIME`이 모든 곳의 날짜를 잡음)
- 커스텀 인식기 패턴이 너무 일반적임
**해결책:**
- 거짓 양성을 유발하는 엔티티 비활성화
- 커스텀 패턴을 더 구체적으로 만들기
- 정확도 향상을 위해 컨텍스트 단어 추가
</Accordion>
<Accordion title="성능 문제">
**가능한 원인:**
- 너무 많은 엔티티가 활성화됨
- NLP 기반 엔티티 (`PERSON`, `LOCATION`, `NRP`)는 머신러닝 모델을 사용하므로 계산 비용이 높음
**해결책:**
- 실제로 필요한 엔티티만 활성화
- 가능한 경우 패턴 기반 대안 고려
- 대시보드에서 트레이스 처리 시간 모니터링
</Accordion>
---
## 실제 예시: 급여 패턴 매칭
이 예시는 트레이스에서 급여 정보를 감지하고 마스킹하는 커스텀 인식기를 생성하는 방법을 보여줍니다.
### 사용 사례
크루가 다음과 같은 형식의 급여 정보가 포함된 직원 또는 재무 데이터를 처리합니다:
- `salary: $50,000`
- `salary: $125,000.00`
- `salary:$1,500.50`
민감한 보상 데이터를 보호하기 위해 이러한 값을 자동으로 마스킹하려고 합니다.
### 구성
<Frame>
![급여 인식기 구성](/images/enterprise/pii_mask_custom_recognizer_salary.png)
</Frame>
| 필드 | 값 |
|------|-----|
| **Name** | `SALARY` |
| **Entity Type** | `SALARY` |
| **Type** | Regex Pattern |
| **Regex Pattern** | `salary:\s*\$\s*\d{1,3}(,\d{3})*(\.\d{2})?` |
| **Action** | Mask |
| **Confidence Threshold** | `0.8` |
| **Context Words** | `salary, compensation, pay, wage, income` |
### Regex 패턴 분석
| 패턴 구성요소 | 의미 |
|--------------|------|
| `salary:` | 리터럴 텍스트 "salary:" 매치 |
| `\s*` | 0개 이상의 공백 문자 매치 |
| `\$` | 달러 기호 매치 (이스케이프) |
| `\s*` | $ 뒤의 0개 이상의 공백 문자 매치 |
| `\d{1,3}` | 1-3자리 숫자 매치 (예: "1", "50", "125") |
| `(,\d{3})*` | 쉼표로 구분된 천 단위 매치 (예: ",000", ",500,000") |
| `(\.\d{2})?` | 선택적으로 센트 매치 (예: ".00", ".50") |
### 결과 예시
```
원본: "직원 기록에 salary: $125,000.00 연봉이 표시됩니다"
삭제됨: "직원 기록에 <SALARY> 연봉이 표시됩니다"
원본: "기본 salary:$50,000에 보너스 가능성"
삭제됨: "기본 <SALARY>에 보너스 가능성"
```
<Tip>
"salary", "compensation", "pay", "wage", "income"과 같은 컨텍스트 단어를 추가하면 이러한 용어가 매칭된 패턴 근처에 나타날 때 감지 신뢰도가 높아져 거짓 양성을 줄입니다.
</Tip>
### 배포에서 인식기 활성화
<Warning>
조직 수준에서 커스텀 인식기를 생성해도 배포에 자동으로 활성화되지 않습니다. 적용하려는 모든 배포에 대해 각 인식기를 수동으로 활성화해야 합니다.
</Warning>
커스텀 인식기를 생성한 후, 각 배포에서 활성화합니다:
<Steps>
<Step title="배포로 이동">
배포/자동화로 이동하여 **Settings** → **PII Protection**을 엽니다.
</Step>
<Step title="커스텀 인식기 선택">
**Mask Recognizers** 아래에서 조직에서 정의한 인식기를 볼 수 있습니다. 활성화하려는 인식기 옆의 체크박스를 선택합니다.
<Frame>
![커스텀 인식기 활성화](/images/enterprise/pii_mask_recognizers_options.png)
</Frame>
</Step>
<Step title="구성 저장">
변경 사항을 저장합니다. 인식기는 이 배포의 모든 후속 실행에서 활성화됩니다.
</Step>
</Steps>
<Info>
커스텀 인식기가 필요한 각 배포에서 이 프로세스를 반복합니다. 이를 통해 다양한 환경 (예: 개발 vs. 프로덕션)에서 어떤 인식기가 활성화되는지 세밀하게 제어할 수 있습니다.
</Info>

View File

@@ -7,6 +7,10 @@ mode: "wide"
## 개요
<Note>
`@human_feedback` 데코레이터는 **CrewAI 버전 1.8.0 이상**이 필요합니다. 이 기능을 사용하기 전에 설치를 업데이트하세요.
</Note>
`@human_feedback` 데코레이터는 CrewAI Flow 내에서 직접 human-in-the-loop(HITL) 워크플로우를 가능하게 합니다. Flow 실행을 일시 중지하고, 인간에게 검토를 위해 출력을 제시하고, 피드백을 수집하고, 선택적으로 피드백 결과에 따라 다른 리스너로 라우팅할 수 있습니다.
이는 특히 다음과 같은 경우에 유용합니다:

View File

@@ -5,9 +5,22 @@ icon: "user-check"
mode: "wide"
---
휴먼 인 더 루프(HITL, Human-in-the-Loop)는 인공지능과 인간의 전문 지식을 결합하여 의사결정을 강화하고 작업 결과를 향상시키는 강력한 접근 방식입니다. 이 가이드에서는 CrewAI 내에서 HITL을 구현하는 방법을 안내합니다.
휴먼 인 더 루프(HITL, Human-in-the-Loop)는 인공지능과 인간의 전문 지식을 결합하여 의사결정을 강화하고 작업 결과를 향상시키는 강력한 접근 방식입니다. CrewAI는 필요에 따라 HITL을 구현하는 여러 가지 방법을 제공합니다.
## HITL 워크플로우 설정
## HITL 접근 방식 선택
CrewAI는 human-in-the-loop 워크플로우를 구현하기 위한 두 가지 주요 접근 방식을 제공합니다:
| 접근 방식 | 적합한 용도 | 통합 | 버전 |
|----------|----------|-------------|---------|
| **Flow 기반** (`@human_feedback` 데코레이터) | 로컬 개발, 콘솔 기반 검토, 동기식 워크플로우 | [Flow에서 인간 피드백](/ko/learn/human-feedback-in-flows) | **1.8.0+** |
| **Webhook 기반** (Enterprise) | 프로덕션 배포, 비동기 워크플로우, 외부 통합 (Slack, Teams 등) | 이 가이드 | - |
<Tip>
Flow를 구축하면서 피드백을 기반으로 라우팅하는 인간 검토 단계를 추가하려면 `@human_feedback` 데코레이터에 대한 [Flow에서 인간 피드백](/ko/learn/human-feedback-in-flows) 가이드를 참조하세요.
</Tip>
## Webhook 기반 HITL 워크플로우 설정
<Steps>
<Step title="작업 구성">

View File

@@ -0,0 +1,115 @@
---
title: Galileo 갈릴레오
description: CrewAI 추적 및 평가를 위한 Galileo 통합
icon: telescope
mode: "wide"
---
## 개요
이 가이드는 **Galileo**를 **CrewAI**와 통합하는 방법을 보여줍니다.
포괄적인 추적 및 평가 엔지니어링을 위한 것입니다.
이 가이드가 끝나면 CrewAI 에이전트를 추적할 수 있게 됩니다.
성과를 모니터링하고 행동을 평가합니다.
Galileo의 강력한 관측 플랫폼.
> **갈릴레오(Galileo)란 무엇인가요?**[Galileo](https://galileo.ai/)는 AI 평가 및 관찰 가능성입니다.
엔드투엔드 추적, 평가,
AI 애플리케이션 모니터링. 이를 통해 팀은 실제 사실을 포착할 수 있습니다.
견고한 가드레일을 만들고 체계적인 실험을 실행하세요.
내장된 실험 추적 및 성능 분석으로 신뢰성 보장
AI 수명주기 전반에 걸쳐 투명성과 지속적인 개선을 제공합니다.
## 시작하기
이 튜토리얼은 [CrewAI 빠른 시작](/ko/quickstart.mdx)을 따르며 추가하는 방법을 보여줍니다.
갈릴레오의 [CrewAIEventListener](https://v2docs.galileo.ai/sdk-api/python/reference/handlers/crewai/handler),
이벤트 핸들러.
자세한 내용은 갈릴레오 문서를 참고하세요.
[CrewAI 애플리케이션에 Galileo 추가](https://v2docs.galileo.ai/how-to-guides/third-party-integrations/add-galileo-to-crewai/add-galileo-to-crewai)
방법 안내.
> **참고**이 튜토리얼에서는 [CrewAI 빠른 시작](/ko/quickstart.mdx)을 완료했다고 가정합니다.
완전한 포괄적인 예제를 원한다면 Galileo
[CrewAI SDK 예제 저장소](https://github.com/rungalileo/sdk-examples/tree/main/python/agent/crew-ai).
### 1단계: 종속성 설치
앱에 필요한 종속성을 설치합니다.
원하는 방법으로 가상 환경을 생성하고,
그런 다음 다음을 사용하여 해당 환경 내에 종속성을 설치하십시오.
선호하는 도구:
```bash
uv add galileo
```
### 2단계: [CrewAI 빠른 시작](/ko/quickstart.mdx)에서 .env 파일에 추가
```bash
# Your Galileo API key
GALILEO_API_KEY="your-galileo-api-key"
# Your Galileo project name
GALILEO_PROJECT="your-galileo-project-name"
# The name of the Log stream you want to use for logging
GALILEO_LOG_STREAM="your-galileo-log-stream "
```
### 3단계: Galileo 이벤트 리스너 추가
Galileo로 로깅을 활성화하려면 `CrewAIEventListener`의 인스턴스를 생성해야 합니다.
다음을 통해 Galileo CrewAI 핸들러 패키지를 가져옵니다.
main.py 파일 상단에 다음 코드를 추가하세요.
```python
from galileo.handlers.crewai.handler import CrewAIEventListener
```
실행 함수 시작 시 이벤트 리스너를 생성합니다.
```python
def run():
# Create the event listener
CrewAIEventListener()
# The rest of your existing code goes here
```
리스너 인스턴스를 생성하면 자동으로
CrewAI에 등록되었습니다.
### 4단계: Crew Agent 실행
CrewAI CLI를 사용하여 Crew Agent를 실행하세요.
```bash
crewai run
```
### 5단계: Galileo에서 추적 보기
승무원 에이전트가 완료되면 흔적이 플러시되어 Galileo에 나타납니다.
![Galileo trace view](/images/galileo-trace-veiw.png)
## 갈릴레오 통합 이해
Galileo는 이벤트 리스너를 등록하여 CrewAI와 통합됩니다.
승무원 실행 이벤트(예: 에이전트 작업, 도구 호출, 모델 응답)를 캡처합니다.
관찰 가능성과 평가를 위해 이를 갈릴레오에 전달합니다.
### 이벤트 리스너 이해
`CrewAIEventListener()` 인스턴스를 생성하는 것이 전부입니다.
CrewAI 실행을 위해 Galileo를 활성화하는 데 필요합니다. 인스턴스화되면 리스너는 다음을 수행합니다.
-CrewAI에 자동으로 등록됩니다.
-환경 변수에서 Galileo 구성을 읽습니다.
-모든 실행 데이터를 Galileo 프로젝트 및 다음에서 지정한 로그 스트림에 기록합니다.
`GALILEO_PROJECT` 및 `GALILEO_LOG_STREAM`
추가 구성이나 코드 변경이 필요하지 않습니다.
이 실행의 모든 데이터는 Galileo 프로젝트에 기록되며
환경 구성에 따라 지정된 로그 스트림
(예: GALILEO_PROJECT 및 GALILEO_LOG_STREAM)