diff --git a/docs/ko/enterprise/guides/deploy-crew.mdx b/docs/ko/enterprise/guides/deploy-crew.mdx
deleted file mode 100644
index 720e5e2f7..000000000
--- a/docs/ko/enterprise/guides/deploy-crew.mdx
+++ /dev/null
@@ -1,305 +0,0 @@
----
-title: "Crew 배포"
-description: "CrewAI 엔터프라이즈에서 Crew 배포하기"
-icon: "rocket"
-mode: "wide"
----
-
-
- 로컬에서 또는 Crew Studio를 통해 crew를 생성한 후, 다음 단계는 이를 CrewAI AMP
- 플랫폼에 배포하는 것입니다. 본 가이드에서는 다양한 배포 방법을 다루며,
- 여러분의 워크플로우에 가장 적합한 방식을 선택할 수 있도록 안내합니다.
-
-
-## 사전 준비 사항
-
-
-
- 작동 중인 crew가 로컬에서 빌드되었거나 Crew Studio를 통해 생성되어 있어야
- 합니다.
-
-
- crew 코드가 GitHub 저장소에 있어야 합니다(GitHub 연동 방식의 경우).
-
-
-
-## 옵션 1: CrewAI CLI를 사용한 배포
-
-CLI는 로컬에서 개발된 crew를 Enterprise 플랫폼에 가장 빠르게 배포할 수 있는 방법을 제공합니다.
-
-
-
- 아직 설치하지 않았다면 CrewAI CLI를 설치하세요:
-
- ```bash
- pip install crewai[tools]
- ```
-
-
- CLI는 기본 CrewAI 패키지에 포함되어 있지만, `[tools]` 추가 옵션을 사용하면 모든 배포 종속성을 함께 설치할 수 있습니다.
-
-
-
-
-
- 먼저, CrewAI AMP 플랫폼에 CLI를 인증해야 합니다:
-
- ```bash
- # 이미 CrewAI AMP 계정이 있거나 새로 생성하고 싶을 때:
- crewai login
- ```
-
- 위 명령어를 실행하면 CLI가 다음을 진행합니다:
- 1. URL과 고유 기기 코드를 표시합니다
- 2. 브라우저를 열어 인증 페이지로 이동합니다
- 3. 기기 확인을 요청합니다
- 4. 인증 과정을 완료합니다
-
- 인증이 성공적으로 완료되면 터미널에 확인 메시지가 표시됩니다!
-
-
-
-
-
- 프로젝트 디렉터리에서 다음 명령어를 실행하세요:
-
- ```bash
- crewai deploy create
- ```
-
- 이 명령어는 다음을 수행합니다:
- 1. GitHub 저장소 정보를 감지합니다
- 2. 로컬 `.env` 파일의 환경 변수를 식별합니다
- 3. 이러한 변수를 Enterprise 플랫폼으로 안전하게 전송합니다
- 4. 고유 식별자가 부여된 새 배포를 만듭니다
-
- 성공적으로 생성되면 다음과 같은 메시지가 표시됩니다:
- ```shell
- Deployment created successfully!
- Name: your_project_name
- Deployment ID: 01234567-89ab-cdef-0123-456789abcdef
- Current Status: Deploy Enqueued
- ```
-
-
-
-
-
- 다음 명령어로 배포 상태를 추적할 수 있습니다:
-
- ```bash
- crewai deploy status
- ```
-
- 빌드 과정의 상세 로그가 필요하다면:
-
- ```bash
- crewai deploy logs
- ```
-
-
- 첫 배포는 컨테이너 이미지를 빌드하므로 일반적으로 10~15분 정도 소요됩니다. 이후 배포는 훨씬 빠릅니다.
-
-
-
-
-
-## 추가 CLI 명령어
-
-CrewAI CLI는 배포를 관리하기 위한 여러 명령어를 제공합니다:
-
-```bash
-# 모든 배포 목록 확인
-crewai deploy list
-
-# 배포 상태 확인
-crewai deploy status
-
-# 배포 로그 보기
-crewai deploy logs
-
-# 코드 변경 후 업데이트 푸시
-crewai deploy push
-
-# 배포 삭제
-crewai deploy remove
-```
-
-## 옵션 2: 웹 인터페이스를 통한 직접 배포
-
-GitHub 계정을 연결하여 CrewAI AMP 웹 인터페이스를 통해 crews를 직접 배포할 수도 있습니다. 이 방법은 로컬 머신에서 CLI를 사용할 필요가 없습니다.
-
-
-
-
-
-crew를 GitHub 저장소에 푸시해야 합니다. 아직 crew를 만들지 않았다면, [이 튜토리얼](/ko/quickstart)을 따라할 수 있습니다.
-
-
-
-
-
- 1. [CrewAI AMP](https://app.crewai.com)에 로그인합니다.
- 2. "Connect GitHub" 버튼을 클릭합니다.
-
-
- 
-
-
-
-
-
-
- GitHub 계정을 연결한 후 배포할 저장소를 선택할 수 있습니다:
-
-
- 
-
-
-
-
-
-
- 배포 전에, LLM 제공업체 또는 기타 서비스에 연결할 환경 변수를 설정해야 합니다:
-
- 1. 변수를 개별적으로 또는 일괄적으로 추가할 수 있습니다.
- 2. 환경 변수는 `KEY=VALUE` 형식(한 줄에 하나씩)으로 입력합니다.
-
-
- 
-
-
-
-
-
-
- 1. "Deploy" 버튼을 클릭하여 배포 프로세스를 시작합니다.
- 2. 진행 바를 통해 진행 상황을 모니터링할 수 있습니다.
- 3. 첫 번째 배포에는 일반적으로 약 10-15분 정도 소요되며, 이후 배포는 더 빠릅니다.
-
-
- 
-
-
- 배포가 완료되면 다음을 확인할 수 있습니다:
- - crew의 고유 URL
- - crew API를 보호할 Bearer 토큰
- - 배포를 삭제해야 하는 경우 "Delete" 버튼
-
-
-
-
-
-## ⚠️ 환경 변수 보안 요구사항
-
-
- **중요**: CrewAI AOP는 환경 변수 이름에 대한 보안 제한이 있으며, 이를 따르지
- 않을 경우 배포가 실패할 수 있습니다.
-
-
-### 차단된 환경 변수 패턴
-
-보안상의 이유로, 다음과 같은 환경 변수 명명 패턴은 **자동으로 필터링**되며 배포에 문제가 발생할 수 있습니다:
-
-**차단된 패턴:**
-
-- `_TOKEN`으로 끝나는 변수 (예: `MY_API_TOKEN`)
-- `_PASSWORD`로 끝나는 변수 (예: `DB_PASSWORD`)
-- `_SECRET`로 끝나는 변수 (예: `API_SECRET`)
-- 특정 상황에서 `_KEY`로 끝나는 변수
-
-**특정 차단 변수:**
-
-- `GITHUB_USER`, `GITHUB_TOKEN`
-- `AWS_REGION`, `AWS_DEFAULT_REGION`
-- 다양한 내부 CrewAI 시스템 변수
-
-### 허용된 예외
-
-일부 변수는 차단된 패턴과 일치하더라도 명시적으로 허용됩니다:
-
-- `AZURE_AD_TOKEN`
-- `AZURE_OPENAI_AD_TOKEN`
-- `ENTERPRISE_ACTION_TOKEN`
-- `CREWAI_ENTEPRISE_TOOLS_TOKEN`
-
-### 네이밍 문제 해결 방법
-
-환경 변수 제한으로 인해 배포가 실패하는 경우:
-
-```bash
-# ❌ 이러한 이름은 배포 실패를 초래합니다
-OPENAI_TOKEN=sk-...
-DATABASE_PASSWORD=mypassword
-API_SECRET=secret123
-
-# ✅ 대신 다음과 같은 네이밍 패턴을 사용하세요
-OPENAI_API_KEY=sk-...
-DATABASE_CREDENTIALS=mypassword
-API_CONFIG=secret123
-```
-
-### 모범 사례
-
-1. **표준 명명 규칙 사용**: `PROVIDER_TOKEN` 대신 `PROVIDER_API_KEY` 사용
-2. **먼저 로컬에서 테스트**: crew가 이름이 변경된 변수로 제대로 동작하는지 확인
-3. **코드 업데이트**: 이전 변수 이름을 참조하는 부분을 모두 변경
-4. **변경 내용 문서화**: 팀을 위해 이름이 변경된 변수를 기록
-
-
- 배포 실패 시, 환경 변수 에러 메시지가 난해하다면 먼저 변수 이름이 이 패턴을
- 따르는지 확인하세요.
-
-
-### 배포된 Crew와 상호작용하기
-
-배포가 완료되면 다음을 통해 crew에 접근할 수 있습니다:
-
-1. **REST API**: 플랫폼에서 아래의 주요 경로가 포함된 고유한 HTTPS 엔드포인트를 생성합니다:
-
- - `/inputs`: 필요한 입력 파라미터 목록
- - `/kickoff`: 제공된 입력값으로 실행 시작
- - `/status/{kickoff_id}`: 실행 상태 확인
-
-2. **웹 인터페이스**: [app.crewai.com](https://app.crewai.com)에 방문하여 다음을 확인할 수 있습니다:
- - **Status 탭**: 배포 정보, API 엔드포인트 세부 정보 및 인증 토큰 확인
- - **Run 탭**: crew 구조의 시각적 표현
- - **Executions 탭**: 모든 실행 내역
- - **Metrics 탭**: 성능 분석
- - **Traces 탭**: 상세 실행 인사이트
-
-### 실행 트리거하기
-
-Enterprise 대시보드에서 다음 작업을 수행할 수 있습니다:
-
-1. crew 이름을 클릭하여 상세 정보를 엽니다
-2. 관리 인터페이스에서 "Trigger Crew"를 선택합니다
-3. 나타나는 모달에 필요한 입력값을 입력합니다
-4. 파이프라인을 따라 실행의 진행 상황을 모니터링합니다
-
-### 모니터링 및 분석
-
-Enterprise 플랫폼은 포괄적인 가시성 기능을 제공합니다:
-
-- **실행 관리**: 활성 및 완료된 실행 추적
-- **트레이스**: 각 실행의 상세 분해
-- **메트릭**: 토큰 사용량, 실행 시간, 비용
-- **타임라인 보기**: 작업 시퀀스의 시각적 표현
-
-### 고급 기능
-
-Enterprise 플랫폼은 또한 다음을 제공합니다:
-
-- **환경 변수 관리**: API 키를 안전하게 저장 및 관리
-- **LLM 연결**: 다양한 LLM 공급자와의 통합 구성
-- **Custom Tools Repository**: 도구 생성, 공유 및 설치
-- **Crew Studio**: 코드를 작성하지 않고 채팅 인터페이스를 통해 crew 빌드
-
-
- Enterprise 플랫폼의 배포 문제 또는 문의 사항이 있으시면 지원팀에 연락해
- 주십시오.
-
diff --git a/docs/ko/enterprise/guides/deploy-to-amp.mdx b/docs/ko/enterprise/guides/deploy-to-amp.mdx
new file mode 100644
index 000000000..5262701ee
--- /dev/null
+++ b/docs/ko/enterprise/guides/deploy-to-amp.mdx
@@ -0,0 +1,438 @@
+---
+title: "AMP에 배포하기"
+description: "Crew 또는 Flow를 CrewAI AMP에 배포하기"
+icon: "rocket"
+mode: "wide"
+---
+
+
+ 로컬에서 또는 Crew Studio를 통해 Crew나 Flow를 생성한 후, 다음 단계는 이를 CrewAI AMP
+ 플랫폼에 배포하는 것입니다. 본 가이드에서는 다양한 배포 방법을 다루며,
+ 여러분의 워크플로우에 가장 적합한 방식을 선택할 수 있도록 안내합니다.
+
+
+## 사전 준비 사항
+
+
+
+ 로컬에서 성공적으로 실행되는 Crew 또는 Flow가 있어야 합니다.
+ [배포 준비 가이드](/ko/enterprise/guides/prepare-for-deployment)를 따라 프로젝트 구조를 확인하세요.
+
+
+ 코드가 GitHub 저장소에 있어야 합니다(GitHub 연동 방식의 경우).
+
+
+
+
+ **Crews vs Flows**: 두 프로젝트 유형 모두 CrewAI AMP에서 "자동화"로 배포할 수 있습니다.
+ 배포 과정은 동일하지만, 프로젝트 구조가 다릅니다.
+ 자세한 내용은 [배포 준비하기](/ko/enterprise/guides/prepare-for-deployment)를 참조하세요.
+
+
+## 옵션 1: CrewAI CLI를 사용한 배포
+
+CLI는 로컬에서 개발된 Crew 또는 Flow를 AMP 플랫폼에 가장 빠르게 배포할 수 있는 방법을 제공합니다.
+CLI는 `pyproject.toml`에서 프로젝트 유형을 자동으로 감지하고 그에 맞게 빌드합니다.
+
+
+
+ 아직 설치하지 않았다면 CrewAI CLI를 설치하세요:
+
+ ```bash
+ pip install crewai[tools]
+ ```
+
+
+ CLI는 기본 CrewAI 패키지에 포함되어 있지만, `[tools]` 추가 옵션을 사용하면 모든 배포 종속성을 함께 설치할 수 있습니다.
+
+
+
+
+
+ 먼저, CrewAI AMP 플랫폼에 CLI를 인증해야 합니다:
+
+ ```bash
+ # 이미 CrewAI AMP 계정이 있거나 새로 생성하고 싶을 때:
+ crewai login
+ ```
+
+ 위 명령어를 실행하면 CLI가 다음을 진행합니다:
+ 1. URL과 고유 기기 코드를 표시합니다
+ 2. 브라우저를 열어 인증 페이지로 이동합니다
+ 3. 기기 확인을 요청합니다
+ 4. 인증 과정을 완료합니다
+
+ 인증이 성공적으로 완료되면 터미널에 확인 메시지가 표시됩니다!
+
+
+
+
+
+ 프로젝트 디렉터리에서 다음 명령어를 실행하세요:
+
+ ```bash
+ crewai deploy create
+ ```
+
+ 이 명령어는 다음을 수행합니다:
+ 1. GitHub 저장소 정보를 감지합니다
+ 2. 로컬 `.env` 파일의 환경 변수를 식별합니다
+ 3. 이러한 변수를 Enterprise 플랫폼으로 안전하게 전송합니다
+ 4. 고유 식별자가 부여된 새 배포를 만듭니다
+
+ 성공적으로 생성되면 다음과 같은 메시지가 표시됩니다:
+ ```shell
+ Deployment created successfully!
+ Name: your_project_name
+ Deployment ID: 01234567-89ab-cdef-0123-456789abcdef
+ Current Status: Deploy Enqueued
+ ```
+
+
+
+
+
+ 다음 명령어로 배포 상태를 추적할 수 있습니다:
+
+ ```bash
+ crewai deploy status
+ ```
+
+ 빌드 과정의 상세 로그가 필요하다면:
+
+ ```bash
+ crewai deploy logs
+ ```
+
+
+ 첫 배포는 컨테이너 이미지를 빌드하므로 일반적으로 10~15분 정도 소요됩니다. 이후 배포는 훨씬 빠릅니다.
+
+
+
+
+
+## 추가 CLI 명령어
+
+CrewAI CLI는 배포를 관리하기 위한 여러 명령어를 제공합니다:
+
+```bash
+# 모든 배포 목록 확인
+crewai deploy list
+
+# 배포 상태 확인
+crewai deploy status
+
+# 배포 로그 보기
+crewai deploy logs
+
+# 코드 변경 후 업데이트 푸시
+crewai deploy push
+
+# 배포 삭제
+crewai deploy remove
+```
+
+## 옵션 2: 웹 인터페이스를 통한 직접 배포
+
+GitHub 계정을 연결하여 CrewAI AMP 웹 인터페이스를 통해 Crew 또는 Flow를 직접 배포할 수도 있습니다. 이 방법은 로컬 머신에서 CLI를 사용할 필요가 없습니다. 플랫폼은 자동으로 프로젝트 유형을 감지하고 적절하게 빌드를 처리합니다.
+
+
+
+
+
+Crew를 GitHub 저장소에 푸시해야 합니다. 아직 Crew를 만들지 않았다면, [이 튜토리얼](/ko/quickstart)을 따라할 수 있습니다.
+
+
+
+
+
+ 1. [CrewAI AMP](https://app.crewai.com)에 로그인합니다.
+ 2. "Connect GitHub" 버튼을 클릭합니다.
+
+
+ 
+
+
+
+
+
+
+ GitHub 계정을 연결한 후 배포할 저장소를 선택할 수 있습니다:
+
+
+ 
+
+
+
+
+
+
+ 배포 전에, LLM 제공업체 또는 기타 서비스에 연결할 환경 변수를 설정해야 합니다:
+
+ 1. 변수를 개별적으로 또는 일괄적으로 추가할 수 있습니다.
+ 2. 환경 변수는 `KEY=VALUE` 형식(한 줄에 하나씩)으로 입력합니다.
+
+
+ 
+
+
+
+
+
+
+ 1. "Deploy" 버튼을 클릭하여 배포 프로세스를 시작합니다.
+ 2. 진행 바를 통해 진행 상황을 모니터링할 수 있습니다.
+ 3. 첫 번째 배포에는 일반적으로 약 10-15분 정도 소요되며, 이후 배포는 더 빠릅니다.
+
+
+ 
+
+
+ 배포가 완료되면 다음을 확인할 수 있습니다:
+ - Crew의 고유 URL
+ - Crew API를 보호할 Bearer 토큰
+ - 배포를 삭제해야 하는 경우 "Delete" 버튼
+
+
+
+
+
+## 옵션 3: API를 통한 재배포 (CI/CD 통합)
+
+CI/CD 파이프라인에서 자동화된 배포를 위해 CrewAI API를 사용하여 기존 crew의 재배포를 트리거할 수 있습니다. 이 방법은 GitHub Actions, Jenkins 또는 기타 자동화 워크플로우에 특히 유용합니다.
+
+
+
+
+ CrewAI AMP 계정 설정에서 API 토큰을 생성합니다:
+
+ 1. [app.crewai.com](https://app.crewai.com)으로 이동합니다
+ 2. **Settings** → **Account** → **Personal Access Token**을 클릭합니다
+ 3. 새 토큰을 생성하고 안전하게 복사합니다
+ 4. 이 토큰을 CI/CD 시스템의 시크릿으로 저장합니다
+
+
+
+
+
+ 배포된 crew의 고유 식별자를 찾습니다:
+
+ 1. CrewAI AMP 대시보드에서 **Automations**로 이동합니다
+ 2. 기존 automation/crew를 선택합니다
+ 3. **Additional Details**를 클릭합니다
+ 4. **UUID**를 복사합니다 - 이것이 특정 crew 배포를 식별합니다
+
+
+
+
+
+ Deploy API 엔드포인트를 사용하여 재배포를 트리거합니다:
+
+ ```bash
+ curl -i -X POST \
+ -H "Authorization: Bearer YOUR_PERSONAL_ACCESS_TOKEN" \
+ https://app.crewai.com/crewai_plus/api/v1/crews/YOUR-AUTOMATION-UUID/deploy
+
+ # HTTP/2 200
+ # content-type: application/json
+ #
+ # {
+ # "uuid": "your-automation-uuid",
+ # "status": "Deploy Enqueued",
+ # "public_url": "https://your-crew-deployment.crewai.com",
+ # "token": "your-bearer-token"
+ # }
+ ```
+
+
+ Git에 연결되어 처음 생성된 automation의 경우, API가 재배포 전에 자동으로 저장소에서 최신 변경 사항을 가져옵니다.
+
+
+
+
+
+
+ 더 복잡한 배포 트리거가 있는 GitHub Actions 워크플로우 예시입니다:
+
+ ```yaml
+ name: Deploy CrewAI Automation
+
+ on:
+ push:
+ branches: [ main ]
+ pull_request:
+ types: [ labeled ]
+ release:
+ types: [ published ]
+
+ jobs:
+ deploy:
+ runs-on: ubuntu-latest
+ if: |
+ (github.event_name == 'push' && github.ref == 'refs/heads/main') ||
+ (github.event_name == 'pull_request' && contains(github.event.pull_request.labels.*.name, 'deploy')) ||
+ (github.event_name == 'release')
+ steps:
+ - name: Trigger CrewAI Redeployment
+ run: |
+ curl -X POST \
+ -H "Authorization: Bearer ${{ secrets.CREWAI_PAT }}" \
+ https://app.crewai.com/crewai_plus/api/v1/crews/${{ secrets.CREWAI_AUTOMATION_UUID }}/deploy
+ ```
+
+
+ `CREWAI_PAT`와 `CREWAI_AUTOMATION_UUID`를 저장소 시크릿으로 추가하세요. PR 배포의 경우 "deploy" 라벨을 추가하여 워크플로우를 트리거합니다.
+
+
+
+
+
+
+## 배포된 Automation과 상호작용하기
+
+배포가 완료되면 다음을 통해 crew에 접근할 수 있습니다:
+
+1. **REST API**: 플랫폼에서 아래의 주요 경로가 포함된 고유한 HTTPS 엔드포인트를 생성합니다:
+
+ - `/inputs`: 필요한 입력 파라미터 목록
+ - `/kickoff`: 제공된 입력값으로 실행 시작
+ - `/status/{kickoff_id}`: 실행 상태 확인
+
+2. **웹 인터페이스**: [app.crewai.com](https://app.crewai.com)에 방문하여 다음을 확인할 수 있습니다:
+ - **Status 탭**: 배포 정보, API 엔드포인트 세부 정보 및 인증 토큰 확인
+ - **Run 탭**: Crew 구조의 시각적 표현
+ - **Executions 탭**: 모든 실행 내역
+ - **Metrics 탭**: 성능 분석
+ - **Traces 탭**: 상세 실행 인사이트
+
+### 실행 트리거하기
+
+Enterprise 대시보드에서 다음 작업을 수행할 수 있습니다:
+
+1. Crew 이름을 클릭하여 상세 정보를 엽니다
+2. 관리 인터페이스에서 "Trigger Crew"를 선택합니다
+3. 나타나는 모달에 필요한 입력값을 입력합니다
+4. 파이프라인을 따라 실행의 진행 상황을 모니터링합니다
+
+### 모니터링 및 분석
+
+Enterprise 플랫폼은 포괄적인 가시성 기능을 제공합니다:
+
+- **실행 관리**: 활성 및 완료된 실행 추적
+- **트레이스**: 각 실행의 상세 분해
+- **메트릭**: 토큰 사용량, 실행 시간, 비용
+- **타임라인 보기**: 작업 시퀀스의 시각적 표현
+
+### 고급 기능
+
+Enterprise 플랫폼은 또한 다음을 제공합니다:
+
+- **환경 변수 관리**: API 키를 안전하게 저장 및 관리
+- **LLM 연결**: 다양한 LLM 공급자와의 통합 구성
+- **Custom Tools Repository**: 도구 생성, 공유 및 설치
+- **Crew Studio**: 코드를 작성하지 않고 채팅 인터페이스를 통해 crew 빌드
+
+## 배포 실패 문제 해결
+
+배포가 실패하면 다음과 같은 일반적인 문제를 확인하세요:
+
+### 빌드 실패
+
+#### uv.lock 파일 누락
+
+**증상**: 의존성 해결 오류와 함께 빌드 초기에 실패
+
+**해결책**: lock 파일을 생성하고 커밋합니다:
+
+```bash
+uv lock
+git add uv.lock
+git commit -m "Add uv.lock for deployment"
+git push
+```
+
+
+ `uv.lock` 파일은 모든 배포에 필수입니다. 이 파일이 없으면 플랫폼에서
+ 의존성을 안정적으로 설치할 수 없습니다.
+
+
+#### 잘못된 프로젝트 구조
+
+**증상**: "Could not find entry point" 또는 "Module not found" 오류
+
+**해결책**: 프로젝트가 예상 구조와 일치하는지 확인합니다:
+
+- **Crews와 Flows 모두**: 진입점이 `src/project_name/main.py`에 있어야 합니다
+- **Crews**: 진입점으로 `run()` 함수 사용
+- **Flows**: 진입점으로 `kickoff()` 함수 사용
+
+자세한 구조 다이어그램은 [배포 준비하기](/ko/enterprise/guides/prepare-for-deployment)를 참조하세요.
+
+#### CrewBase 데코레이터 누락
+
+**증상**: "Crew not found", "Config not found" 또는 agent/task 구성 오류
+
+**해결책**: **모든** crew 클래스가 `@CrewBase` 데코레이터를 사용하는지 확인합니다:
+
+```python
+from crewai.project import CrewBase, agent, crew, task
+
+@CrewBase # 이 데코레이터는 필수입니다
+class YourCrew():
+ """Crew 설명"""
+
+ @agent
+ def my_agent(self) -> Agent:
+ return Agent(
+ config=self.agents_config['my_agent'], # type: ignore[index]
+ verbose=True
+ )
+
+ # ... 나머지 crew 정의
+```
+
+
+ 이것은 독립 실행형 Crews와 Flow 프로젝트 내에 포함된 crews 모두에 적용됩니다.
+ 모든 crew 클래스에 데코레이터가 필요합니다.
+
+
+#### 잘못된 pyproject.toml 타입
+
+**증상**: 빌드는 성공하지만 런타임에서 실패하거나 예상치 못한 동작
+
+**해결책**: `[tool.crewai]` 섹션이 프로젝트 유형과 일치하는지 확인합니다:
+
+```toml
+# Crew 프로젝트의 경우:
+[tool.crewai]
+type = "crew"
+
+# Flow 프로젝트의 경우:
+[tool.crewai]
+type = "flow"
+```
+
+### 런타임 실패
+
+#### LLM 연결 실패
+
+**증상**: API 키 오류, "model not found" 또는 인증 실패
+
+**해결책**:
+1. LLM 제공업체의 API 키가 환경 변수에 올바르게 설정되어 있는지 확인합니다
+2. 환경 변수 이름이 코드에서 예상하는 것과 일치하는지 확인합니다
+3. 배포 전에 동일한 환경 변수로 로컬에서 테스트합니다
+
+#### Crew 실행 오류
+
+**증상**: Crew가 시작되지만 실행 중에 실패
+
+**해결책**:
+1. AMP 대시보드에서 실행 로그를 확인합니다 (Traces 탭)
+2. 모든 도구에 필요한 API 키가 구성되어 있는지 확인합니다
+3. `agents.yaml`의 agent 구성이 유효한지 확인합니다
+4. `tasks.yaml`의 task 구성에 구문 오류가 없는지 확인합니다
+
+
+ 배포 문제 또는 AMP 플랫폼에 대한 문의 사항이 있으시면 지원팀에 연락해 주세요.
+
\ No newline at end of file
diff --git a/docs/ko/enterprise/guides/prepare-for-deployment.mdx b/docs/ko/enterprise/guides/prepare-for-deployment.mdx
new file mode 100644
index 000000000..9778dde4d
--- /dev/null
+++ b/docs/ko/enterprise/guides/prepare-for-deployment.mdx
@@ -0,0 +1,305 @@
+---
+title: "배포 준비하기"
+description: "Crew 또는 Flow가 CrewAI AMP에 배포될 준비가 되었는지 확인하기"
+icon: "clipboard-check"
+mode: "wide"
+---
+
+
+ CrewAI AMP에 배포하기 전에, 프로젝트가 올바르게 구성되어 있는지 확인하는 것이 중요합니다.
+ Crews와 Flows 모두 "자동화"로 배포할 수 있지만, 성공적인 배포를 위해 충족해야 하는
+ 서로 다른 프로젝트 구조와 요구 사항이 있습니다.
+
+
+## 자동화 이해하기
+
+CrewAI AMP에서 **자동화(automations)**는 배포 가능한 Agentic AI 프로젝트의 총칭입니다. 자동화는 다음 중 하나일 수 있습니다:
+
+- **Crew**: 작업을 함께 수행하는 AI 에이전트들의 독립 실행형 팀
+- **Flow**: 여러 crew, 직접 LLM 호출 및 절차적 로직을 결합할 수 있는 오케스트레이션된 워크플로우
+
+배포하는 유형을 이해하는 것은 프로젝트 구조와 진입점이 다르기 때문에 필수적입니다.
+
+## Crews vs Flows: 주요 차이점
+
+
+
+ 에이전트와 작업을 정의하는 `crew.py`가 있는 독립 실행형 AI 에이전트 팀. 집중적이고 협업적인 작업에 적합합니다.
+
+
+ `crews/` 폴더에 포함된 crew가 있는 오케스트레이션된 워크플로우. 복잡한 다단계 프로세스에 적합합니다.
+
+
+
+| 측면 | Crew | Flow |
+|------|------|------|
+| **프로젝트 구조** | `crew.py`가 있는 `src/project_name/` | `crews/` 폴더가 있는 `src/project_name/` |
+| **메인 로직 위치** | `src/project_name/crew.py` | `src/project_name/main.py` (Flow 클래스) |
+| **진입점 함수** | `main.py`의 `run()` | `main.py`의 `kickoff()` |
+| **pyproject.toml 타입** | `type = "crew"` | `type = "flow"` |
+| **CLI 생성 명령어** | `crewai create crew name` | `crewai create flow name` |
+| **설정 위치** | `src/project_name/config/` | `src/project_name/crews/crew_name/config/` |
+| **다른 crew 포함 가능** | 아니오 | 예 (`crews/` 폴더 내) |
+
+## 프로젝트 구조 참조
+
+### Crew 프로젝트 구조
+
+`crewai create crew my_crew`를 실행하면 다음 구조를 얻습니다:
+
+```
+my_crew/
+├── .gitignore
+├── pyproject.toml # type = "crew"여야 함
+├── README.md
+├── .env
+├── uv.lock # 배포에 필수
+└── src/
+ └── my_crew/
+ ├── __init__.py
+ ├── main.py # run() 함수가 있는 진입점
+ ├── crew.py # @CrewBase 데코레이터가 있는 Crew 클래스
+ ├── tools/
+ │ ├── custom_tool.py
+ │ └── __init__.py
+ └── config/
+ ├── agents.yaml # 에이전트 정의
+ └── tasks.yaml # 작업 정의
+```
+
+
+ 중첩된 `src/project_name/` 구조는 Crews에 매우 중요합니다.
+ 잘못된 레벨에 파일을 배치하면 배포 실패의 원인이 됩니다.
+
+
+### Flow 프로젝트 구조
+
+`crewai create flow my_flow`를 실행하면 다음 구조를 얻습니다:
+
+```
+my_flow/
+├── .gitignore
+├── pyproject.toml # type = "flow"여야 함
+├── README.md
+├── .env
+├── uv.lock # 배포에 필수
+└── src/
+ └── my_flow/
+ ├── __init__.py
+ ├── main.py # kickoff() 함수 + Flow 클래스가 있는 진입점
+ ├── crews/ # 포함된 crews 폴더
+ │ └── poem_crew/
+ │ ├── __init__.py
+ │ ├── poem_crew.py # @CrewBase 데코레이터가 있는 Crew
+ │ └── config/
+ │ ├── agents.yaml
+ │ └── tasks.yaml
+ └── tools/
+ ├── __init__.py
+ └── custom_tool.py
+```
+
+
+ Crews와 Flows 모두 `src/project_name/` 구조를 사용합니다.
+ 핵심 차이점은 Flows는 포함된 crews를 위한 `crews/` 폴더가 있고,
+ Crews는 프로젝트 폴더에 직접 `crew.py`가 있다는 것입니다.
+
+
+## 배포 전 체크리스트
+
+이 체크리스트를 사용하여 프로젝트가 배포 준비가 되었는지 확인하세요.
+
+### 1. pyproject.toml 설정 확인
+
+`pyproject.toml`에 올바른 `[tool.crewai]` 섹션이 포함되어야 합니다:
+
+
+
+ ```toml
+ [tool.crewai]
+ type = "crew"
+ ```
+
+
+ ```toml
+ [tool.crewai]
+ type = "flow"
+ ```
+
+
+
+
+ `type`이 프로젝트 구조와 일치하지 않으면 빌드가 실패하거나
+ 자동화가 올바르게 실행되지 않습니다.
+
+
+### 2. uv.lock 파일 존재 확인
+
+CrewAI는 의존성 관리를 위해 `uv`를 사용합니다. `uv.lock` 파일은 재현 가능한 빌드를 보장하며 배포에 **필수**입니다.
+
+```bash
+# lock 파일 생성 또는 업데이트
+uv lock
+
+# 존재 여부 확인
+ls -la uv.lock
+```
+
+파일이 존재하지 않으면 `uv lock`을 실행하고 저장소에 커밋하세요:
+
+```bash
+uv lock
+git add uv.lock
+git commit -m "Add uv.lock for deployment"
+git push
+```
+
+### 3. CrewBase 데코레이터 사용 확인
+
+**모든 crew 클래스는 `@CrewBase` 데코레이터를 사용해야 합니다.** 이것은 다음에 적용됩니다:
+
+- 독립 실행형 crew 프로젝트
+- Flow 프로젝트 내에 포함된 crews
+
+```python
+from crewai import Agent, Crew, Process, Task
+from crewai.project import CrewBase, agent, crew, task
+from crewai.agents.agent_builder.base_agent import BaseAgent
+from typing import List
+
+@CrewBase # 이 데코레이터는 필수입니다
+class MyCrew():
+ """내 crew 설명"""
+
+ agents: List[BaseAgent]
+ tasks: List[Task]
+
+ @agent
+ def my_agent(self) -> Agent:
+ return Agent(
+ config=self.agents_config['my_agent'], # type: ignore[index]
+ verbose=True
+ )
+
+ @task
+ def my_task(self) -> Task:
+ return Task(
+ config=self.tasks_config['my_task'] # type: ignore[index]
+ )
+
+ @crew
+ def crew(self) -> Crew:
+ return Crew(
+ agents=self.agents,
+ tasks=self.tasks,
+ process=Process.sequential,
+ verbose=True,
+ )
+```
+
+
+ `@CrewBase` 데코레이터를 잊으면 에이전트나 작업 구성이 누락되었다는
+ 오류와 함께 배포가 실패합니다.
+
+
+### 4. 프로젝트 진입점 확인
+
+Crews와 Flows 모두 `src/project_name/main.py`에 진입점이 있습니다:
+
+
+
+ 진입점은 `run()` 함수를 사용합니다:
+
+ ```python
+ # src/my_crew/main.py
+ from my_crew.crew import MyCrew
+
+ def run():
+ """crew를 실행합니다."""
+ inputs = {'topic': 'AI in Healthcare'}
+ result = MyCrew().crew().kickoff(inputs=inputs)
+ return result
+
+ if __name__ == "__main__":
+ run()
+ ```
+
+
+ 진입점은 Flow 클래스와 함께 `kickoff()` 함수를 사용합니다:
+
+ ```python
+ # src/my_flow/main.py
+ from crewai.flow import Flow, listen, start
+ from my_flow.crews.poem_crew.poem_crew import PoemCrew
+
+ class MyFlow(Flow):
+ @start()
+ def begin(self):
+ # Flow 로직
+ result = PoemCrew().crew().kickoff(inputs={...})
+ return result
+
+ def kickoff():
+ """flow를 실행합니다."""
+ MyFlow().kickoff()
+
+ if __name__ == "__main__":
+ kickoff()
+ ```
+
+
+
+### 5. 환경 변수 준비
+
+배포 전에 다음을 준비해야 합니다:
+
+1. **LLM API 키** (OpenAI, Anthropic, Google 등)
+2. **도구 API 키** - 외부 도구를 사용하는 경우 (Serper 등)
+
+
+ 구성 문제를 조기에 발견하기 위해 배포 전에 동일한 환경 변수로
+ 로컬에서 프로젝트를 테스트하세요.
+
+
+## 빠른 검증 명령어
+
+프로젝트 루트에서 다음 명령어를 실행하여 설정을 빠르게 확인하세요:
+
+```bash
+# 1. pyproject.toml에서 프로젝트 타입 확인
+grep -A2 "\[tool.crewai\]" pyproject.toml
+
+# 2. uv.lock 존재 확인
+ls -la uv.lock || echo "오류: uv.lock이 없습니다! 'uv lock'을 실행하세요"
+
+# 3. src/ 구조 존재 확인
+ls -la src/*/main.py 2>/dev/null || echo "src/에서 main.py를 찾을 수 없습니다"
+
+# 4. Crews의 경우 - crew.py 존재 확인
+ls -la src/*/crew.py 2>/dev/null || echo "crew.py가 없습니다 (Crews에서 예상됨)"
+
+# 5. Flows의 경우 - crews/ 폴더 존재 확인
+ls -la src/*/crews/ 2>/dev/null || echo "crews/ 폴더가 없습니다 (Flows에서 예상됨)"
+
+# 6. CrewBase 사용 확인
+grep -r "@CrewBase" . --include="*.py"
+```
+
+## 일반적인 설정 실수
+
+| 실수 | 증상 | 해결 방법 |
+|------|------|----------|
+| `uv.lock` 누락 | 의존성 해결 중 빌드 실패 | `uv lock` 실행 후 커밋 |
+| pyproject.toml의 잘못된 `type` | 빌드 성공하지만 런타임 실패 | 올바른 타입으로 변경 |
+| `@CrewBase` 데코레이터 누락 | "Config not found" 오류 | 모든 crew 클래스에 데코레이터 추가 |
+| `src/` 대신 루트에 파일 배치 | 진입점을 찾을 수 없음 | `src/project_name/`으로 이동 |
+| `run()` 또는 `kickoff()` 누락 | 자동화를 시작할 수 없음 | 올바른 진입 함수 추가 |
+
+## 다음 단계
+
+프로젝트가 모든 체크리스트 항목을 통과하면 배포할 준비가 된 것입니다:
+
+
+ CLI, 웹 인터페이스 또는 CI/CD 통합을 사용하여 Crew 또는 Flow를 CrewAI AMP에
+ 배포하려면 배포 가이드를 따르세요.
+
diff --git a/docs/pt-BR/enterprise/guides/deploy-crew.mdx b/docs/pt-BR/enterprise/guides/deploy-crew.mdx
deleted file mode 100644
index 438703979..000000000
--- a/docs/pt-BR/enterprise/guides/deploy-crew.mdx
+++ /dev/null
@@ -1,304 +0,0 @@
----
-title: "Deploy Crew"
-description: "Implantando um Crew na CrewAI AMP"
-icon: "rocket"
-mode: "wide"
----
-
-
- Depois de criar um crew localmente ou pelo Crew Studio, o próximo passo é
- implantá-lo na plataforma CrewAI AMP. Este guia cobre múltiplos métodos de
- implantação para ajudá-lo a escolher a melhor abordagem para o seu fluxo de
- trabalho.
-
-
-## Pré-requisitos
-
-
-
- Você deve ter um crew funcional, criado localmente ou pelo Crew Studio
-
-
- O código do seu crew deve estar em um repositório do GitHub (para o método
- de integração com GitHub)
-
-
-
-## Opção 1: Implantar Usando o CrewAI CLI
-
-A CLI fornece a maneira mais rápida de implantar crews desenvolvidos localmente na plataforma Enterprise.
-
-
-
- Se ainda não tiver, instale o CrewAI CLI:
-
- ```bash
- pip install crewai[tools]
- ```
-
-
- A CLI vem com o pacote principal CrewAI, mas o extra `[tools]` garante todas as dependências de implantação.
-
-
-
-
-
- Primeiro, você precisa autenticar sua CLI com a plataforma CrewAI AMP:
-
- ```bash
- # Se já possui uma conta CrewAI AMP, ou deseja criar uma:
- crewai login
- ```
-
- Ao executar qualquer um dos comandos, a CLI irá:
- 1. Exibir uma URL e um código de dispositivo único
- 2. Abrir seu navegador para a página de autenticação
- 3. Solicitar a confirmação do dispositivo
- 4. Completar o processo de autenticação
-
- Após a autenticação bem-sucedida, você verá uma mensagem de confirmação no terminal!
-
-
-
-
-
- No diretório do seu projeto, execute:
-
- ```bash
- crewai deploy create
- ```
-
- Este comando irá:
- 1. Detectar informações do seu repositório GitHub
- 2. Identificar variáveis de ambiente no seu arquivo `.env` local
- 3. Transferir essas variáveis com segurança para a plataforma Enterprise
- 4. Criar uma nova implantação com um identificador único
-
- Com a criação bem-sucedida, você verá uma mensagem como:
- ```shell
- Deployment created successfully!
- Name: your_project_name
- Deployment ID: 01234567-89ab-cdef-0123-456789abcdef
- Current Status: Deploy Enqueued
- ```
-
-
-
-
-
- Acompanhe o status da implantação com:
-
- ```bash
- crewai deploy status
- ```
-
- Para ver logs detalhados do processo de build:
-
- ```bash
- crewai deploy logs
- ```
-
-
- A primeira implantação normalmente leva de 10 a 15 minutos, pois as imagens dos containers são construídas. As próximas implantações são bem mais rápidas.
-
-
-
-
-
-## Comandos Adicionais da CLI
-
-O CrewAI CLI oferece vários comandos para gerenciar suas implantações:
-
-```bash
-# Liste todas as suas implantações
-crewai deploy list
-
-# Consulte o status de uma implantação
-crewai deploy status
-
-# Veja os logs da implantação
-crewai deploy logs
-
-# Envie atualizações após alterações no código
-crewai deploy push
-
-# Remova uma implantação
-crewai deploy remove
-```
-
-## Opção 2: Implantar Diretamente pela Interface Web
-
-Você também pode implantar seus crews diretamente pela interface web da CrewAI AMP conectando sua conta do GitHub. Esta abordagem não requer utilizar a CLI na sua máquina local.
-
-
-
-
-
-Você precisa subir seu crew para um repositório do GitHub. Caso ainda não tenha criado um crew, você pode [seguir este tutorial](/pt-BR/quickstart).
-
-
-
-
-
- 1. Faça login em [CrewAI AMP](https://app.crewai.com)
- 2. Clique no botão "Connect GitHub"
-
-
- 
-
-
-
-
-
-
- Após conectar sua conta GitHub, você poderá selecionar qual repositório deseja implantar:
-
-
- 
-
-
-
-
-
-
- Antes de implantar, você precisará configurar as variáveis de ambiente para conectar ao seu provedor de LLM ou outros serviços:
-
- 1. Você pode adicionar variáveis individualmente ou em lote
- 2. Digite suas variáveis no formato `KEY=VALUE` (uma por linha)
-
-
- 
-
-
-
-
-
-
- 1. Clique no botão "Deploy" para iniciar o processo de implantação
- 2. Você pode monitorar o progresso pela barra de progresso
- 3. A primeira implantação geralmente demora de 10 a 15 minutos; as próximas serão mais rápidas
-
-
- 
-
-
- Após a conclusão, você verá:
- - A URL exclusiva do seu crew
- - Um Bearer token para proteger sua API crew
- - Um botão "Delete" caso precise remover a implantação
-
-
-
-
-
-## ⚠️ Requisitos de Segurança para Variáveis de Ambiente
-
-
- **Importante**: A CrewAI AMP possui restrições de segurança sobre os nomes de
- variáveis de ambiente que podem causar falha na implantação caso não sejam
- seguidas.
-
-
-### Padrões de Variáveis de Ambiente Bloqueados
-
-Por motivos de segurança, os seguintes padrões de nome de variável de ambiente são **automaticamente filtrados** e causarão problemas de implantação:
-
-**Padrões Bloqueados:**
-
-- Variáveis terminando em `_TOKEN` (ex: `MY_API_TOKEN`)
-- Variáveis terminando em `_PASSWORD` (ex: `DB_PASSWORD`)
-- Variáveis terminando em `_SECRET` (ex: `API_SECRET`)
-- Variáveis terminando em `_KEY` em certos contextos
-
-**Variáveis Bloqueadas Específicas:**
-
-- `GITHUB_USER`, `GITHUB_TOKEN`
-- `AWS_REGION`, `AWS_DEFAULT_REGION`
-- Diversas variáveis internas do sistema CrewAI
-
-### Exceções Permitidas
-
-Algumas variáveis são explicitamente permitidas mesmo coincidindo com os padrões bloqueados:
-
-- `AZURE_AD_TOKEN`
-- `AZURE_OPENAI_AD_TOKEN`
-- `ENTERPRISE_ACTION_TOKEN`
-- `CREWAI_ENTEPRISE_TOOLS_TOKEN`
-
-### Como Corrigir Problemas de Nomeação
-
-Se sua implantação falhar devido a restrições de variáveis de ambiente:
-
-```bash
-# ❌ Estas irão causar falhas na implantação
-OPENAI_TOKEN=sk-...
-DATABASE_PASSWORD=mysenha
-API_SECRET=segredo123
-
-# ✅ Utilize estes padrões de nomeação
-OPENAI_API_KEY=sk-...
-DATABASE_CREDENTIALS=mysenha
-API_CONFIG=segredo123
-```
-
-### Melhores Práticas
-
-1. **Use convenções padrão de nomenclatura**: `PROVIDER_API_KEY` em vez de `PROVIDER_TOKEN`
-2. **Teste localmente primeiro**: Certifique-se de que seu crew funciona com as variáveis renomeadas
-3. **Atualize seu código**: Altere todas as referências aos nomes antigos das variáveis
-4. **Documente as mudanças**: Mantenha registro das variáveis renomeadas para seu time
-
-
- Se você se deparar com falhas de implantação com erros enigmáticos de
- variáveis de ambiente, confira primeiro os nomes das variáveis em relação a
- esses padrões.
-
-
-### Interaja com Seu Crew Implantado
-
-Após a implantação, você pode acessar seu crew por meio de:
-
-1. **REST API**: A plataforma gera um endpoint HTTPS exclusivo com estas rotas principais:
-
- - `/inputs`: Lista os parâmetros de entrada requeridos
- - `/kickoff`: Inicia uma execução com os inputs fornecidos
- - `/status/{kickoff_id}`: Consulta o status da execução
-
-2. **Interface Web**: Acesse [app.crewai.com](https://app.crewai.com) para visualizar:
- - **Aba Status**: Informações da implantação, detalhes do endpoint da API e token de autenticação
- - **Aba Run**: Visualização da estrutura do seu crew
- - **Aba Executions**: Histórico de todas as execuções
- - **Aba Metrics**: Análises de desempenho
- - **Aba Traces**: Insights detalhados das execuções
-
-### Dispare uma Execução
-
-No dashboard Enterprise, você pode:
-
-1. Clicar no nome do seu crew para abrir seus detalhes
-2. Selecionar "Trigger Crew" na interface de gerenciamento
-3. Inserir os inputs necessários no modal exibido
-4. Monitorar o progresso à medida que a execução avança pelo pipeline
-
-### Monitoramento e Análises
-
-A plataforma Enterprise oferece recursos abrangentes de observabilidade:
-
-- **Gestão das Execuções**: Acompanhe execuções ativas e concluídas
-- **Traces**: Quebra detalhada de cada execução
-- **Métricas**: Uso de tokens, tempos de execução e custos
-- **Visualização em Linha do Tempo**: Representação visual das sequências de tarefas
-
-### Funcionalidades Avançadas
-
-A plataforma Enterprise também oferece:
-
-- **Gerenciamento de Variáveis de Ambiente**: Armazene e gerencie com segurança as chaves de API
-- **Conexões com LLM**: Configure integrações com diversos provedores de LLM
-- **Repositório Custom Tools**: Crie, compartilhe e instale ferramentas
-- **Crew Studio**: Monte crews via interface de chat sem escrever código
-
-
- Entre em contato com nossa equipe de suporte para ajuda com questões de
- implantação ou dúvidas sobre a plataforma Enterprise.
-
diff --git a/docs/pt-BR/enterprise/guides/deploy-to-amp.mdx b/docs/pt-BR/enterprise/guides/deploy-to-amp.mdx
new file mode 100644
index 000000000..c6dc35018
--- /dev/null
+++ b/docs/pt-BR/enterprise/guides/deploy-to-amp.mdx
@@ -0,0 +1,439 @@
+---
+title: "Deploy para AMP"
+description: "Implante seu Crew ou Flow no CrewAI AMP"
+icon: "rocket"
+mode: "wide"
+---
+
+
+ Depois de criar um Crew ou Flow localmente (ou pelo Crew Studio), o próximo passo é
+ implantá-lo na plataforma CrewAI AMP. Este guia cobre múltiplos métodos de
+ implantação para ajudá-lo a escolher a melhor abordagem para o seu fluxo de trabalho.
+
+
+## Pré-requisitos
+
+
+
+ Você deve ter um Crew ou Flow funcionando localmente com sucesso.
+ Siga nosso [guia de preparação](/pt-BR/enterprise/guides/prepare-for-deployment) para verificar a estrutura do seu projeto.
+
+
+ Seu código deve estar em um repositório do GitHub (para o método de integração com GitHub).
+
+
+
+
+ **Crews vs Flows**: Ambos os tipos de projeto podem ser implantados como "automações" no CrewAI AMP.
+ O processo de implantação é o mesmo, mas eles têm estruturas de projeto diferentes.
+ Veja [Preparar para Implantação](/pt-BR/enterprise/guides/prepare-for-deployment) para detalhes.
+
+
+## Opção 1: Implantar Usando o CrewAI CLI
+
+A CLI fornece a maneira mais rápida de implantar Crews ou Flows desenvolvidos localmente na plataforma AMP.
+A CLI detecta automaticamente o tipo do seu projeto a partir do `pyproject.toml` e faz o build adequadamente.
+
+
+
+ Se ainda não tiver, instale o CrewAI CLI:
+
+ ```bash
+ pip install crewai[tools]
+ ```
+
+
+ A CLI vem com o pacote principal CrewAI, mas o extra `[tools]` garante todas as dependências de implantação.
+
+
+
+
+
+ Primeiro, você precisa autenticar sua CLI com a plataforma CrewAI AMP:
+
+ ```bash
+ # Se já possui uma conta CrewAI AMP, ou deseja criar uma:
+ crewai login
+ ```
+
+ Ao executar qualquer um dos comandos, a CLI irá:
+ 1. Exibir uma URL e um código de dispositivo único
+ 2. Abrir seu navegador para a página de autenticação
+ 3. Solicitar a confirmação do dispositivo
+ 4. Completar o processo de autenticação
+
+ Após a autenticação bem-sucedida, você verá uma mensagem de confirmação no terminal!
+
+
+
+
+
+ No diretório do seu projeto, execute:
+
+ ```bash
+ crewai deploy create
+ ```
+
+ Este comando irá:
+ 1. Detectar informações do seu repositório GitHub
+ 2. Identificar variáveis de ambiente no seu arquivo `.env` local
+ 3. Transferir essas variáveis com segurança para a plataforma Enterprise
+ 4. Criar uma nova implantação com um identificador único
+
+ Com a criação bem-sucedida, você verá uma mensagem como:
+ ```shell
+ Deployment created successfully!
+ Name: your_project_name
+ Deployment ID: 01234567-89ab-cdef-0123-456789abcdef
+ Current Status: Deploy Enqueued
+ ```
+
+
+
+
+
+ Acompanhe o status da implantação com:
+
+ ```bash
+ crewai deploy status
+ ```
+
+ Para ver logs detalhados do processo de build:
+
+ ```bash
+ crewai deploy logs
+ ```
+
+
+ A primeira implantação normalmente leva de 10 a 15 minutos, pois as imagens dos containers são construídas. As próximas implantações são bem mais rápidas.
+
+
+
+
+
+## Comandos Adicionais da CLI
+
+O CrewAI CLI oferece vários comandos para gerenciar suas implantações:
+
+```bash
+# Liste todas as suas implantações
+crewai deploy list
+
+# Consulte o status de uma implantação
+crewai deploy status
+
+# Veja os logs da implantação
+crewai deploy logs
+
+# Envie atualizações após alterações no código
+crewai deploy push
+
+# Remova uma implantação
+crewai deploy remove
+```
+
+## Opção 2: Implantar Diretamente pela Interface Web
+
+Você também pode implantar seus Crews ou Flows diretamente pela interface web do CrewAI AMP conectando sua conta do GitHub. Esta abordagem não requer utilizar a CLI na sua máquina local. A plataforma detecta automaticamente o tipo do seu projeto e trata o build adequadamente.
+
+
+
+
+
+Você precisa enviar seu crew para um repositório do GitHub. Caso ainda não tenha criado um crew, você pode [seguir este tutorial](/pt-BR/quickstart).
+
+
+
+
+
+ 1. Faça login em [CrewAI AMP](https://app.crewai.com)
+ 2. Clique no botão "Connect GitHub"
+
+
+ 
+
+
+
+
+
+
+ Após conectar sua conta GitHub, você poderá selecionar qual repositório deseja implantar:
+
+
+ 
+
+
+
+
+
+
+ Antes de implantar, você precisará configurar as variáveis de ambiente para conectar ao seu provedor de LLM ou outros serviços:
+
+ 1. Você pode adicionar variáveis individualmente ou em lote
+ 2. Digite suas variáveis no formato `KEY=VALUE` (uma por linha)
+
+
+ 
+
+
+
+
+
+
+ 1. Clique no botão "Deploy" para iniciar o processo de implantação
+ 2. Você pode monitorar o progresso pela barra de progresso
+ 3. A primeira implantação geralmente demora de 10 a 15 minutos; as próximas serão mais rápidas
+
+
+ 
+
+
+ Após a conclusão, você verá:
+ - A URL exclusiva do seu crew
+ - Um Bearer token para proteger sua API crew
+ - Um botão "Delete" caso precise remover a implantação
+
+
+
+
+
+## Opção 3: Reimplantar Usando API (Integração CI/CD)
+
+Para implantações automatizadas em pipelines CI/CD, você pode usar a API do CrewAI para acionar reimplantações de crews existentes. Isso é particularmente útil para GitHub Actions, Jenkins ou outros workflows de automação.
+
+
+
+
+ Navegue até as configurações da sua conta CrewAI AMP para gerar um token de API:
+
+ 1. Acesse [app.crewai.com](https://app.crewai.com)
+ 2. Clique em **Settings** → **Account** → **Personal Access Token**
+ 3. Gere um novo token e copie-o com segurança
+ 4. Armazene este token como um secret no seu sistema CI/CD
+
+
+
+
+
+ Localize o identificador único do seu crew implantado:
+
+ 1. Acesse **Automations** no seu dashboard CrewAI AMP
+ 2. Selecione sua automação/crew existente
+ 3. Clique em **Additional Details**
+ 4. Copie o **UUID** - este identifica sua implantação específica do crew
+
+
+
+
+
+ Use o endpoint da API de Deploy para acionar uma reimplantação:
+
+ ```bash
+ curl -i -X POST \
+ -H "Authorization: Bearer YOUR_PERSONAL_ACCESS_TOKEN" \
+ https://app.crewai.com/crewai_plus/api/v1/crews/YOUR-AUTOMATION-UUID/deploy
+
+ # HTTP/2 200
+ # content-type: application/json
+ #
+ # {
+ # "uuid": "your-automation-uuid",
+ # "status": "Deploy Enqueued",
+ # "public_url": "https://your-crew-deployment.crewai.com",
+ # "token": "your-bearer-token"
+ # }
+ ```
+
+
+ Se sua automação foi criada originalmente conectada ao Git, a API automaticamente puxará as últimas alterações do seu repositório antes de reimplantar.
+
+
+
+
+
+
+ Aqui está um workflow do GitHub Actions com gatilhos de implantação mais complexos:
+
+ ```yaml
+ name: Deploy CrewAI Automation
+
+ on:
+ push:
+ branches: [ main ]
+ pull_request:
+ types: [ labeled ]
+ release:
+ types: [ published ]
+
+ jobs:
+ deploy:
+ runs-on: ubuntu-latest
+ if: |
+ (github.event_name == 'push' && github.ref == 'refs/heads/main') ||
+ (github.event_name == 'pull_request' && contains(github.event.pull_request.labels.*.name, 'deploy')) ||
+ (github.event_name == 'release')
+ steps:
+ - name: Trigger CrewAI Redeployment
+ run: |
+ curl -X POST \
+ -H "Authorization: Bearer ${{ secrets.CREWAI_PAT }}" \
+ https://app.crewai.com/crewai_plus/api/v1/crews/${{ secrets.CREWAI_AUTOMATION_UUID }}/deploy
+ ```
+
+
+ Adicione `CREWAI_PAT` e `CREWAI_AUTOMATION_UUID` como secrets do repositório. Para implantações de PR, adicione um label "deploy" para acionar o workflow.
+
+
+
+
+
+
+## Interaja com Sua Automação Implantada
+
+Após a implantação, você pode acessar seu crew através de:
+
+1. **REST API**: A plataforma gera um endpoint HTTPS exclusivo com estas rotas principais:
+
+ - `/inputs`: Lista os parâmetros de entrada requeridos
+ - `/kickoff`: Inicia uma execução com os inputs fornecidos
+ - `/status/{kickoff_id}`: Consulta o status da execução
+
+2. **Interface Web**: Acesse [app.crewai.com](https://app.crewai.com) para visualizar:
+ - **Aba Status**: Informações da implantação, detalhes do endpoint da API e token de autenticação
+ - **Aba Run**: Visualização da estrutura do seu crew
+ - **Aba Executions**: Histórico de todas as execuções
+ - **Aba Metrics**: Análises de desempenho
+ - **Aba Traces**: Insights detalhados das execuções
+
+### Dispare uma Execução
+
+No dashboard Enterprise, você pode:
+
+1. Clicar no nome do seu crew para abrir seus detalhes
+2. Selecionar "Trigger Crew" na interface de gerenciamento
+3. Inserir os inputs necessários no modal exibido
+4. Monitorar o progresso à medida que a execução avança pelo pipeline
+
+### Monitoramento e Análises
+
+A plataforma Enterprise oferece recursos abrangentes de observabilidade:
+
+- **Gestão das Execuções**: Acompanhe execuções ativas e concluídas
+- **Traces**: Quebra detalhada de cada execução
+- **Métricas**: Uso de tokens, tempos de execução e custos
+- **Visualização em Linha do Tempo**: Representação visual das sequências de tarefas
+
+### Funcionalidades Avançadas
+
+A plataforma Enterprise também oferece:
+
+- **Gerenciamento de Variáveis de Ambiente**: Armazene e gerencie com segurança as chaves de API
+- **Conexões com LLM**: Configure integrações com diversos provedores de LLM
+- **Repositório Custom Tools**: Crie, compartilhe e instale ferramentas
+- **Crew Studio**: Monte crews via interface de chat sem escrever código
+
+## Solução de Problemas em Falhas de Implantação
+
+Se sua implantação falhar, verifique estes problemas comuns:
+
+### Falhas de Build
+
+#### Arquivo uv.lock Ausente
+
+**Sintoma**: Build falha no início com erros de resolução de dependências
+
+**Solução**: Gere e faça commit do arquivo lock:
+
+```bash
+uv lock
+git add uv.lock
+git commit -m "Add uv.lock for deployment"
+git push
+```
+
+
+ O arquivo `uv.lock` é obrigatório para todas as implantações. Sem ele, a plataforma
+ não consegue instalar suas dependências de forma confiável.
+
+
+#### Estrutura de Projeto Incorreta
+
+**Sintoma**: Erros "Could not find entry point" ou "Module not found"
+
+**Solução**: Verifique se seu projeto corresponde à estrutura esperada:
+
+- **Tanto Crews quanto Flows**: Devem ter ponto de entrada em `src/project_name/main.py`
+- **Crews**: Usam uma função `run()` como ponto de entrada
+- **Flows**: Usam uma função `kickoff()` como ponto de entrada
+
+Veja [Preparar para Implantação](/pt-BR/enterprise/guides/prepare-for-deployment) para diagramas de estrutura detalhados.
+
+#### Decorador CrewBase Ausente
+
+**Sintoma**: Erros "Crew not found", "Config not found" ou erros de configuração de agent/task
+
+**Solução**: Certifique-se de que **todas** as classes crew usam o decorador `@CrewBase`:
+
+```python
+from crewai.project import CrewBase, agent, crew, task
+
+@CrewBase # Este decorador é OBRIGATÓRIO
+class YourCrew():
+ """Descrição do seu crew"""
+
+ @agent
+ def my_agent(self) -> Agent:
+ return Agent(
+ config=self.agents_config['my_agent'], # type: ignore[index]
+ verbose=True
+ )
+
+ # ... resto da definição do crew
+```
+
+
+ Isso se aplica a Crews independentes E crews embutidos dentro de projetos Flow.
+ Toda classe crew precisa do decorador.
+
+
+#### Tipo Incorreto no pyproject.toml
+
+**Sintoma**: Build tem sucesso mas falha em runtime, ou comportamento inesperado
+
+**Solução**: Verifique se a seção `[tool.crewai]` corresponde ao tipo do seu projeto:
+
+```toml
+# Para projetos Crew:
+[tool.crewai]
+type = "crew"
+
+# Para projetos Flow:
+[tool.crewai]
+type = "flow"
+```
+
+### Falhas de Runtime
+
+#### Falhas de Conexão com LLM
+
+**Sintoma**: Erros de chave API, "model not found" ou falhas de autenticação
+
+**Solução**:
+1. Verifique se a chave API do seu provedor LLM está corretamente definida nas variáveis de ambiente
+2. Certifique-se de que os nomes das variáveis de ambiente correspondem ao que seu código espera
+3. Teste localmente com exatamente as mesmas variáveis de ambiente antes de implantar
+
+#### Erros de Execução do Crew
+
+**Sintoma**: Crew inicia mas falha durante a execução
+
+**Solução**:
+1. Verifique os logs de execução no dashboard AMP (aba Traces)
+2. Verifique se todas as ferramentas têm as chaves API necessárias configuradas
+3. Certifique-se de que as configurações de agents em `agents.yaml` são válidas
+4. Verifique se há erros de sintaxe nas configurações de tasks em `tasks.yaml`
+
+
+ Entre em contato com nossa equipe de suporte para ajuda com questões de
+ implantação ou dúvidas sobre a plataforma AMP.
+
\ No newline at end of file
diff --git a/docs/pt-BR/enterprise/guides/prepare-for-deployment.mdx b/docs/pt-BR/enterprise/guides/prepare-for-deployment.mdx
new file mode 100644
index 000000000..bf81b8f7a
--- /dev/null
+++ b/docs/pt-BR/enterprise/guides/prepare-for-deployment.mdx
@@ -0,0 +1,305 @@
+---
+title: "Preparar para Implantação"
+description: "Certifique-se de que seu Crew ou Flow está pronto para implantação no CrewAI AMP"
+icon: "clipboard-check"
+mode: "wide"
+---
+
+
+ Antes de implantar no CrewAI AMP, é crucial verificar se seu projeto está estruturado corretamente.
+ Tanto Crews quanto Flows podem ser implantados como "automações", mas eles têm estruturas de projeto
+ e requisitos diferentes que devem ser atendidos para uma implantação bem-sucedida.
+
+
+## Entendendo Automações
+
+No CrewAI AMP, **automações** é o termo geral para projetos de IA Agêntica implantáveis. Uma automação pode ser:
+
+- **Um Crew**: Uma equipe independente de agentes de IA trabalhando juntos em tarefas
+- **Um Flow**: Um workflow orquestrado que pode combinar múltiplos crews, chamadas diretas de LLM e lógica procedural
+
+Entender qual tipo você está implantando é essencial porque eles têm estruturas de projeto e pontos de entrada diferentes.
+
+## Crews vs Flows: Principais Diferenças
+
+
+
+ Equipes de agentes de IA independentes com `crew.py` definindo agentes e tarefas. Ideal para tarefas focadas e colaborativas.
+
+
+ Workflows orquestrados com crews embutidos em uma pasta `crews/`. Ideal para processos complexos de múltiplas etapas.
+
+
+
+| Aspecto | Crew | Flow |
+|---------|------|------|
+| **Estrutura do projeto** | `src/project_name/` com `crew.py` | `src/project_name/` com pasta `crews/` |
+| **Localização da lógica principal** | `src/project_name/crew.py` | `src/project_name/main.py` (classe Flow) |
+| **Função de ponto de entrada** | `run()` em `main.py` | `kickoff()` em `main.py` |
+| **Tipo no pyproject.toml** | `type = "crew"` | `type = "flow"` |
+| **Comando CLI de criação** | `crewai create crew name` | `crewai create flow name` |
+| **Localização da configuração** | `src/project_name/config/` | `src/project_name/crews/crew_name/config/` |
+| **Pode conter outros crews** | Não | Sim (na pasta `crews/`) |
+
+## Referência de Estrutura de Projeto
+
+### Estrutura de Projeto Crew
+
+Quando você executa `crewai create crew my_crew`, você obtém esta estrutura:
+
+```
+my_crew/
+├── .gitignore
+├── pyproject.toml # Deve ter type = "crew"
+├── README.md
+├── .env
+├── uv.lock # OBRIGATÓRIO para implantação
+└── src/
+ └── my_crew/
+ ├── __init__.py
+ ├── main.py # Ponto de entrada com função run()
+ ├── crew.py # Classe Crew com decorador @CrewBase
+ ├── tools/
+ │ ├── custom_tool.py
+ │ └── __init__.py
+ └── config/
+ ├── agents.yaml # Definições de agentes
+ └── tasks.yaml # Definições de tarefas
+```
+
+
+ A estrutura aninhada `src/project_name/` é crítica para Crews.
+ Colocar arquivos no nível errado causará falhas na implantação.
+
+
+### Estrutura de Projeto Flow
+
+Quando você executa `crewai create flow my_flow`, você obtém esta estrutura:
+
+```
+my_flow/
+├── .gitignore
+├── pyproject.toml # Deve ter type = "flow"
+├── README.md
+├── .env
+├── uv.lock # OBRIGATÓRIO para implantação
+└── src/
+ └── my_flow/
+ ├── __init__.py
+ ├── main.py # Ponto de entrada com função kickoff() + classe Flow
+ ├── crews/ # Pasta de crews embutidos
+ │ └── poem_crew/
+ │ ├── __init__.py
+ │ ├── poem_crew.py # Crew com decorador @CrewBase
+ │ └── config/
+ │ ├── agents.yaml
+ │ └── tasks.yaml
+ └── tools/
+ ├── __init__.py
+ └── custom_tool.py
+```
+
+
+ Tanto Crews quanto Flows usam a estrutura `src/project_name/`.
+ A diferença chave é que Flows têm uma pasta `crews/` para crews embutidos,
+ enquanto Crews têm `crew.py` diretamente na pasta do projeto.
+
+
+## Checklist Pré-Implantação
+
+Use este checklist para verificar se seu projeto está pronto para implantação.
+
+### 1. Verificar Configuração do pyproject.toml
+
+Seu `pyproject.toml` deve incluir a seção `[tool.crewai]` correta:
+
+
+
+ ```toml
+ [tool.crewai]
+ type = "crew"
+ ```
+
+
+ ```toml
+ [tool.crewai]
+ type = "flow"
+ ```
+
+
+
+
+ Se o `type` não corresponder à estrutura do seu projeto, o build falhará ou
+ a automação não funcionará corretamente.
+
+
+### 2. Garantir que o Arquivo uv.lock Existe
+
+CrewAI usa `uv` para gerenciamento de dependências. O arquivo `uv.lock` garante builds reproduzíveis e é **obrigatório** para implantação.
+
+```bash
+# Gerar ou atualizar o arquivo lock
+uv lock
+
+# Verificar se existe
+ls -la uv.lock
+```
+
+Se o arquivo não existir, execute `uv lock` e faça commit no seu repositório:
+
+```bash
+uv lock
+git add uv.lock
+git commit -m "Add uv.lock for deployment"
+git push
+```
+
+### 3. Validar Uso do Decorador CrewBase
+
+**Toda classe crew deve usar o decorador `@CrewBase`.** Isso se aplica a:
+
+- Projetos crew independentes
+- Crews embutidos dentro de projetos Flow
+
+```python
+from crewai import Agent, Crew, Process, Task
+from crewai.project import CrewBase, agent, crew, task
+from crewai.agents.agent_builder.base_agent import BaseAgent
+from typing import List
+
+@CrewBase # Este decorador é OBRIGATÓRIO
+class MyCrew():
+ """Descrição do meu crew"""
+
+ agents: List[BaseAgent]
+ tasks: List[Task]
+
+ @agent
+ def my_agent(self) -> Agent:
+ return Agent(
+ config=self.agents_config['my_agent'], # type: ignore[index]
+ verbose=True
+ )
+
+ @task
+ def my_task(self) -> Task:
+ return Task(
+ config=self.tasks_config['my_task'] # type: ignore[index]
+ )
+
+ @crew
+ def crew(self) -> Crew:
+ return Crew(
+ agents=self.agents,
+ tasks=self.tasks,
+ process=Process.sequential,
+ verbose=True,
+ )
+```
+
+
+ Se você esquecer o decorador `@CrewBase`, sua implantação falhará com
+ erros sobre configurações de agents ou tasks ausentes.
+
+
+### 4. Verificar Pontos de Entrada do Projeto
+
+Tanto Crews quanto Flows têm seu ponto de entrada em `src/project_name/main.py`:
+
+
+
+ O ponto de entrada usa uma função `run()`:
+
+ ```python
+ # src/my_crew/main.py
+ from my_crew.crew import MyCrew
+
+ def run():
+ """Executa o crew."""
+ inputs = {'topic': 'AI in Healthcare'}
+ result = MyCrew().crew().kickoff(inputs=inputs)
+ return result
+
+ if __name__ == "__main__":
+ run()
+ ```
+
+
+ O ponto de entrada usa uma função `kickoff()` com uma classe Flow:
+
+ ```python
+ # src/my_flow/main.py
+ from crewai.flow import Flow, listen, start
+ from my_flow.crews.poem_crew.poem_crew import PoemCrew
+
+ class MyFlow(Flow):
+ @start()
+ def begin(self):
+ # Lógica do Flow aqui
+ result = PoemCrew().crew().kickoff(inputs={...})
+ return result
+
+ def kickoff():
+ """Executa o flow."""
+ MyFlow().kickoff()
+
+ if __name__ == "__main__":
+ kickoff()
+ ```
+
+
+
+### 5. Preparar Variáveis de Ambiente
+
+Antes da implantação, certifique-se de ter:
+
+1. **Chaves de API de LLM** prontas (OpenAI, Anthropic, Google, etc.)
+2. **Chaves de API de ferramentas** se estiver usando ferramentas externas (Serper, etc.)
+
+
+ Teste seu projeto localmente com as mesmas variáveis de ambiente antes de implantar
+ para detectar problemas de configuração antecipadamente.
+
+
+## Comandos de Validação Rápida
+
+Execute estes comandos a partir da raiz do seu projeto para verificar rapidamente sua configuração:
+
+```bash
+# 1. Verificar tipo do projeto no pyproject.toml
+grep -A2 "\[tool.crewai\]" pyproject.toml
+
+# 2. Verificar se uv.lock existe
+ls -la uv.lock || echo "ERRO: uv.lock ausente! Execute 'uv lock'"
+
+# 3. Verificar se estrutura src/ existe
+ls -la src/*/main.py 2>/dev/null || echo "Nenhum main.py encontrado em src/"
+
+# 4. Para Crews - verificar se crew.py existe
+ls -la src/*/crew.py 2>/dev/null || echo "Nenhum crew.py (esperado para Crews)"
+
+# 5. Para Flows - verificar se pasta crews/ existe
+ls -la src/*/crews/ 2>/dev/null || echo "Nenhuma pasta crews/ (esperado para Flows)"
+
+# 6. Verificar uso do CrewBase
+grep -r "@CrewBase" . --include="*.py"
+```
+
+## Erros Comuns de Configuração
+
+| Erro | Sintoma | Correção |
+|------|---------|----------|
+| `uv.lock` ausente | Build falha durante resolução de dependências | Execute `uv lock` e faça commit |
+| `type` errado no pyproject.toml | Build bem-sucedido mas falha em runtime | Altere para o tipo correto |
+| Decorador `@CrewBase` ausente | Erros "Config not found" | Adicione decorador a todas as classes crew |
+| Arquivos na raiz ao invés de `src/` | Ponto de entrada não encontrado | Mova para `src/project_name/` |
+| `run()` ou `kickoff()` ausente | Não é possível iniciar automação | Adicione a função de entrada correta |
+
+## Próximos Passos
+
+Uma vez que seu projeto passar por todos os itens do checklist, você está pronto para implantar:
+
+
+ Siga o guia de implantação para implantar seu Crew ou Flow no CrewAI AMP usando
+ a CLI, interface web ou integração CI/CD.
+