Files
crewAI/docs/edge/pt-BR/enterprise/guides/enable-crew-studio.mdx
Lucas Gomide a237ebabba feat: adopt directory-based docs versioning with Edge channel (#6202)
* feat: adopt directory-based docs versioning with Edge channel

Switch docs.crewai.com from navigation-only versioning (every version
selector entry rendered the same docs/<lang>/* source files) to
Mintlify's directory-based versioning so each version selector entry
renders its own snapshot. Add an "Edge" channel under docs/edge/<lang>/*
that always reflects main HEAD for unreleased work, eliminating
pre-release leakage onto frozen release labels. External links to
canonical /<lang>/* URLs are preserved via wildcard redirects that
always land on the current default version.

Layout:
- docs/edge/<lang>/*         rolling source (you edit here)
- docs/edge/enterprise-api.*.yaml
- docs/v<X.Y.Z>/<lang>/*     frozen, immutable snapshots
- docs/v<X.Y.Z>/enterprise-api.*.yaml
- docs/images/               shared, append-only
- docs/docs.json             nav + redirects

URLs follow the Mintlify-idiomatic shape: /edge/<lang>/<page> for
Edge, /v<X.Y.Z>/<lang>/<page> for every frozen snapshot. The wildcard
redirects /<lang>/:slug* -> /<default>/<lang>/:slug* keep stale links
working, and every freeze rewrites them (plus all per-section/per-page
redirects) so destinations always resolve to the current default
without depending on a second redirect hop.

Release flow integration (devtools release):
- New module crewai_devtools.docs_versioning.freeze() materialises
  docs/v<X.Y.Z>/ from docs/edge/, rewrites openapi: refs inside the
  snapshot, inserts the version into every language block in
  docs.json, and refreshes all redirect destinations.
- _update_docs_and_create_pr() in cli.py now calls that freeze during
  Phase 2 of devtools release. Edge changelogs are updated first (so
  the snapshot freeze picks them up), then the snapshot is staged
  alongside docs.json, branched as docs/freeze-v<X.Y.Z>, and the PR
  is titled [docs-freeze] docs: snapshot and changelog for v<X.Y.Z>
  — the title prefix the new CI guard reads.
- The PR still gates tag, GitHub release, PyPI publish, and the
  enterprise release as before; no new PRs are added.
- Pre-releases (1.X.YaN, 1.X.YbN, ...) skip the snapshot — they ride
  Edge — and the docs PR title omits the [docs-freeze] prefix.
- docs_check (AI-generated docs scaffolding) writes to
  docs/edge/<lang>/* so newly-generated unreleased docs land in Edge
  and never accidentally touch a frozen snapshot.

Migration scripts (one-shot):
- scripts/docs/freeze_historical_versions.py reconstructs all 16
  historical snapshots (v1.10.0 .. v1.14.7) from git tags via
  git archive | tar, rewriting openapi: MDX refs so each snapshot
  reads its own enterprise-api YAML rather than the live one.
- scripts/docs/prefix_version_paths.py one-shot-migrates docs.json:
  rewrites every page path in 16 versioned blocks to point under
  docs/v<X.Y.Z>/, inserts a new Edge entry per language, tags
  v1.14.7 as Latest (default), prunes pages whose target file
  doesn't exist in the snapshot (e.g. docs/ar/ didn't exist before
  v1.12.0), and writes the wildcard + per-section redirects.
- scripts/docs/freeze_current_edge.py is now a thin CLI wrapper
  around docs_versioning.freeze for manual one-off freezes (e.g.
  retroactively snapshotting a forgotten release).

CI guards (.github/workflows/docs-snapshots.yml):
- Frozen snapshots under docs/v[0-9]*/ are immutable; only PRs whose
  title contains [docs-freeze] (i.e. release-cut PRs generated by
  devtools release or the manual wrapper) may modify them.
- Images under docs/images/ are append-only since snapshots share a
  single image directory. Deleting or renaming an image breaks every
  historical snapshot that still references it.

Restored docs/images/crewai-otel-export.png from PR #3673; it was
deleted in PR #4908 but v1.10.0 / v1.10.1 snapshots still reference
it. Restoring instead of editing the snapshots preserves historical
rendering fidelity and validates the new append-only rule
retroactively.

Tests:
- lib/devtools/tests/test_docs_versioning.py covers the freeze: file
  copy, openapi rewrite, version insertion, default demotion, redirect
  upserts, per-section redirect rewriting, idempotency, and invalid
  inputs.

Verified locally with mintlify broken-links: 0 broken links across
the full site (Edge + 16 frozen versions, 4 locales).

AGENTS.md (repo root) is the contributor guide for the new model;
RELEASING.md is the release-cut runbook; README's Contribution
section links to both.

Co-authored-by: Cursor <cursoragent@cursor.com>

* style: resolve linter issues

---------

Co-authored-by: Cursor <cursoragent@cursor.com>
2026-06-17 11:56:59 -04:00

180 lines
5.4 KiB
Plaintext

---
title: "Ativar Crew Studio"
description: "Ativando o Crew Studio no CrewAI AMP"
icon: "comments"
mode: "wide"
---
<Tip>
Crew Studio é uma poderosa ferramenta **no-code/low-code** que permite criar
ou estruturar Crews rapidamente por meio de uma interface conversacional.
</Tip>
## O que é o Crew Studio?
O Crew Studio é uma forma inovadora de criar equipes de agentes de IA sem escrever código.
<Frame>
![Crew Studio Interface](/images/enterprise/crew-studio-interface.png)
</Frame>
Com o Crew Studio, você pode:
- Conversar com o Crew Assistant para descrever seu problema
- Gerar automaticamente agentes e tarefas
- Selecionar as ferramentas apropriadas
- Configurar os inputs necessários
- Gerar código para download e personalização
- Fazer deploy diretamente na plataforma CrewAI AMP
## Etapas de Configuração
Antes de começar a usar o Crew Studio, você precisa configurar suas conexões LLM:
<Steps>
<Step title="Configurar a Conexão LLM">
Acesse a aba **LLM Connections** no painel do CrewAI AMP e crie uma nova conexão LLM.
<Note>
Sinta-se à vontade para utilizar qualquer provedor LLM suportado pelo CrewAI.
</Note>
Configure sua conexão LLM:
- Insira um `Connection Name` (por exemplo, `OpenAI`)
- Selecione o provedor do modelo: `openai` ou `azure`
- Selecione os modelos que deseja usar em suas Crews geradas pelo Studio
- Recomendamos pelo menos `gpt-4o`, `o1-mini` e `gpt-4o-mini`
- Adicione sua chave de API como uma variável de ambiente:
- Para OpenAI: adicione `OPENAI_API_KEY` com sua chave de API
- Para Azure OpenAI: consulte [este artigo](https://blog.crewai.com/configuring-azure-openai-with-crewai-a-comprehensive-guide/) para detalhes de configuração
- Clique em `Add Connection` para salvar sua configuração
<Frame>
![LLM Connection Configuration](/images/enterprise/llm-connection-config.png)
</Frame>
</Step>
<Step title="Verificar Conexão Adicionada">
Assim que concluir a configuração, você verá sua nova conexão adicionada à lista de conexões disponíveis.
<Frame>
![Connection Added](/images/enterprise/connection-added.png)
</Frame>
</Step>
<Step title="Configurar Padrões do LLM">
No menu principal, vá em **Settings → Defaults** e configure as opções padrão do LLM:
- Selecione os modelos padrão para agentes e outros componentes
- Defina as configurações padrão para o Crew Studio
Clique em `Save Settings` para aplicar as alterações.
<Frame>
![LLM Defaults Configuration](/images/enterprise/llm-defaults.png)
</Frame>
</Step>
</Steps>
## Usando o Crew Studio
Agora que você configurou sua conexão LLM e os padrões, está pronto para começar a usar o Crew Studio!
<Steps>
<Step title="Acessar o Studio">
Navegue até a seção **Studio** no painel do CrewAI AMP.
</Step>
<Step title="Iniciar uma Conversa">
Inicie uma conversa com o Crew Assistant descrevendo o problema que deseja resolver:
```md
I need a crew that can research the latest AI developments and create a summary report.
```
O Crew Assistant fará perguntas de esclarecimento para entender melhor suas necessidades.
</Step>
<Step title="Revisar o Crew Gerado">
Revise a configuração do crew gerado, incluindo:
- Agentes e seus papéis
- Tarefas a serem realizadas
- Inputs necessários
- Ferramentas a serem utilizadas
Esta é sua oportunidade para refinar a configuração antes de prosseguir.
</Step>
<Step title="Fazer Deploy ou Baixar">
Quando estiver satisfeito com a configuração, você pode:
- Baixar o código gerado para personalização local
- Fazer deploy do crew diretamente na plataforma CrewAI AMP
- Modificar a configuração e gerar o crew novamente
</Step>
<Step title="Testar seu Crew">
Após o deploy, teste seu crew com inputs de exemplo para garantir que ele funcione conforme esperado.
</Step>
</Steps>
<Tip>
Para melhores resultados, forneça descrições claras e detalhadas do que deseja
que seu crew realize. Inclua inputs específicos e outputs esperados em sua
descrição.
</Tip>
## Exemplo de Fluxo de Trabalho
Veja um fluxo de trabalho típico para criação de um crew com o Crew Studio:
<Steps>
<Step title="Descreva seu Problema">
Comece descrevendo seu problema:
```md
I need a crew that can analyze financial news and provide investment recommendations
```
</Step>
<Step title="Responder Perguntas">
Responda às perguntas de esclarecimento do Crew Assistant para refinar seus
requisitos.
</Step>
<Step title="Revisar o Plano">
Revise o plano do crew gerado, que pode incluir:
- Um Research Agent para coletar notícias financeiras
- Um Analysis Agent para interpretar os dados
- Um Recommendations Agent para fornecer conselhos de investimento
</Step>
<Step title="Aprovar ou Modificar">
Aprove o plano ou solicite alterações, se necessário.
</Step>
<Step title="Baixar ou Fazer Deploy">
Baixe o código para personalização ou faça o deploy diretamente na plataforma.
</Step>
<Step title="Testar e Refinar">
Teste seu crew com inputs de exemplo e faça ajustes conforme necessário.
</Step>
</Steps>
<Card title="Precisa de ajuda?" icon="headset" href="mailto:support@crewai.com">
Entre em contato com nossa equipe de suporte para obter assistência com o Crew
Studio ou qualquer outro recurso do CrewAI AMP.
</Card>