crewAI/docs/pt-BR/enterprise/features/agent-repositories.mdx

---
title: 'Repositórios de Agentes'
description: 'Aprenda a usar Repositórios de Agentes para compartilhar e reutilizar seus agentes entre equipes e projetos'
icon: 'database'
mode: "wide"
---

Repositórios de Agentes permitem que usuários do enterprise armazenem, compartilhem e reutilizem definições de agentes entre equipes e projetos. Esse recurso possibilita manter uma biblioteca centralizada de agentes padronizados, promovendo consistência e reduzindo a duplicidade de esforços.

## Benefícios dos Repositórios de Agentes

- **Padronização**: Mantenha definições de agentes consistentes em toda a sua organização
- **Reutilização**: Crie um agente uma vez e use-o em vários crews e projetos
- **Governança**: Implemente políticas organizacionais para configurações de agentes
- **Colaboração**: Permita que equipes compartilhem e evoluam o trabalho umas das outras

## Usando Repositórios de Agentes

### Pré-requisitos

1. Você deve ter uma conta na CrewAI, experimente o [plano gratuito](https://app.crewai.com).
2. Você precisa estar autenticado usando o CLI da CrewAI.
3. Se você tiver mais de uma organização, garanta que alternou para a organização correta usando o comando do CLI:

```bash
crewai org switch <org_id>
```

### Criando e gerenciando agentes em repositórios

Para criar e gerenciar agentes em repositórios, utilize o Painel do Enterprise.

### Carregando agentes de repositórios

Você pode carregar agentes de repositórios no seu código usando o parâmetro `from_repository`:

```python
from crewai import Agent

# Crie um agente carregando-o de um repositório
# O agente é carregado com todas as suas configurações predefinidas
researcher = Agent(
    from_repository="market-research-agent"
)

```

### Sobrescrevendo configurações do repositório

Você pode sobrescrever configurações específicas do repositório informando-as na configuração do agente:

```python
researcher = Agent(
    from_repository="market-research-agent",
    goal="Pesquisar as tendências mais recentes em desenvolvimento de IA",  # Sobrescreve o goal do repositório
    verbose=True  # Adiciona uma configuração que não está no repositório
)
```

### Exemplo: criando um Crew com agentes do repositório

```python
from crewai import Crew, Agent, Task

# Carregue agentes dos repositórios
researcher = Agent(
    from_repository="market-research-agent"
)

writer = Agent(
    from_repository="content-writer-agent"
)

# Crie tarefas
research_task = Task(
    description="Pesquise as tendências mais recentes em IA",
    agent=researcher
)

writing_task = Task(
    description="Escreva um relatório abrangente com base na pesquisa",
    agent=writer
)

# Crie o crew
crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    verbose=True
)

# Execute o crew
result = crew.kickoff()
```

### Exemplo: usando `kickoff()` com agentes do repositório

Você também pode usar agentes de repositório diretamente com o método `kickoff()` para interações mais simples:

```python
from crewai import Agent
from pydantic import BaseModel
from typing import List

# Defina um formato de saída estruturado
class MarketAnalysis(BaseModel):
    key_trends: List[str]
    opportunities: List[str]
    recommendation: str

# Carregue um agente do repositório
analyst = Agent(
    from_repository="market-analyst-agent",
    verbose=True
)

# Obtenha uma resposta livre (texto)
result = analyst.kickoff("Analise o mercado de IA em 2025")
print(result.raw)  # Acessa a resposta bruta

# Obtenha saída estruturada
structured_result = analyst.kickoff(
    "Forneça uma análise estruturada do mercado de IA em 2025",
    response_format=MarketAnalysis
)

# Acesse os dados estruturados
print(f"Principais Tendências: {structured_result.pydantic.key_trends}")
print(f"Recomendação: {structured_result.pydantic.recommendation}")
```

## Boas práticas

1. **Convenção de nomes**: Use nomes claros e descritivos para seus agentes de repositório
2. **Documentação**: Inclua descrições abrangentes para cada agente
3. **Gestão de ferramentas**: Garanta que as ferramentas referenciadas pelos agentes do repositório estejam disponíveis no seu ambiente
4. **Controle de acesso**: Gerencie permissões para que apenas membros autorizados possam modificar agentes do repositório

## Gerenciamento de organização

Para alternar entre organizações ou ver sua organização atual, use o CLI da CrewAI:

```bash
# Ver organização atual
crewai org current

# Alternar para outra organização
crewai org switch <org_id>

# Listar todas as organizações disponíveis
crewai org list
```

<Note>
Ao carregar agentes de repositórios, você deve estar autenticado e ter alternado para a organização correta. Se você receber erros, verifique seu status de autenticação e as configurações de organização usando os comandos do CLI acima.
</Note>