mirror of
https://github.com/crewAIInc/crewAI.git
synced 2026-01-08 23:58:34 +00:00
a50fae3a4b
* docs: add pt-br translations Powered by a CrewAI Flow https://github.com/danielfsbarreto/docs_translator * Update mcp/overview.mdx brazilian docs Its en-US counterpart was updated after I did a pass, so now it includes the new section about @CrewBase
124 lines
5.7 KiB
Plaintext
124 lines
5.7 KiB
Plaintext
---
|
|
title: Integração com Weave
|
|
description: Saiba como usar o Weights & Biases (W&B) Weave para rastrear, experimentar, avaliar e melhorar suas aplicações CrewAI.
|
|
icon: radar
|
|
---
|
|
|
|
# Visão Geral do Weave
|
|
|
|
[Weights & Biases (W&B) Weave](https://weave-docs.wandb.ai/) é um framework para rastreamento, experimentação, avaliação, implementação e aprimoramento de aplicações baseadas em LLM.
|
|
|
|
|
|
|
|
O Weave oferece suporte completo para todas as etapas do desenvolvimento da sua aplicação CrewAI:
|
|
|
|
- **Rastreamento e Monitoramento**: Acompanhe automaticamente chamadas LLM e a lógica da aplicação para depuração e análise de sistemas em produção
|
|
- **Iteração Sistemática**: Aperfeiçoe e itere em prompts, conjuntos de dados e modelos
|
|
- **Avaliação**: Utilize avaliadores personalizados ou pré-construídos para avaliar e aprimorar sistematicamente o desempenho dos agentes
|
|
- **Guardrails**: Proteja seus agentes com salvaguardas pré e pós-execução para moderação de conteúdo e segurança de prompts
|
|
|
|
O Weave captura automaticamente rastreamentos (traces) de suas aplicações CrewAI, permitindo monitorar e analisar o desempenho, as interações e o fluxo de execução dos seus agentes. Isso te ajuda a construir melhores conjuntos de dados para avaliação e a otimizar os fluxos de trabalho dos agentes.
|
|
|
|
## Instruções de Configuração
|
|
|
|
<Steps>
|
|
<Step title="Instale os pacotes necessários">
|
|
```shell
|
|
pip install crewai weave
|
|
```
|
|
</Step>
|
|
<Step title="Crie uma conta no W&B">
|
|
Cadastre-se em uma [conta Weights & Biases](https://wandb.ai) caso ainda não tenha uma. Você precisará dela para visualizar rastreamentos e métricas.
|
|
</Step>
|
|
<Step title="Inicialize o Weave na sua aplicação">
|
|
Adicione o seguinte código à sua aplicação:
|
|
|
|
```python
|
|
import weave
|
|
|
|
# Inicialize o Weave com o nome do seu projeto
|
|
weave.init(project_name="crewai_demo")
|
|
```
|
|
|
|
Após a inicialização, o Weave fornecerá uma URL onde você poderá visualizar seus rastreamentos e métricas.
|
|
</Step>
|
|
<Step title="Crie seus Crews/Flows">
|
|
```python
|
|
from crewai import Agent, Task, Crew, LLM, Process
|
|
|
|
# Crie um LLM com temperatura 0 para garantir saídas determinísticas
|
|
llm = LLM(model="gpt-4o", temperature=0)
|
|
|
|
# Crie os agentes
|
|
researcher = Agent(
|
|
role='Research Analyst',
|
|
goal='Find and analyze the best investment opportunities',
|
|
backstory='Expert in financial analysis and market research',
|
|
llm=llm,
|
|
verbose=True,
|
|
allow_delegation=False,
|
|
)
|
|
|
|
writer = Agent(
|
|
role='Report Writer',
|
|
goal='Write clear and concise investment reports',
|
|
backstory='Experienced in creating detailed financial reports',
|
|
llm=llm,
|
|
verbose=True,
|
|
allow_delegation=False,
|
|
)
|
|
|
|
# Crie as tarefas
|
|
research_task = Task(
|
|
description='Deep research on the {topic}',
|
|
expected_output='Comprehensive market data including key players, market size, and growth trends.',
|
|
agent=researcher
|
|
)
|
|
|
|
writing_task = Task(
|
|
description='Write a detailed report based on the research',
|
|
expected_output='The report should be easy to read and understand. Use bullet points where applicable.',
|
|
agent=writer
|
|
)
|
|
|
|
# Crie o crew
|
|
crew = Crew(
|
|
agents=[researcher, writer],
|
|
tasks=[research_task, writing_task],
|
|
verbose=True,
|
|
process=Process.sequential,
|
|
)
|
|
|
|
# Execute o crew
|
|
result = crew.kickoff(inputs={"topic": "AI in material science"})
|
|
print(result)
|
|
```
|
|
</Step>
|
|
<Step title="Visualize rastreamentos no Weave">
|
|
Após executar sua aplicação CrewAI, acesse a URL do Weave fornecida durante a inicialização para visualizar:
|
|
- Chamadas LLM e seus metadados
|
|
- Interações dos agentes e fluxo de execução das tarefas
|
|
- Métricas de desempenho como latência e uso de tokens
|
|
- Quaisquer erros ou problemas ocorridos durante a execução
|
|
|
|
<Frame caption="Painel de Rastreamento do Weave">
|
|
<img src="/images/weave-tracing.png" alt="Exemplo de rastreamento do Weave com CrewAI" />
|
|
</Frame>
|
|
</Step>
|
|
</Steps>
|
|
|
|
## Funcionalidades
|
|
|
|
- O Weave captura automaticamente todas as operações do CrewAI: interações dos agentes e execuções das tarefas; chamadas LLM com metadados e uso de tokens; uso de ferramentas e resultados.
|
|
- A integração suporta todos os métodos de execução do CrewAI: `kickoff()`, `kickoff_for_each()`, `kickoff_async()` e `kickoff_for_each_async()`.
|
|
- Rastreamento automático de todas as [crewAI-tools](https://github.com/crewAIInc/crewAI-tools).
|
|
- Suporte ao recurso flow com patching por decorador (`@start`, `@listen`, `@router`, `@or_`, `@and_`).
|
|
- Rastreie guardrails personalizados passados para o `Task` do CrewAI com `@weave.op()`.
|
|
|
|
Para informações detalhadas sobre o que é suportado, acesse a [documentação do Weave CrewAI](https://weave-docs.wandb.ai/guides/integrations/crewai/#getting-started-with-flow).
|
|
|
|
## Recursos
|
|
|
|
- [📘 Documentação do Weave](https://weave-docs.wandb.ai)
|
|
- [📊 Exemplo de dashboard Weave x CrewAI](https://wandb.ai/ayut/crewai_demo/weave/traces?cols=%7B%22wb_run_id%22%3Afalse%2C%22attributes.weave.client_version%22%3Afalse%2C%22attributes.weave.os_name%22%3Afalse%2C%22attributes.weave.os_release%22%3Afalse%2C%22attributes.weave.os_version%22%3Afalse%2C%22attributes.weave.source%22%3Afalse%2C%22attributes.weave.sys_version%22%3Afalse%7D&peekPath=%2Fayut%2Fcrewai_demo%2Fcalls%2F0195c838-38cb-71a2-8a15-651ecddf9d89)
|
|
- [🐦 X](https://x.com/weave_wb) |