CrewAI

from crewai import Agent

researcher = Agent(
  role="시니어 데이터 리서처",
  goal="주제에 대한 최신 동향을 신뢰 가능한 출처로 정리한다",
  backstory=(
      "당신은 10년 차 리서처다. 출처 없는 주장은 절대 쓰지 않으며, "
      "발견한 사실을 짧고 단정한 문장으로 옮기는 데 능하다."
  ),
  verbose=True,
)

// TypeScript에는 공식 CrewAI SDK가 없다. 같은 패턴을 직접 구현한다.
import type Anthropic from '@anthropic-ai/sdk'

export interface Agent {
role: string
goal: string
backstory: string
llm: Anthropic
tools?: Tool[]
}

export const researcher: Agent = {
role: '시니어 데이터 리서처',
goal: '주제에 대한 최신 동향을 신뢰 가능한 출처로 정리한다',
backstory:
  '당신은 10년 차 리서처다. 출처 없는 주장은 절대 쓰지 않으며, ' +
  '발견한 사실을 짧고 단정한 문장으로 옮기는 데 능하다.',
llm: new (await import('@anthropic-ai/sdk')).default(),
}

from crewai import Task

research = Task(
  description="주제 {topic}에 대해 최근 12개월 동향을 조사한다.",
  expected_output="800~1200자 마크다운. 단락 3개. 끝에 출처 URL 목록.",
  agent=researcher,
)

export interface Task {
description: string
expectedOutput: string
agent: Agent
}

export const research: Task = {
description: '주제 {topic}에 대해 최근 12개월 동향을 조사한다.',
expectedOutput: '800~1200자 마크다운. 단락 3개. 끝에 출처 URL 목록.',
agent: researcher,
}

from crewai import Crew, Process

crew = Crew(
  agents=[researcher, writer],
  tasks=[research, write],
  process=Process.sequential,
  verbose=True,
)

result = crew.kickoff(inputs={"topic": "A2A 프로토콜"})
print(result)

// Sequential Crew의 미니 구현 — 한 함수
import type { Agent, Task } from './types'

export async function runSequential(
tasks: Task[],
inputs: Record<string, string>,
): Promise<string> {
let prev = ''
for (const t of tasks) {
  const prompt = formatPrompt(t, inputs, prev)
  prev = await callLLM(t.agent, prompt)
}
return prev
}

from crewai import Crew, Process
from crewai.llm import LLM

crew = Crew(
  agents=[researcher, writer, fact_checker],
  tasks=[research, write, verify],
  process=Process.hierarchical,
  manager_llm=LLM(model="claude-sonnet-4-5"),
  verbose=True,
)

result = crew.kickoff(inputs={"topic": "A2A 프로토콜"})

// Hierarchical을 흉내내려면 manager 루프를 직접 짠다
async function runHierarchical(
workers: Agent[],
tasks: Task[],
managerLlm: LLM,
inputs: Record<string, string>,
): Promise<string> {
// manager가 "다음에 누가 어떤 task를 처리할지" 결정 → 반복
let context = ''
while (tasks.length > 0) {
  const decision = await managerLlm.decide({ workers, tasks, context })
  const out = await callLLM(decision.worker, decision.task.description)
  context += '\n' + out
  tasks.splice(tasks.indexOf(decision.task), 1)
}
return context
}

from crewai.tools import BaseTool
from crewai_tools import SerperDevTool

class WordCountTool(BaseTool):
  name: str = "word_count"
  description: str = "텍스트의 단어 수를 센다."

  def _run(self, text: str) -> int:
      return len(text.split())

researcher = Agent(
  role="리서처",
  goal="...",
  backstory="...",
  tools=[SerperDevTool(), WordCountTool()],
)

// 자체 구현 Tool — 함수 + JSON 스키마
export interface Tool {
name: string
description: string
schema: object
run: (args: any) => Promise<unknown>
}

export const wordCount: Tool = {
name: 'word_count',
description: '텍스트의 단어 수를 센다.',
schema: {
  type: 'object',
  properties: { text: { type: 'string' } },
  required: ['text'],
},
run: async ({ text }) => text.split(/\s+/).length,
}

from crewai import Crew, Process

crew = Crew(
  agents=[researcher, writer],
  tasks=[research, write],
  process=Process.sequential,
  memory=True,  # 단기 + 장기 + 엔터티 메모리 일괄 활성화
  embedder={
      "provider": "openai",
      "config": {"model": "text-embedding-3-small"},
  },
)

// 자체 구현이라면 메모리도 직접 — 임베딩 + 벡터 스토어
import type { VectorStore } from './memory'

export class CrewMemory {
constructor(private store: VectorStore) {}
async save(text: string, meta: object) { await this.store.upsert(text, meta) }
async recall(query: string, k = 5) { return this.store.search(query, k) }
}

# config/agents.yaml
researcher:
role: 시니어 데이터 리서처
goal: 주제 동향을 출처와 함께 정리
backstory: 10년 차 리서처…
# config/tasks.yaml
research:
description: "주제 {topic}에 대해…"
expected_output: "800~1200자 마크다운…"
agent: researcher

# crew.py — 코드에선 글루만
from crewai.project import CrewBase, agent, task, crew

@CrewBase
class ResearchCrew:
  @agent
  def researcher(self): return Agent(config=self.agents_config["researcher"])
  @task
  def research(self): return Task(config=self.tasks_config["research"])
  @crew
  def crew(self): return Crew(agents=self.agents, tasks=self.tasks)

// TS에선 JSON 설정을 동적으로 로드
export const buildCrew = async () => {
const agentsCfg = (await import('./config/agents.json')).default
const tasksCfg  = (await import('./config/tasks.json')).default
return {
  agents: Object.values(agentsCfg) as Agent[],
  tasks: Object.values(tasksCfg) as Task[],
}
}