跳转到主要内容

​
简介

CrewAI 提供了异步启动 crew 的能力，允许您以非阻塞方式开始 crew 的执行。当您希望同时运行多个 crew 或在 crew 执行期间需要执行其他任务时，此功能特别有用。

​
异步 Crew 执行

要异步启动一个 crew，请使用 kickoff_async() 方法。此方法会在一个单独的线程中启动 crew 执行，从而允许主线程继续执行其他任务。

​
方法签名

代码
def kickoff_async(self, inputs: dict) -> CrewOutput:

​
参数

  • inputs (dict): 包含任务所需输入数据的字典。

​
返回

  • CrewOutput: 代表 crew 执行结果的对象。

​
潜在用例

  • 并行内容生成：异步启动多个独立的 crew，每个 crew 负责生成不同主题的内容。例如，一个 crew 可能研究并起草一篇关于人工智能趋势的文章，而另一个 crew 则生成关于新产品发布的社交媒体帖子。每个 crew 独立运作，从而实现内容生产的有效扩展。
  • 并发市场研究任务：异步启动多个 crew 并行进行市场研究。一个 crew 可能分析行业趋势，另一个 crew 研究竞争对手策略，还有一个 crew 评估消费者情绪。每个 crew 独立完成其任务，从而能够更快、更全面地获得洞察。
  • 独立的旅行规划模块：执行独立的 crew 来独立规划旅行的不同方面。一个 crew 可能处理航班选项，另一个处理住宿，第三个规划活动。每个 crew 异步工作，允许旅行的各个组成部分同时独立规划，以获得更快的结果。

​
示例：单个异步 Crew 执行

以下是如何使用 asyncio 异步启动一个 crew 并等待其结果的示例
代码
import asyncio
from crewai import Crew, Agent, Task

# Create an agent with code execution enabled
coding_agent = Agent(
    role="Python Data Analyst",
    goal="Analyze data and provide insights using Python",
    backstory="You are an experienced data analyst with strong Python skills.",
    allow_code_execution=True
)

# Create a task that requires code execution
data_analysis_task = Task(
    description="Analyze the given dataset and calculate the average age of participants. Ages: {ages}",
    agent=coding_agent,
    expected_output="The average age of the participants."
)

# Create a crew and add the task
analysis_crew = Crew(
    agents=[coding_agent],
    tasks=[data_analysis_task]
)

# Async function to kickoff the crew asynchronously
async def async_crew_execution():
    result = await analysis_crew.kickoff_async(inputs={"ages": [25, 30, 35, 40, 45]})
    print("Crew Result:", result)

# Run the async function
asyncio.run(async_crew_execution())

​
示例：多个异步 Crew 执行

在此示例中，我们将展示如何异步启动多个 crew，并使用 asyncio.gather() 等待所有 crew 完成
代码
import asyncio
from crewai import Crew, Agent, Task

# Create an agent with code execution enabled
coding_agent = Agent(
    role="Python Data Analyst",
    goal="Analyze data and provide insights using Python",
    backstory="You are an experienced data analyst with strong Python skills.",
    allow_code_execution=True
)

# Create tasks that require code execution
task_1 = Task(
    description="Analyze the first dataset and calculate the average age of participants. Ages: {ages}",
    agent=coding_agent,
    expected_output="The average age of the participants."
)

task_2 = Task(
    description="Analyze the second dataset and calculate the average age of participants. Ages: {ages}",
    agent=coding_agent,
    expected_output="The average age of the participants."
)

# Create two crews and add tasks
crew_1 = Crew(agents=[coding_agent], tasks=[task_1])
crew_2 = Crew(agents=[coding_agent], tasks=[task_2])

# Async function to kickoff multiple crews asynchronously and wait for all to finish
async def async_multiple_crews():
    # Create coroutines for concurrent execution
    result_1 = crew_1.kickoff_async(inputs={"ages": [25, 30, 35, 40, 45]})
    result_2 = crew_2.kickoff_async(inputs={"ages": [20, 22, 24, 28, 30]})

    # Wait for both crews to finish
    results = await asyncio.gather(result_1, result_2)

    for i, result in enumerate(results, 1):
        print(f"Crew {i} Result:", result)

# Run the async function
asyncio.run(async_multiple_crews())
⌘我