CrewAI est un framework d'orchestration pour les développeurs. En attribuant des rôles, des tâches et des outils à plusieurs agents, il peut collaborer pour réaliser des flux de travail complexes de récupération, d'analyse et d'exécution.

CrewAI

Paramètres et statistiques de base de CrewAI

CrewAI est l'un des frameworks open source les plus représentatifs dans le domaine de l'orchestration d'agents IA. Il ne s'agit pas simplement d'une bibliothèque de développement, mais d'un ensemble complet d'architecture en couches « Flow (workflow) → Crew (équipe) → Agent (intelligent) → Tool (tool) ». Officiellement positionnée comme « plateforme ouverte qui accélère l'adoption des agents », elle couvre l'ensemble du chemin depuis la vérification du prototype jusqu'au déploiement au niveau de l'entreprise.

Projets	Informations publiques
Positionnement officiel	Cadre d'orchestration multi-agents et plateforme d'entreprise
Abstraction de base	Flux (statut et orchestration), Equipe (collaboration en équipe), Agent (intelligence des rôles), Tâche (tâche), Outil (outil)
Formulaire de déploiement	Framework open source (auto-hébergé) + plateforme d'entreprise (hébergement cloud)
Mode processus	Séquentiel (séquentiel), hiérarchique (en couches), hybride (mixte)
Licence Open Source	MIT (Référentiel principal public)
Échelle communautaire	GitHub Stars / Forks sont soumis aux données en temps réel de l'entrepôt officiel
Clientèle corporative	Officiellement révélé que 63% des entreprises Fortune 500 ont adopté
Plateformes prises en charge	API Python, CLI de la console Web

Signification technique de l'architecture en couches : la couche Flow gère l'état et la séquence d'exécution, la couche Crew transporte la logique de collaboration multi-agents et la couche Agent encapsule les rôles et les liaisons d'outils. Cette conception en couches permet aux développeurs d'itérer indépendamment une certaine couche de logique sans affecter la situation globale - par exemple, le remplacement du backend LLM de l'agent ne nécessite pas de réécriture de la machine à états de Flow.

Budget d'exécution : la couche plate-forme fournit un panneau de surveillance des temps d'exécution, de l'utilisation des jetons et des indicateurs de performances. Associé à la mise à l'échelle automatique et à la planification Cron, il convient aux scénarios de production avec des indicateurs concrets sur la stabilité de l'exécution.

Utilisateurs et reconnaissance du marché de CrewAI

La reconnaissance de CrewAI par le marché se reflète à trois niveaux : la popularité de la communauté open source, le taux d'adoption des entreprises Fortune 500 et la profondeur de l'intégration dans l'écosystème des agents.

Communauté et développeurs : CrewAI est l'un des frameworks d'orchestration multi-agents les plus actifs sur GitHub. Officiellement, plus de 100 000 développeurs ont été certifiés grâce à des cours communautaires. Son référentiel GitHub continue d'itérer fréquemment, et la vitesse de réponse des problèmes et des PR est un indicateur important de la maturité du framework - basé sur les données en temps réel du référentiel officiel.

Pénétration au niveau de l'entreprise : le site officiel répertorie clairement DocuSign, Experian, PepsiCo, IBM, Johnson & Johnson, ABInBev et d'autres clients du Fortune 500, et affirme que 63 % des entreprises du Fortune 500 l'utilisent déjà. Ce taux de pénétration est extrêmement rare dans les frameworks multi-agents, ce qui indique que CrewAI est entré dans la liste d'approvisionnement des entreprises dès le stade expérimental des développeurs.

Écosystème tiers : la fonctionnalité « Exporter en tant que serveur MCP » de CrewAI permet à son agent d'être exposé en tant qu'outil MCP standard et appelé par d'autres plates-formes d'IA. Cela signifie que CrewAI n'est pas seulement un framework indépendant, mais également un module de sortie d'agent pour l'écosystème plus large de l'IA.

Conditions préalables à la mise en œuvre : la valeur réelle de l'orchestration des agents au niveau de l'entreprise dépend de la volonté claire de l'organisation de démanteler le processus. Pour les équipes sans processus métiers standardisés, il sera difficile de mesurer le ROI même si elles sont connectées à CrewAI.

Avantage financier de CrewAI : open source et gratuit + entreprise à la demande

La structure de coûts de CrewAI est un modèle typique à deux niveaux : « base open source + valeur ajoutée commerciale ». Le principal avantage est que les développeurs peuvent vérifier les capacités du framework sans aucun investissement initial.

Côté C et développeurs (open source et auto-hébergé) : Le framework principal est entièrement open source (licence MIT) et peut être utilisé localement via pip install crewai ou uv tool install crewai. Le coût explicite du chemin auto-hébergé est nul, mais vous devez prendre en charge les frais d'appel de l'API LLM, l'exploitation et la maintenance de l'infrastructure et la configuration de la surveillance.

Plateforme Cloud (plan gratuit) : le niveau gratuit officiel est fourni, comprenant l'éditeur visuel AI Copilot, l'intégration GitHub et 50 exécutions de flux de travail par mois. Convient aux développeurs individuels et aux équipes pour la vérification PoC.

Enterprise Edition (Custom) : le forfait entreprise est tarifé sur demande et comprend toutes les fonctionnalités du niveau gratuit plus : VPC dédié, NAT, certification SAM, FedRamp SSO haute conformité (MS Entra, Okta), RBAC, 50 heures/mois d'assistance au développement dédiée, formation et déploiement sur site. Le prix spécifique doit être confirmé par l'entreprise.

Le véritable coût caché : le coût total de possession du framework d'orchestration d'agent ne se limite pas aux frais d'abonnement. La consommation de jetons LLM pour chaque appel d'agent, l'augmentation du nombre de jetons provoquée par la collaboration multi-agents et les tests de régression après des modifications de processus constituent les dépenses les plus importantes en matière d'exploitation et de maintenance à long terme. Les fonctions de traçage, de surveillance de l'utilisation des jetons et de scores d'hallucination fournies par CrewAI Enterprise Edition sont conçues pour rendre explicites ces coûts cachés.

Principales fonctionnalités de CrewAI

Le système fonctionnel de CrewAI est conçu autour des quatre étapes « Orchestration -> Exécution -> Observation -> Gouvernance » :

• Moteur de workflow Flow : basé sur une machine à états pilotée par événements, prend en charge les décorateurs @start, @listen, @router pour définir les liens d'exécution. L'état est géré via le modèle Pydantic, prend en charge la persistance et la récupération des points d'arrêt et convient aux processus de production de longue durée.
• Collaboration de rôles multi-agents : chaque agent a un « rôle », un « objectif », une « histoire » et un ensemble d'outils indépendants. Les agents de Crew peuvent attribuer de manière autonome des sous-tâches et appeler les résultats de chacun, simulant ainsi le modèle de division du travail d'une équipe humaine.
• Contrôle flexible des tâches et des processus : prend en charge trois processus : séquentiel (précurseur et successeur linéaires), hiérarchique (allocation dynamique par l'agent de gestion) et hybride. Chaque tâche peut définir output_file, human_input (point de confirmation humaine), guardrails (garde-corps de sortie) et callback.
• Outils et intégration MCP : kits d'outils officiels intégrés tels que SerperDevTool, DALL·E Tool, Firecrawl, etc., et prend également en charge l'expansion d'outils personnalisés via crewai[tools]. Prend en charge l'exportation de l'ensemble de l'équipage en tant que serveur MCP, qui peut être appelé par des plates-formes LLM externes.
• Capacités de gouvernance d'entreprise : notamment le tableau de bord d'utilisation, le nombre de jetons, les mesures de performances, les scores d'hallucination, la gestion LLM, la mise à l'échelle automatique, le SSO, le RBAC, la planification Cron, le traçage OpenTelemetry et les garde-corps.

Lien caché : le décorateur @router de Flow peut acheminer dynamiquement vers différentes équipes en fonction du résultat de l'étape précédente, réalisant la combinaison de "branchement conditionnel + collaboration multi-agents" - cela nécessite généralement l'imbrication de plusieurs nœuds de jugement conditionnel dans des plates-formes RPA ou low-code traditionnelles, mais CrewAI utilise un décorateur pour le compléter sur une seule ligne.

Evolution de la version de CrewAI

Le chemin de développement de CrewAI est clair : partir d’un framework open source et s’étendre progressivement vers une plateforme complète de cycle de vie d’agent.

Étape du framework Open Source

• CrewAI Open Source Framework (2023-12) : première publication publique en tant que bibliothèque d'orchestration multi-agent Python. Le noyau fournit quatre abstractions : agent, tâche, équipe et processus, et a rapidement attiré l'attention de la communauté des développeurs d'IA.
• Extension de l'écosystème d'outils : la boîte à outils crewai[tools] sera publiée l'une après l'autre, intégrant des fonctionnalités tierces telles que SerperDev, Firecrawl et DALL·E, de sorte que l'agent ne se limite plus à la génération de texte.

Étape de la plateforme d'entreprise

• CrewAI Enterprise (2024-10) : lancez une plate-forme de niveau entreprise basée sur un framework open source, en ajoutant des fonctionnalités telles qu'un éditeur visuel, un panneau de surveillance SSO/RBAC et un journal d'audit VPC dédié. La clientèle cible s'est élargie, passant des développeurs indépendants aux organisations Fortune 500.
• Approfondissement MCP et Flow : introduction de l'abstraction de flux (gestion d'état + basée sur les événements), du déclencheur Human-in-the-Loop d'exportation du serveur MCP et des capacités d'exportation en tant que composant d'interface utilisateur pour faire évoluer CrewAI d'une bibliothèque d'orchestration vers une plate-forme d'application d'agent.

La version actuelle est soumise aux versions officielles de GitHub et aux documents officiels. La page publique montre que le projet est toujours en itération à haute fréquence.

Les avantages techniques de CrewAI

L'avantage technique de CrewAI ne réside pas dans la performance d'un modèle unique, mais dans « l'abstraction technique de la collaboration des agents » et « l'intégration native de la gouvernance au niveau de la production ».

Architecture à deux couches Flow-Crew : la couche Flow est responsable de la persistance de l'état, du routage des événements et de la séquence d'exécution, et la couche Crew est responsable de la collaboration intelligente de plusieurs agents. Cette séparation rend la gestion de l'état indépendante de la fenêtre contextuelle LLM de l'agent : même si l'historique des conversations d'un agent est tronqué, l'état de Flow reste intact. Mécaniquement, Flow utilise le modèle Pydantic pour contraindre la structure d'état et prend naturellement en charge la vérification de type et la sérialisation.

Modèle d'exécution basé sur les événements : définissez le graphique d'exécution via les décorateurs @start, @listen, @router au lieu du fichier de configuration DAG traditionnel. Cela rend la logique d'exécution isomorphe au code métier, réduisant ainsi la courbe d'apprentissage. @router peut sélectionner dynamiquement le prochain saut Crew en fonction du résultat de l'étape précédente et implémenter un branchement conditionnel sans introduire de machine à états externe.

Protocole d'appel d'outil d'agent : la couche d'abstraction d'outil de CrewAI unifie les interfaces d'outils de différentes sources - qu'il s'agisse d'outils LangChain, de fonctions Python personnalisées ou du serveur MCP, elles sont toutes exposées à l'agent via la même méthode _run. L'avantage de cette abstraction unifiée est que l'agent n'a pas besoin d'être conscient des différences d'implémentation des outils sous-jacents et doit uniquement prêter attention au « nom_outil » et aux « arguments ».

Observabilité de niveau entreprise : traçage OpenTelemetry intégré, nombre de jetons, mesures de performances et scores d'hallucination. L'équipe de gouvernance peut surveiller la consommation régulière de jetons et la qualité de sortie de chaque exécution sans modifier le code de l'agent - c'est la différence essentielle entre un framework purement open source et une plateforme commerciale.

Liste ouverte de l'outil Agent de CrewAI et lien d'architecture

Cette section est développée par les normes de type d'outil d'agent pour décrire les comportements d'outils spécifiques que l'agent CrewAI expose à LLM.

Liste ouverte des outils

L'agent CrewAI expose les comportements d'outil typiques suivants à LLM via la couche d'abstraction de l'outil (en particulier, veuillez vous référer au package officiel crewai-tools) :

• SerperDevTool : Recherche Web basée sur Serper.dev, renvoyant le titre, le résumé et l'URL.
• FirecrawlSearchTool : exploration Web approfondie et extraction structurée basée sur Firecrawl.
• DALLETool : Génération d'images basée sur le modèle DALL·E.
• PDFSearchTool : Recherche sémantique et extraction de contenu de documents PDF locaux.
• MySQLTool / PostgresTool : requête de base de données et retour du jeu de résultats.
• CodeDocsSearchTool : Recherche sémantique des bibliothèques de documentation technique.
• ScrapeWebsiteTool : gratte le contenu HTML de l'URL spécifiée.
• FileReadTool / FileWriteTool : Opérations de lecture et d'écriture sur le système de fichiers local.
• MCP Tool Adapter : connectez-vous à n’importe quel serveur d’outils externe via le protocole MCP.

Lien Architecture (icône de texte)

LLM (Cerveau Agent)
   ↓ nom_outil + arguments
Couche d'agent (rôle, objectif, trame de fond, outils)
   ↓ _run()
Couche d'abstraction d'outils
   ├── Outils intégrés (SerperDev, Firecrawl, DALL·E...)
   ├── Outils personnalisés (fonction Python enveloppée avec @tool)
   └── Adaptateur de serveur MCP (outil externe sur stdio/HTTP)
        ↓
Systèmes externes (Web, base de données, système de fichiers, API, serveur MCP)
   ↓ résultat
Agent Layer → renvoie la réponse à l'équipage → Flow met à jour l'état

Sens du reflux des données : appels de l'agent Outil pour obtenir des résultats structurés → les résultats sont injectés dans le contexte de l'agent → L'agent produit la réponse finale → Résumé de l'équipage → État du flux de mise à jour → déclenche l'étape suivante.

Guide des pièges d'ingénierie

1. Boucle sans issue et contrôle de l'inflation des jetons : dans une collaboration multi-agents, l'agent peut réessayer à plusieurs reprises en raison de résultats insatisfaisants renvoyés par l'outil, entraînant une augmentation exponentielle de la consommation de jetons. Solution : définissez les paramètres "max_retry" et "timeout" au niveau de la tâche ; limiter max_iterations au niveau de l'agent ; utilisez la persistance de l'état de Flow pour éviter de répéter les étapes terminées lors du redémarrage. Pour les équipes de longue durée, il est recommandé d'activer task_output_limit pour contrôler la longueur du contexte.

2. Exception d'appel d'outil et pollution du contexte : lorsqu'un outil renvoie un délai d'attente, un résultat vide ou un message d'erreur, l'agent peut mal comprendre le message d'exception comme des données valides et continuer le raisonnement. Solution : renvoyer des codes d'erreur structurés au lieu de descriptions en langage naturel dans l'implémentation de l'outil ; définissez des « garde-corps » dans la définition de la tâche pour effectuer une vérification secondaire de la sortie ; utilisez human_input=True pour insérer des points de confirmation humaine sur les nœuds de tâches de grande valeur afin d'éviter la propagation en cascade des erreurs.

3. Sécurité et gestion non autorisée : Une fois que l'agent a reçu FileWriteTool ou Database Tool, LLM peut effectuer des opérations d'écriture ou de suppression inattendues. Solution : utilisez le décorateur @tool pour intégrer une logique de confirmation lors de l'encapsulation d'opérations irréversibles (DELETE, DROP, appels d'interface de paiement, etc.) ; activer RBAC dans la plate-forme d'entreprise pour limiter la portée d'accès à l'outil par rôle ; utilisez un VPC dédié pour isoler le contexte d'exécution de l'agent dans un contexte de production.

Démarrez rapidement en 3 minutes

# Installer CrewAI CLI (nécessite Python >=3.10, <3.14)
pip installer l'équipage
# Ou utilisez uv (recommandé)
outil uv installer Crewai

#Créer un projet
Crewai crée un flux mon-ai-flow
cd mon-ai-flow

# Installer les dépendances
installation de l'équipe

# Configurer la clé API LLM dans .env
echo "OPENAI_API_KEY=sk-..." >> .env

# courir
course d'équipage

Pour une configuration plus détaillée, veuillez vous référer à la documentation officielle : https://docs.crewai.com/en/installation

Comment utiliser CrewAI

CrewAI propose plusieurs chemins d'atterrissage, adaptés aux équipes à différentes étapes :

Comment utiliser	Convient à la foule	Caractéristiques	Coût
Framework open source (auto-hébergé)	Équipes de développeurs et DevOps	Installation locale, entièrement contrôlable, profondément personnalisable	Gratuit (MIT), les frais d'appel LLM sont à vos frais
Forfait sans nuage	Vérificateur PoC	Visual Editor + AI Copilot, 50 exécutions par mois	Gratuit
Édition Entreprise	Exigences de conformité et de mise à l'échelle	VPC dédié, SSO, RBAC, support de développement dédié	Confirmation commerciale requise

Chemin de mise en œuvre typique : utilisez d'abord la solution gratuite pour effectuer une PoC sur 1 à 2 processus à haute fréquence et à faible risque (tels que la classification des leads, la sélection préliminaire des bons de travail) afin de vérifier l'exactitude de la collaboration multi-agents et le coût des jetons ; puis migrez les processus vérifiés vers l'environnement de production via l'auto-hébergement ou la version entreprise ; ajoutez progressivement des nœuds Human-in-the-Loop et des tâches à forte valeur ajoutée (telles que la révision des contrats, les devis clients).

Prix des produits pour CrewAI

La tarification de CrewAI adopte une structure à trois niveaux : « open source gratuit + cloud gratuit + personnalisation d'entreprise » :

• Open Source Framework : Licence MIT, entièrement gratuite. Le coût dépend des appels d'API LLM auto-hébergés (facturés par jeton), de l'infrastructure du serveur et de la main-d'œuvre d'exploitation et de maintenance.
• Forfait Cloud gratuit : 50 exécutions de flux de travail par mois, y compris l'intégration de l'éditeur visuel GitHub, des outils standard et des déclencheurs. Convient aux développeurs individuels et aux pilotes de petites équipes.
• Enterprise Edition (Custom) : inclut toutes les fonctionnalités du niveau gratuit et fournit en outre un VPC dédié, NAT, SAM/FedRamp Certification haute conformité SSO (MS Entra/Okta), RBAC, 50 heures/mois d'assistance au développement dédié, déploiement et formation sur site. Le prix spécifique doit être confirmé en contactant l'équipe commerciale.

Points d'évaluation des achats : les clients Entreprise doivent confirmer trois termes avant de signer un contrat : les règles de facturation après dépassement du volume d'exécution (dépassement), la mise en œuvre spécifique de l'isolation physique du plan de données (VPC ou cluster dédié) et si le lien d'audit entre Guardrails et Human-in-the-Loop répond aux exigences de conformité.

Scénarios d'application CrewAI

Les scénarios de mise en œuvre de CrewAI couvrent un large éventail de la recherche sur l'automatisation aux processus métier au niveau de l'entreprise :

• Enrichissement et priorisation des leads commerciaux : plusieurs agents sont responsables de la récupération des informations sur l'entreprise, de l'estimation de la taille, de l'identification de la pile technologique et, enfin, de la notation globale des leads. Le cas de Gelato montre le traitement de plus de 3 000 enrichissements de leads par mois et la réduction du temps de développement de 90 %.
• Traitement intelligent des tickets de service client : l'équipe d'agents divise le travail pour effectuer la classification, la récupération de la base de connaissances, la génération de réponses et le jugement de mise à niveau manuelle. Après que Piracanjuba ait remplacé le RPA d'origine, le taux d'exactitude des réponses du service client a atteint 95 %.
• Production de contenu et conception de cours : plusieurs agents sont responsables de la rédaction des plans, de la génération du contenu des chapitres, des suggestions d'images et de la vérification du format. General Assembly utilise CrewAI pour faire évoluer son processus de conception de cours.
• Test de qualité de l'agent vocal : l'agent de test automatisé simule l'interaction de l'utilisateur et effectue une vérification de régression sur la réponse de l'agent vocal. Le temps de contrôle qualité d'une plateforme de restauration leader est passé de 74 heures à 3 heures, soit une baisse de 96 %.
• Automatisation des processus internes de l'entreprise : combiné avec les déclencheurs Gmail/Slack/Salesforce pour réaliser le routage des approbations, la synchronisation de la base de connaissances et le flux de données entre les systèmes. Convient aux moyennes et grandes organisations disposant de processus standardisés.

Groupes applicables de CrewAI

• Développeur d'applications IA : utilisez l'API Python pour créer des applications multi-agents et gérer hiérarchiquement une logique complexe via Flow-Crew. Une expérience en développement Python et des connaissances de base sur l’utilisation de l’API LLM sont requises. Ne convient pas aux scénarios qui ne nécessitent qu’une seule fonctionnalité de chat.
• Équipe produit et plate-forme IA : besoin d'intégrer des fonctionnalités d'agent dans des produits existants ou de créer une plate-forme interne d'orchestration d'agent. La capacité d'exportation MCP de CrewAI lui permet d'être appelé par les applications frontales en tant que backend d'agent.
• Équipe d'architecture d'entreprise et de gouvernance informatique : focus sur la conformité, l'audit et le contrôle des coûts des processus des agents. La surveillance SSO, RBAC, Tracing et Token de la version entreprise peut répondre aux exigences de secteurs hautement réglementés tels que la finance, la médecine et les affaires gouvernementales.
• Business Operations and Automation Leader : Créez des processus d'automatisation interdépartementaux via des éditeurs visuels et des connecteurs prêts à l'emploi pour réduire la dépendance à l'égard de l'équipe R&D. Mais seulement si le processus métier a été standardisé et peut être décomposé en étapes orchestrées.

Ne convient pas aux limites : CrewAI ne convient pas aux scénarios de chat qui nécessitent une interaction minimaliste avec un seul agent (les outils AI Chat doivent être utilisés), aux appels d'outils en une seule étape qui ne nécessitent pas d'orchestration (l'utilisation directe de l'API LLM est plus légère) et aux organisations qui n'ont pas de base pour la standardisation des processus (la couche d'abstraction apportée par le cadre d'orchestration augmentera la charge de maintenance).

Résumé et Outlook

La valeur fondamentale de CrewAI est de fournir un parcours d'ingénierie complet du prototype à la production pour la collaboration multi-agents. Son abstraction hiérarchique Flow-Crew-Agent-Tool est actuellement la pratique la plus proche d'un « système d'exploitation d'agent » dans la communauté open source. Avec un taux de pénétration Fortune 500 de 63 %, de nombreuses certifications de conformité d'entreprise (SAM, FedRamp High) et la profondeur de l'intégration dans l'écosystème MCP, il a établi un net avantage en tant que premier arrivé dans le domaine de l'orchestration d'agents au niveau de l'entreprise.

Les limitations actuelles incluent : la version open source ne dispose pas de capacités d'observabilité au niveau de l'entreprise (le traçage, la surveillance des jetons, etc. sont limités aux plates-formes d'entreprise) ; le modèle de coût des jetons dans les scénarios de collaboration multi-agents est encore complexe, obligeant les utilisateurs à accumuler des données de consommation réelles pendant la phase pilote ; et le rythme d'itération à haute fréquence pose des défis aux besoins des entreprises en versions fixes.

Suggestions d'approvisionnement et d'adoption : Il est recommandé d'utiliser la solution gratuite pour tester d'abord 1 à 2 processus à forte valeur ajoutée, en se concentrant sur la vérification de trois indicateurs : l'exactitude de la collaboration multi-agents (recommandé ≥ 90 %), le coût du jeton à processus unique (par rapport à la RPA purement manuelle ou traditionnelle) et le taux d'erreur de jugement des nœuds Human-in-the-Loop. Si les résultats du pilote sont conformes aux attentes, entrez dans la négociation commerciale de la version entreprise si nécessaire, en vous concentrant sur la confirmation des règles de facturation des dépassements, des méthodes d'isolation des données et de la couverture de conformité des audits.

Outils associés : ÉquipageAI, langchain

Evolution du modèle et de la version de CrewAI

Mises à jour itératives continues, la dernière version introduit une optimisation des performances et de nouvelles fonctionnalités. Les informations sur la version historique peuvent être consultées via la page de version officielle. Il n’existe actuellement aucun calendrier complet d’évolution de la version publique.

Comment utiliser CrewAI

• Client Web : Vous pouvez l'utiliser en visitant le site officiel et en créant un compte. La plupart des fonctions ne nécessitent pas d'installation.
• Accès API : fournit une API RESTful, les développeurs peuvent obtenir la clé API et l'intégrer dans leurs propres applications.

Informations de version

• CrewAI Entreprise ：Il fournit des capacités d'orchestration, de surveillance et de déploiement au niveau de l'entreprise basées sur le cadre open source ; la version spécifique et la disponibilité sont soumises à la dernière page officielle. （2024-10-01）
• Cadre open source CrewAI ：Publié en open source en tant que framework d'orchestration multi-agent Python, il a rapidement attiré l'attention des développeurs. （2023-12-01）