En este tutorial, implementamos cómo construimos un pequeño pero poderoso sistema CrewAI de dos agentes que colabora utilizando el modelo Gemini Flash. Configuramos nuestro entorno, nos autenticamos de forma segura, definimos agentes especializados y organizamos tareas que van desde la investigación hasta la escritura estructurada. Mientras dirigimos el equipo, observamos cómo cada componente funciona en conjunto en tiempo real, lo que nos brinda una comprensión práctica de los flujos de trabajo agentes modernos impulsados por LLM. Con estos pasos, vemos claramente cómo los canales de múltiples agentes se vuelven prácticos, modulares y fáciles de usar para los desarrolladores. Consulta los CÓDIGOS COMPLETOS AQUÍ.
Configuramos nuestro entorno e instalamos los paquetes CrewAI necesarios para que podamos ejecutar todo sin problemas en Colab. Importamos los módulos necesarios y sentamos las bases de nuestro flujo de trabajo multiagente. Este paso garantiza que nuestro tiempo de ejecución esté limpio y listo para los agentes que creamos a continuación. Consulta los CÓDIGOS COMPLETOS AQUÍ.
Nos autenticamos de forma segura recuperando o ingresando la clave API de Gemini. Nos aseguramos de que la clave esté almacenada de forma segura en el entorno para que el modelo pueda funcionar sin interrupciones. Este paso nos da la confianza de que nuestro marco de agentes puede comunicarse de manera confiable con el LLM. Consulta los CÓDIGOS COMPLETOS AQUÍ.
Configuramos el modelo Gemini Flash en el que confían nuestros agentes para el razonamiento y la generación. Elegimos la temperatura y la variante del modelo para equilibrar la creatividad y la precisión. Esta configuración se convierte en la inteligencia compartida que impulsa todas las tareas de los agentes. Consulta los CÓDIGOS COMPLETOS AQUÍ.
Definimos dos agentes especializados, un investigador y un escritor, cada uno con un rol y una historia de fondo claros. Los diseñamos para que se complementen entre sí, permitiendo a uno descubrir ideas mientras el otro las transforma en escritura pulida. Aquí comenzamos a ver cómo toma forma la colaboración entre múltiples agentes. Consulta los CÓDIGOS COMPLETOS AQUÍ.
)
Creamos dos tareas que asignan responsabilidades específicas a nuestros agentes. Dejamos que el investigador genere información estructurada y luego pase el resultado al escritor para crear una publicación de blog completa. Este paso muestra cómo orquestamos limpiamente las dependencias de tareas secuenciales dentro de CrewAI. Consulta los CÓDIGOS COMPLETOS AQUÍ.
Reunimos a los agentes y las tareas en un equipo y ejecutamos todo el flujo de trabajo de múltiples agentes. Observamos cómo el sistema se ejecuta paso a paso, produciendo el resultado final de la rebaja. Aquí es donde todo confluye y vemos a nuestros agentes colaborando en tiempo real.
En conclusión, apreciamos la facilidad con la que CrewAI nos permite crear sistemas de agentes coordinados que piensan, investigan y escriben juntos. Experimentamos de primera mano cómo definir roles, tareas y flujos de procesos nos permite modularizar trabajos complejos y lograr resultados coherentes con un código mínimo. Este marco nos permite crear aplicaciones agentes más ricas y autónomas, y nos alejamos confiados de poder ampliar esta base a sistemas multiagente más grandes, procesos de producción o colaboraciones de IA más creativas.
Consulta los CÓDIGOS COMPLETOS AQUÍ. No dude en consultar nuestra página de GitHub para tutoriales, códigos y cuadernos. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de más de 100.000 ML y suscribirse a nuestro boletín. ¡Esperar! estas en telegrama? Ahora también puedes unirte a nosotros en Telegram.
Asif Razzaq es el director ejecutivo de Marktechpost Media Inc.. Como emprendedor e ingeniero visionario, Asif está comprometido a aprovechar el potencial de la inteligencia artificial para el bien social. Su esfuerzo más reciente es el lanzamiento de una plataforma de medios de inteligencia artificial, Marktechpost, que se destaca por su cobertura en profundidad del aprendizaje automático y las noticias sobre aprendizaje profundo que es técnicamente sólida y fácilmente comprensible para una amplia audiencia. La plataforma cuenta con más de 2 millones de visitas mensuales, lo que ilustra su popularidad entre el público.
