Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).
CrewAI
Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).
CrewAI ist ein Python-Framework, mit dem mehrere KI-Agenten als Team („Crew“) zusammenarbeiten. Jeder Agent bekommt eine Rolle, ein Ziel und eine kurze Vorgeschichte. Aufgaben werden den Agenten zugeteilt und der Reihe nach erledigt. Das Ergebnis einer Aufgabe fließt dabei in die nächste ein.
Vorbemerkungen
- Die Bausteine: Ein
Agentist eine Rolle, etwa „Lagerverwalter“. EineTaskbeschreibt eine Aufgabe und das erwartete Ergebnis. EineCrewfasst Agenten und Aufgaben zusammen und startet die Arbeit mitkickoff(). - Sprachmodell: CrewAI spricht OpenAI, Anthropic, Google und viele andere Anbieter an. Diese Anleitung verwendet ein lokales Modell über Ollama. Es fallen also keine Kosten an und keine Daten verlassen den Rechner.
- Voraussetzung: Ein laufendes Ollama mit dem Modell
qwen3:4b-instruct. - Python-Version: CrewAI 1.15 läuft nur mit Python 3.10 bis 3.13. Ubuntu 26.04 bringt Python 3.14 mit, ältere Versionen gibt es in den Paketquellen nicht. Die Anleitung verwendet deshalb wie bei Microsoft GraphRAG den Paketmanager uv. Er lädt für das Projekt ein eigenes Python 3.13 herunter und lässt das Python von Ubuntu unverändert.
- Nutzungsdaten: CrewAI schickt von sich aus anonyme Nutzungsdaten an den Hersteller. Die Beispiele schalten das mit der Umgebungsvariablen
CREWAI_DISABLE_TELEMETRYab. - Platzbedarf: Die virtuelle Umgebung belegt rund 750 MB, dazu kommen etwa 800 MB im Zwischenspeicher von uv und 110 MB für Python 3.13.
- Version: Getestet mit CrewAI 1.15.23, uv 0.12 und Python 3.13.
Installation
1. Paketlisten aktualisieren
Damit apt die aktuelle Version von pipx kennt.
sudo apt update
2. pipx installieren
pipx installiert Python-Programme jeweils in eine eigene Umgebung. Ist es schon vorhanden, meldet apt das nur.
sudo apt install pipx
3. uv installieren
Legt die Befehle uv und uvx in ~/.local/bin ab.
pipx install uv
Prüfen: Die Versionsnummer erscheint, z. B. uv 0.12.21. Fehlt der Befehl, pipx ensurepath ausführen und ein neues Terminal öffnen.
uv --version
4. Projektordner anlegen
mkdir ~/agent-crewai
5. In den Projektordner wechseln
Alle weiteren Befehle werden hier ausgeführt.
cd ~/agent-crewai
6. Virtuelle Umgebung mit Python 3.13 anlegen
uv lädt Python 3.13 nach ~/.local/share/uv herunter und legt damit im Unterordner .venv eine eigene Python-Umgebung an.
uv venv --python 3.13
Prüfen: Die Ausgabe beginnt mit Using CPython 3.13.
7. CrewAI installieren
uv findet den Ordner .venv im aktuellen Ordner von selbst und installiert CrewAI samt Abhängigkeiten hinein.
uv pip install crewai
8. Virtuelle Umgebung aktivieren
Danach verwendet python das Python 3.13 der Umgebung. Die Eingabezeile beginnt mit (agent-crewai). In jedem neuen Terminal muss die Umgebung erneut aktiviert werden.
source .venv/bin/activate
Prüfen: Die Ausgabe lautet 1.15.23 oder eine neuere Version.
python -c "import crewai; print(crewai.__version__)"
Beispiel 1: Ein Agent, eine Aufgabe
9. Programm anlegen
Ein einzelner Agent schreibt aus ein paar Stichpunkten einen kurzen Werbetext für ein Fahrrad.
nano erste.py
Füge diesen Inhalt ein (Strg+Umschalt+V):
import os
# Keine anonymen Nutzungsdaten an CrewAI senden
os.environ["CREWAI_DISABLE_TELEMETRY"] = "true"
from crewai import Agent, Crew, LLM, Task
# Lokales Modell über Ollama
llm = LLM(model="ollama/qwen3:4b-instruct", base_url="http://localhost:11434")
texter = Agent(
role="Werbetexter",
goal="Kurze, ansprechende Produkttexte auf Deutsch schreiben",
backstory="Du schreibst seit Jahren Texte für den Onlineshop eines Fahrradladens. "
"Du verwendest nur die Angaben, die du bekommst, und erfindest nichts dazu.",
llm=llm,
)
beschreiben = Task(
description="Schreibe eine Produktbeschreibung für dieses Fahrrad: {angaben}",
expected_output="Zwei bis drei Sätze ohne Überschrift",
agent=texter,
)
crew = Crew(agents=[texter], tasks=[beschreiben])
ergebnis = crew.kickoff(
inputs={"angaben": "Citybike Hansa, 7-Gang-Nabenschaltung, Nabendynamo, Gepäckträger, 16 kg"}
)
print(ergebnis.raw)
- Umgebungsvariable: Sie muss gesetzt sein, bevor
crewaigeladen wird. Deshalb steht sie ganz oben. - Modell:
ollama/…wählt Ollama,base_urlist die Adresse des Ollama-Dienstes. Einen API-Schlüssel braucht Ollama nicht. role,goal,backstory– daraus baut CrewAI die Anweisungen an das Modell. Je genauer die Vorgeschichte, desto besser hält sich der Agent an seine Rolle.expected_output– sagt dem Agenten, wie das Ergebnis aussehen soll.{angaben}– ein Platzhalter.kickoff(inputs=…)setzt den Text dort ein. So lässt sich dieselbe Crew mit anderen Eingaben wiederverwenden.
Speichere mit Strg+O und Enter und beende nano mit Strg+X.
10. Programm ausführen
python erste.py
Prüfen: Nach einigen Sekunden erscheinen zwei bis drei Sätze über das Citybike, die Schaltung, Dynamo, Gepäckträger und Gewicht nennen. Im Test mischte das kleine Modell einzelne englische Wörter ein und machte Tippfehler („perfaktes“). Größere Modelle schreiben deutlich sauberer.
Beispiel 2: Zwei Agenten mit Werkzeug
11. Programm anlegen
Ein Kunde fragt per E-Mail, ob bestimmte Räder vorrätig sind. Der erste Agent sieht mit einem Werkzeug im Lager nach. Der zweite schreibt mit diesem Ergebnis die Antwort an den Kunden.
nano laden.py
Füge diesen Inhalt ein:
import os
# Keine anonymen Nutzungsdaten an CrewAI senden
os.environ["CREWAI_DISABLE_TELEMETRY"] = "true"
from crewai import Agent, Crew, LLM, Process, Task
from crewai.tools import tool
llm = LLM(model="ollama/qwen3:4b-instruct", base_url="http://localhost:11434", temperature=0)
LAGER = {"citybike": 4, "trekkingrad": 0, "lastenrad": 1}
@tool("Lagerbestand")
def lagerbestand(modell: str) -> str:
"""Gibt zurück, wie viele Räder eines Modells (citybike, trekkingrad, lastenrad) im Lager sind."""
anzahl = LAGER.get(modell.strip().lower())
if anzahl is None:
return f"Das Modell {modell} führen wir nicht."
return f"{modell}: {anzahl} Stück auf Lager"
lager = Agent(
role="Lagerverwalter",
goal="Den Lagerbestand genau ermitteln",
backstory="Du arbeitest im Lager eines Fahrradladens und schaust jeden Bestand im System nach, statt zu raten.",
tools=[lagerbestand],
llm=llm,
)
service = Agent(
role="Kundenservice",
goal="Freundliche, kurze Antworten an Kunden schreiben",
backstory="Du beantwortest E-Mails von Kunden eines Fahrradladens auf Deutsch.",
llm=llm,
)
nachsehen = Task(
description="Ein Kunde fragt: {anfrage}\nSieh für jedes erwähnte Modell den Bestand nach.",
expected_output="Für jedes Modell eine Zeile mit dem Bestand",
agent=lager,
)
antworten = Task(
description="Schreibe dem Kunden eine Antwort auf seine Anfrage: {anfrage}",
expected_output="Eine E-Mail mit höchstens fünf Sätzen auf Deutsch",
agent=service,
context=[nachsehen],
)
crew = Crew(
agents=[lager, service],
tasks=[nachsehen, antworten],
process=Process.sequential,
verbose=True,
)
ergebnis = crew.kickoff(
inputs={"anfrage": "Habt ihr ein Trekkingrad oder ein Lastenrad da? Ich würde es am Samstag abholen."}
)
print(ergebnis.raw)
@tool– macht aus einer Python-Funktion ein Werkzeug. Der Docstring erklärt dem Modell, wofür es da ist. Die Typangabemodell: strlegt den Parameter fest.tools=[lagerbestand]– nur der Lagerverwalter darf das Werkzeug benutzen.context=[nachsehen]– das Ergebnis der ersten Aufgabe wird der zweiten mitgegeben. Der Kundenservice kennt also den Bestand, ohne selbst nachzusehen.Process.sequential– die Aufgaben laufen in der angegebenen Reihenfolge. Die AlternativeProcess.hierarchicalsetzt einen zusätzlichen Leiter-Agenten ein, der die Aufgaben selbst verteilt.temperature=0– das Modell antwortet möglichst gleichbleibend. Das macht Werkzeugaufrufe kleiner Modelle zuverlässiger.verbose=True– zeigt jeden Arbeitsschritt im Terminal an.
Speichere mit Strg+O und Enter und beende nano mit Strg+X.
12. Programm ausführen
Der Lauf dauert etwa eine halbe Minute.
python laden.py
Prüfen: In umrahmten Kästen zeigt CrewAI, welcher Agent gerade arbeitet. Unter Tool Execution steht zweimal das Werkzeug lagerbestand, einmal mit trekkingrad (Ergebnis 0 Stück) und einmal mit lastenrad (Ergebnis 1 Stück). Am Ende steht die E-Mail, im Test sinngemäß:
Hallo,
zu Ihrem Anliegen haben wir derzeit ein Lastenrad auf Lager – ein Trekkingrad ist leider nicht verfügbar.
Das Lastenrad können Sie am Samstag abholen.
Der letzte Kasten „Tracing Status“ weist nur darauf hin, dass die Ablaufaufzeichnung für den Onlinedienst des Herstellers ausgeschaltet ist. Das ist gewollt.
Wie geht es weiter?
- Projektvorlage: Der Befehl
crewai create crew NAMElegt ein Projekt an, in dem Agenten und Aufgaben in YAML-Dateien stehen statt im Python-Code. Das ist bei größeren Crews übersichtlicher. - Flows: Mit
Flowsteuert man den Ablauf selbst, etwa mit Verzweigungen, und ruft Crews als einzelne Schritte auf. - Gedächtnis:
Crew(memory=True)lässt Agenten sich an frühere Läufe erinnern. Dafür braucht CrewAI ein Modell für Einbettungen, z. B.nomic-embed-textüber Ollama. - Fertige Werkzeuge: Das Paket
crewai-toolsbringt Werkzeuge zum Lesen von Dateien, Webseiten und Datenbanken mit. - Dokumentation: https://docs.crewai.com
Deinstallieren
1. Virtuelle Umgebung verlassen
deactivate
2. Projekt entfernen
Löscht den Projektordner samt virtueller Umgebung.
rm -rf ~/agent-crewai
3. Daten von CrewAI entfernen
CrewAI legt unter ~/.local/share einen Ordner mit dem Namen des Projektordners an (Ergebnisse des letzten Laufs) und einen Ordner crewai mit einem Schlüssel für gespeicherte Anmeldedaten.
rm -rf ~/.local/share/agent-crewai ~/.local/share/crewai
4. Zwischenspeicher von uv leeren
uv hebt heruntergeladene Pakete auf, im Test rund 800 MB. Der Befehl leert den ganzen Speicher, also auch den anderer Projekte, die uv verwenden.
uv cache clean
5. Python 3.13 von uv entfernen (optional)
Nur ausführen, wenn kein anderes Projekt das Python 3.13 von uv braucht, z. B. Microsoft GraphRAG. Das Python von Ubuntu bleibt unberührt.
uv python uninstall 3.13
6. uv entfernen (optional)
Nur ausführen, wenn uv nicht mehr gebraucht wird.
pipx uninstall uv
Prüfen: Der Befehl uv wird nicht mehr gefunden.
uv --version
7. pipx entfernen (optional)
Nur ausführen, wenn keine anderen Programme mit pipx installiert sind. pipx list zeigt sie an.
sudo apt purge pipx
8. Nicht mehr benötigte Abhängigkeiten entfernen
Entfernt Pakete, die nur für pipx mitinstalliert wurden. apt zeigt vorher die Liste an und fragt nach. Stehen dort Pakete, die du noch brauchst, mit n abbrechen.
sudo apt autoremove
Quellen und Lizenz
- Offizielle Dokumentation: https://docs.crewai.com/
- Lizenz: CrewAI steht unter der MIT.
Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).
Open Knowledge (Freies Wissen): Alle Texte stehen unter der freien Lizenz Creative Commons Namensnennung – Weitergabe unter gleichen Bedingungen 4.0 International (CC BY-SA 4.0) und können frei gelesen, geteilt und weiterverarbeitet werden.