Como conectar LLMs na nova versão do CrewAI

TL;DR
Use a classe LLM interna do CrewAI no lugar de ChatOpenAI, informando o modelo e mantendo a referência no agente. Para reduzir erros com strings de configuração, encapsule os modelos em uma classe MyLLM com variáveis estáticas, permitindo trocar uma configuração em um único ponto e refletir a mudança em todo o projeto.
Transcript
atualizações do crui atualizações bacana que o João fez aí João Moura nosso amigo aí na crui e olha ficou bem mais leve só que algumas pessoas têm reportado alguns erros e a gente vai consertar com você aqui agora nesse vídeo [Música] beleza Oi tudo bem Eu sou sandeco sou professor e pesquisador pelo Instituto Universidade Federal de Goiás Além dis... Read More
Key Insights
- A versão 0.67.1 substitui ChatOpenAI pela classe LLM interna do CrewAI na conexão apresentada.
- A atualização removeu cerca de 1,5 milhão de linhas de programação, segundo João Moura.
- A nova conexão usa a biblioteca LiteLLM para integrar o CrewAI às diferentes LLMs.
- As ferramentas do LangChain ainda podem ser usadas com o CrewAI quando forem necessárias ao projeto.
- A classe LLM carrega a chave da OpenAI sem exigir sua passagem explícita na instanciação mostrada.
- O parâmetro llm dos agentes permanece igual, mesmo após a troca da antiga classe de conexão.
- A classe MyLLM reúne modelos em variáveis estáticas e evita repetir strings de configuração.
- Uma alteração central na MyLLM pode refletir em todo o projeto sem modificar cada agente.
Install to Summarize YouTube Videos and Get Transcripts
Explore YouTube Video Summarizer or Get YouTube Transcript Extractor
Questions & Answers
Q: Como conectar uma LLM usando o CrewAI 0.67.1?
Importe a classe LLM diretamente do CrewAI e crie uma instância com a configuração do modelo desejado. Depois, forneça essa instância ao parâmetro llm do agente, como já era feito no código anterior. Na demonstração, essa mudança elimina a necessidade de importar ChatOpenAI do LangChain e também dispensa a passagem explícita da chave da OpenAI para o construtor apresentado. O agente pesquisador continua recebendo a variável llm e executa normalmente a pesquisa e a produção do texto solicitadas.
Q: O que mudou na integração de LLMs do CrewAI 0.67.1?
A versão 0.67.1 passou a oferecer uma classe LLM interna para realizar a conexão mostrada, retirando o LangChain desse caminho principal. Segundo a explicação, a nova estrutura usa a biblioteca LiteLLM e torna a integração mais direta e leve. O código deixa de criar o modelo por meio de ChatOpenAI e passa a instanciá-lo com LLM do próprio CrewAI. Apesar dessa alteração, a definição do agente não precisa mudar, pois ele continua recebendo a instância pelo parâmetro llm.
Q: Por que o LangChain foi retirado da conexão apresentada?
A justificativa apresentada é que o LangChain havia se tornado pesado para essa função. Segundo João Moura, conforme relatado no conteúdo, a atualização retirou cerca de 1,5 milhão de linhas de programação do CrewAI, contribuindo para uma versão mais leve. A conexão com novas LLMs passou a usar a biblioteca LiteLLM e uma classe interna chamada LLM. Essa retirada não significa que todo uso do LangChain esteja proibido, pois ferramentas dele ainda podem ser combinadas com o CrewAI quando o projeto precisar delas.
Q: Ainda é possível usar ferramentas do LangChain com CrewAI?
Sim. A mudança descrita afeta a forma recomendada de criar a conexão principal com a LLM, mas não elimina a possibilidade de usar ferramentas do LangChain junto ao CrewAI. O conteúdo esclarece que projetos com Tools baseadas em LangChain não perderam esse recurso. A recomendação é apenas substituir ChatOpenAI pela classe LLM interna na configuração demonstrada. Dessa maneira, o desenvolvedor pode aproveitar a integração mais leve para o modelo e conservar ferramentas do LangChain que já façam parte de seus agentes.
Q: Como a classe MyLLM reduz erros de configuração?
A classe MyLLM centraliza as strings usadas para configurar os modelos e as expõe por meio de variáveis estáticas. Em vez de cada agente ou arquivo repetir manualmente o texto exato de identificação de uma LLM, o programador escolhe uma opção previamente cadastrada, com auxílio das sugestões exibidas pelo editor. Isso reduz a repetição de strings, descrita como uma fonte provável de erros. A demonstração troca a configuração direta por uma referência como MyLLM seguida do modelo escolhido e preserva o funcionamento do agente.
Q: Qual é a vantagem de centralizar modelos na MyLLM?
A principal vantagem é configurar cada LLM em um único ponto e reutilizar essa definição no restante do projeto. Se a identificação de um modelo ou a forma de conexão mudar, basta ajustar a classe central para que a alteração seja refletida nos locais que usam suas variáveis estáticas. O código dos agentes permanece sem mudanças, pois continua recebendo uma instância pelo parâmetro llm. Essa organização também deixa as opções ativadas no projeto visíveis ao programador e reduz a necessidade de memorizar strings de configuração.
Q: É necessário passar manualmente a chave da OpenAI?
Na forma demonstrada com a classe LLM interna do CrewAI, não é necessário passar explicitamente a chave da OpenAI durante a criação da instância. A chave continua armazenada no arquivo .env, mas a nova classe a carrega de maneira apresentada como intuitiva. No código antigo, a chave era carregada e fornecida por meio da estrutura baseada em LangChain e ChatOpenAI. A simplificação remove essas etapas da instanciação mostrada, enquanto o agente continua usando normalmente a variável llm configurada com o modelo selecionado.
Q: Como migrar um agente que usava ChatOpenAI?
Primeiro, remova a importação de ChatOpenAI e o trecho que cria a LLM por meio do LangChain. Em seguida, importe a classe LLM do CrewAI, instancie o modelo desejado e mantenha essa instância na variável já fornecida ao agente. A demonstração não altera a estrutura do agente pesquisador, pois o parâmetro llm permanece o mesmo. Como opção adicional, importe uma classe própria MyLLM e selecione uma configuração estática já cadastrada, centralizando os modelos e evitando strings repetidas em diferentes partes do projeto.
Summary & Key Takeaways
-
A versão 0.67.1 do CrewAI remove o LangChain da conexão principal com LLMs e adota uma estrutura interna apoiada na biblioteca LiteLLM, deixando a integração apresentada mais leve e direta.
-
Na migração, o código deixa de importar ChatOpenAI e passa a importar LLM do CrewAI. A instância configurada continua sendo entregue ao agente pelo mesmo parâmetro llm, sem alterar sua definição.
-
A classe MyLLM centraliza strings de configuração em variáveis estáticas. Assim, os agentes escolhem modelos já cadastrados, e futuras mudanças na conexão podem ser feitas em um único arquivo.
Read in Other Languages (beta)
Share This Summary 📚
Summarize YouTube Videos and Get Video Transcripts with 1-Click
Try YouTube Summary with ChatGPT & Claude or YouTube Transcript Generator
Explore More Summaries from Sandeco 📚






Summarize YouTube Videos and Get Video Transcripts with 1-Click
Try YouTube Summary with ChatGPT & Claude or YouTube Transcript Generator