> ## Documentation Index
> Fetch the complete documentation index at: https://apidoc.cometapi.com/llms.txt
> Use this file to discover all available pages before exploring further.

# CrewAI mit CometAPI verwenden

> Verwenden Sie vier CrewAI-LLM-Transportkonfigurationen mit CometAPI in einer sequenziellen Multi-Agent-Crew.

[CrewAI](https://docs.crewai.com/) ist ein Python-Framework zur Koordinierung von AI-Agents und Tasks. In diesem Leitfaden wird eine sequenzielle Crew konfiguriert, um CometAPI über vier CrewAI-Transportkonfigurationen aufzurufen: OpenAI Chat Completions, OpenAI Responses, Anthropic Messages und Gemini `generateContent`.

## Voraussetzungen

* Python 3.10–3.13
* [`uv`](https://docs.astral.sh/uv/getting-started/installation/)
* Ein CometAPI-Konto mit einem aktiven API-Schlüssel — [fordern Sie Ihren im Dashboard an](https://www.cometapi.com/console/token)
* Vier Textmodell-IDs für die unten gezeigten Transporte

## Integration konfigurieren

<Steps>
  <Step title="Ein Projekt erstellen und CrewAI installieren">
    Erstellen Sie ein neues Projekt mit `uv` und installieren Sie CrewAI mit den Extras für Anthropic und Google Gen AI:

    ```bash theme={null}
    uv init crewai-cometapi
    cd crewai-cometapi
    uv add 'crewai[anthropic,google-genai]'
    ```
  </Step>

  <Step title="API-Schlüssel und Modell-IDs festlegen">
    Legen Sie den CometAPI-API-Schlüssel und eine Modell-ID für jeden Transport fest:

    ```bash theme={null}
    read -rsp "CometAPI API key: " COMETAPI_KEY
    printf '\n'
    export COMETAPI_KEY

    export COMETAPI_CHAT_MODEL_ID=your-model-id
    export COMETAPI_RESPONSES_MODEL_ID=your-model-id
    export COMETAPI_ANTHROPIC_MODEL_ID=your-model-id
    export COMETAPI_GEMINI_MODEL_ID=your-model-id
    ```

    Ersetzen Sie jeden Wert von `your-model-id` durch eine Modell-ID von der [CometAPI-Modellseite](/de/overview/models). Die vier Werte können unterschiedlich sein. Weisen Sie jede Modell-ID dem entsprechenden Transport zu.
  </Step>

  <Step title="Die sequenzielle Crew erstellen">
    Speichern Sie das folgende Beispiel als `crew.py`:

    ```python theme={null}
    import os

    from crewai import Agent, Crew, LLM, Process, Task


    api_key = os.environ["COMETAPI_KEY"]

    chat_llm = LLM(
        model=os.environ["COMETAPI_CHAT_MODEL_ID"],
        custom_openai=True,
        api="completions",
        base_url="https://api.cometapi.com/v1",
        api_key=api_key,
        max_tokens=512,
        max_retries=0,
    )

    responses_llm = LLM(
        model=os.environ["COMETAPI_RESPONSES_MODEL_ID"],
        custom_openai=True,
        api="responses",
        base_url="https://api.cometapi.com/v1",
        api_key=api_key,
        max_completion_tokens=512,
        max_retries=0,
    )

    anthropic_llm = LLM(
        model=f"anthropic/{os.environ['COMETAPI_ANTHROPIC_MODEL_ID']}",
        base_url="https://api.cometapi.com",
        api_key=api_key,
        max_tokens=512,
        max_retries=0,
    )

    gemini_llm = LLM(
        model=f"gemini/{os.environ['COMETAPI_GEMINI_MODEL_ID']}",
        api_key=api_key,
        max_output_tokens=512,
        thinking_config={"thinking_budget": 0, "include_thoughts": False},
        client_params={
            "http_options": {
                "base_url": "https://api.cometapi.com",
                "api_version": "v1beta",
            }
        },
    )

    audience_agent = Agent(
        role="Audience researcher",
        goal="Define the audience for an API migration brief",
        backstory="You turn product goals into a precise audience statement.",
        llm=chat_llm,
        tools=[],
        allow_delegation=False,
        max_iter=1,
        max_retry_limit=0,
        verbose=False,
    )

    requirements_agent = Agent(
        role="Requirements planner",
        goal="Turn an audience statement into implementation requirements",
        backstory="You write concise, testable requirements for API teams.",
        llm=responses_llm,
        tools=[],
        allow_delegation=False,
        max_iter=1,
        max_retry_limit=0,
        verbose=False,
    )

    risk_agent = Agent(
        role="Risk reviewer",
        goal="Identify the most important migration risk",
        backstory="You review plans for practical delivery risks.",
        llm=anthropic_llm,
        tools=[],
        allow_delegation=False,
        max_iter=1,
        max_retry_limit=0,
        verbose=False,
    )

    editor_agent = Agent(
        role="Release brief editor",
        goal="Combine research, requirements, and risk into one brief",
        backstory="You preserve source findings while producing clear summaries.",
        llm=gemini_llm,
        tools=[],
        allow_delegation=False,
        max_iter=1,
        max_retry_limit=0,
        verbose=False,
    )

    audience_task = Task(
        description=(
            "Define one target audience for a team moving an existing OpenAI "
            "integration to a multi-provider API. Return only an Audience heading "
            "and one sentence of at most 20 words."
        ),
        expected_output="An Audience heading followed by one concise sentence.",
        agent=audience_agent,
    )

    requirements_task = Task(
        description=(
            "Using the audience statement in your context, return only a "
            "Requirements heading and exactly two numbered requirements. Keep each "
            "requirement to at most 18 words."
        ),
        expected_output="A Requirements heading followed by two numbered items.",
        agent=requirements_agent,
        context=[audience_task],
    )

    risk_task = Task(
        description=(
            "Using the audience and requirements in your context, return only a "
            "Risk heading, one risk sentence, and one mitigation sentence. Keep "
            "each sentence to at most 18 words."
        ),
        expected_output="A Risk heading with one risk and one mitigation.",
        agent=risk_agent,
        context=[audience_task, requirements_task],
    )

    brief_task = Task(
        description=(
            "Create a release brief from all prior task outputs. Return only these "
            "sections: Audience with one sentence; Requirements with two numbered "
            "items; Risk with one risk and one mitigation. Keep the exact headings "
            "Audience, Requirements, and Risk."
        ),
        expected_output=(
            "A concise release brief with Audience, Requirements, and Risk headings."
        ),
        agent=editor_agent,
        context=[audience_task, requirements_task, risk_task],
    )

    crew = Crew(
        agents=[
            audience_agent,
            requirements_agent,
            risk_agent,
            editor_agent,
        ],
        tasks=[audience_task, requirements_task, risk_task, brief_task],
        process=Process.sequential,
        verbose=False,
    )

    result = crew.kickoff()

    for index, task_output in enumerate(result.tasks_output, start=1):
        print(f"\n--- Task {index} ---\n{task_output.raw}")
    ```

    Die Agents verfügen über keine Tools, können nicht delegieren und werden nacheinander ausgeführt. Jede Task nach der ersten gibt ihre vorhergehenden Tasks in `context` an, sodass CrewAI diese vorherigen Ausgaben in die nächste Task einbezieht.
  </Step>

  <Step title="Die Crew ausführen">
    Führen Sie das Beispiel in derselben Shell-Sitzung aus:

    ```bash theme={null}
    uv run python crew.py
    ```

    Das Skript gibt alle vier Task-Ausgaben aus, einschließlich des abschließenden Release-Briefs.
  </Step>
</Steps>

## Routenzuordnung

| CrewAI-Konfiguration                                    | CometAPI-Route                                | Basis-URL                     |
| ------------------------------------------------------- | --------------------------------------------- | ----------------------------- |
| `custom_openai=True`, `api="completions"`               | `POST /v1/chat/completions`                   | `https://api.cometapi.com/v1` |
| `custom_openai=True`, `api="responses"`                 | `POST /v1/responses`                          | `https://api.cometapi.com/v1` |
| `anthropic/` Modellpräfix                               | `POST /v1/messages`                           | `https://api.cometapi.com`    |
| `gemini/` Modellpräfix und `client_params.http_options` | `POST /v1beta/models/{model}:generateContent` | `https://api.cometapi.com`    |

Die beiden obigen OpenAI-Konfigurationen benötigen das Suffix `/v1` in `base_url`. Die Anthropic- und Gemini-Konfigurationen fügen ihre jeweils eigene versionierte Route hinzu, daher ist ihre Basis-URL der CometAPI-Ursprung ohne `/v1`.

## Modell-IDs auswählen

Verwenden Sie die [CometAPI-Modellseite](/de/overview/models) um für jeden Transport eine Textmodell-ID auszuwählen. Speichern Sie die Modell-IDs in Umgebungsvariablen, damit Sie sie ändern können, ohne die Python-Datei zu bearbeiten. Fügen Sie einer Umgebungsvariable kein Anbieterpräfix hinzu. Das Beispiel fügt `anthropic/` und `gemini/` dort hinzu, wo CrewAI diese Präfixe zur Anbieterauswahl verwendet.

## Fehlerbehebung

<AccordionGroup>
  <Accordion title="Anthropic- oder Gemini-Provider-Importe schlagen fehl">
    Führen Sie `uv add 'crewai[anthropic,google-genai]'` im Projekt aus. Das Basis-CrewAI-Paket installiert standardmäßig nicht beide optionalen Provider-SDKs.
  </Accordion>

  <Accordion title="Eine Responses-Anfrage gibt einen Parameterfehler zurück">
    Entfernen Sie optionale Parameter, die nicht Teil der Schnittstelle des ausgewählten Modells sind. Das Beispiel konfiguriert für Responses nur das Ausgabe-Token-Limit.
  </Accordion>

  <Accordion title="Eine Anfrage verwendet die falsche Route">
    Vergleichen Sie die Konfiguration `LLM` mit der Tabelle zur Routenzuordnung. Verwenden Sie insbesondere `custom_openai=True` mit dem richtigen Wert für `api`, und belassen Sie die Gemini-Basis-URL innerhalb von `client_params.http_options`.
  </Accordion>
</AccordionGroup>

## Verwandte Ressourcen

* [CrewAI-LLM-Dokumentation 1.15.12](https://docs.crewai.com/v1.15.12/en/concepts/llms)
* [CrewAI-Agents](https://docs.crewai.com/v1.15.12/en/concepts/agents)
* [CrewAI-Tasks](https://docs.crewai.com/v1.15.12/en/concepts/tasks)
* [CrewAI-Crews](https://docs.crewai.com/v1.15.12/en/concepts/crews)
* [CometAPI Chat Completions](/de/api/text/chat)
* [CometAPI Responses](/de/api/text/responses)
* [CometAPI Anthropic Messages](/de/api/text/anthropic-messages)
* [CometAPI Gemini generateContent](/de/api/text/gemini-generating-content)

<script type="application/ld+json">
  {`
    {
    "@context": "https://schema.org",
    "@graph": [
      {
        "@type": "HowTo",
        "@id": "https://apidoc.cometapi.com/integrations/crewai#howto",
        "name": "CrewAI mit CometAPI verwenden",
        "description": "Verwenden Sie vier CrewAI-LLM-Transportkonfigurationen mit CometAPI in einer sequenziellen Multi-Agent-Crew.",
        "step": [
          {
            "@type": "HowToStep",
            "@id": "https://apidoc.cometapi.com/integrations/crewai#step-1",
            "position": 1,
            "name": "Ein Projekt erstellen und CrewAI installieren",
            "text": "Erstellen Sie ein uv-Projekt und installieren Sie CrewAI mit den Extras für Anthropic und Google Gen AI."
          },
          {
            "@type": "HowToStep",
            "@id": "https://apidoc.cometapi.com/integrations/crewai#step-2",
            "position": 2,
            "name": "API-Schlüssel und Modell-IDs festlegen",
            "text": "Legen Sie den CometAPI-API-Schlüssel und eine aktuelle Modell-ID für jeden Transport fest."
          },
          {
            "@type": "HowToStep",
            "@id": "https://apidoc.cometapi.com/integrations/crewai#step-3",
            "position": 3,
            "name": "Die sequenzielle Crew erstellen",
            "text": "Konfigurieren Sie vier LLM-Adapter, vier Agents und vier kontextverknüpfte Tasks in einer sequenziellen Crew."
          },
          {
            "@type": "HowToStep",
            "@id": "https://apidoc.cometapi.com/integrations/crewai#step-4",
            "position": 4,
            "name": "Die Crew ausführen",
            "text": "Führen Sie die Crew aus und prüfen Sie alle vier Task-Ausgaben."
          }
        ]
      },
      {
        "@type": "BreadcrumbList",
        "itemListElement": [
          {
            "@type": "ListItem",
            "position": 1,
            "name": "CometAPI-Dokumentation",
            "item": "https://apidoc.cometapi.com/"
          },
          {
            "@type": "ListItem",
            "position": 2,
            "name": "Integrationen",
            "item": "https://apidoc.cometapi.com/integrations"
          },
          {
            "@type": "ListItem",
            "position": 3,
            "name": "CrewAI mit CometAPI verwenden",
            "item": "https://apidoc.cometapi.com/integrations/crewai"
          }
        ]
      }
    ]
    }
    `}
</script>