Skip to main content
CrewAI est un framework Python permettant de coordonner des agents et des tâches d’IA. Ce guide configure un Crew séquentiel pour appeler CometAPI via quatre configurations de transport CrewAI : OpenAI Chat Completions, OpenAI Responses, Anthropic Messages et Gemini generateContent.

Prérequis

Configurer l’intégration

1

Créer un projet et installer CrewAI

Créez un nouveau projet uv et installez CrewAI avec ses extensions Anthropic et Google Gen AI :
2

Définir votre clé API et les ID de modèles

Définissez la clé API CometAPI et un ID de modèle pour chaque transport :
Remplacez chaque valeur your-model-id par un ID de modèle provenant de la page des modèles CometAPI. Les quatre valeurs peuvent être différentes. Attribuez chaque ID de modèle au transport correspondant.
3

Créer le Crew séquentiel

Enregistrez l’exemple suivant sous le nom crew.py :
Les Agents n’ont aucun outil, ne peuvent pas déléguer et s’exécutent un à la fois. Chaque Task après la première déclare les Tasks précédentes dans context, afin que CrewAI inclue ces sorties antérieures dans la Task suivante.
4

Exécuter le Crew

Exécutez l’exemple dans la même session shell :
Le script affiche les résultats des quatre Tasks, y compris le brief de publication final.

Mappage des routes

Les deux configurations OpenAI ci-dessus nécessitent le suffixe /v1 dans base_url. Les configurations Anthropic et Gemini ajoutent leur propre route versionnée, donc leur URL de base est l’origine CometAPI sans /v1.

Choisir les ID de modèles

Utilisez la page des modèles CometAPI pour choisir un ID de modèle de texte pour chaque transport. Stockez les ID de modèles dans des variables d’environnement afin de pouvoir les modifier sans éditer le fichier Python. N’ajoutez pas de préfixe de fournisseur à une variable d’environnement. L’exemple ajoute anthropic/ et gemini/ là où CrewAI utilise ces préfixes pour la sélection du fournisseur.

Résolution des problèmes

Exécutez uv add 'crewai[anthropic,google-genai]' dans le projet. Le package CrewAI de base n’installe pas les deux SDK de fournisseur facultatifs par défaut.
Supprimez les paramètres facultatifs qui ne font pas partie de l’interface du modèle sélectionné. L’exemple configure uniquement la limite de Tokens de sortie pour Responses.
Comparez la configuration LLM avec le tableau de mappage des routes. En particulier, utilisez custom_openai=True avec la valeur api correcte et conservez l’URL de base Gemini dans client_params.http_options.

Ressources associées

Dernière modification le 7 août 2026