> ## 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.

# Use o CrewAI com o CometAPI

> Use quatro configurações de transporte de LLM do CrewAI com o CometAPI em uma Crew sequencial com vários agentes.

[O CrewAI](https://docs.crewai.com/) é um framework Python para coordenar agentes e tarefas de IA. Este guia configura uma Crew sequencial para chamar o CometAPI por meio de quatro configurações de transporte do CrewAI: OpenAI Chat Completions, OpenAI Responses, Anthropic Messages e Gemini `generateContent`.

## Pré-requisitos

* Python 3.10–3.13
* [`uv`](https://docs.astral.sh/uv/getting-started/installation/)
* Uma conta CometAPI com uma chave de API ativa — [obtenha a sua no painel](https://www.cometapi.com/console/token)
* Quatro IDs de modelos de texto para os transportes mostrados abaixo

## Configurar a integração

<Steps>
  <Step title="Crie um projeto e instale o CrewAI">
    Crie um novo projeto `uv` e instale o CrewAI com os extras Anthropic e Google Gen AI:

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

  <Step title="Defina sua chave de API e os IDs dos modelos">
    Defina a chave de API do CometAPI e um ID de modelo para cada transporte:

    ```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
    ```

    Substitua cada valor `your-model-id` por um ID de modelo da página [Modelos do CometAPI](/pt/overview/models). Os quatro valores podem ser diferentes. Atribua cada ID de modelo ao transporte correspondente.
  </Step>

  <Step title="Crie a Crew sequencial">
    Salve o exemplo a seguir como `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}")
    ```

    Os Agentes não têm ferramentas, não podem delegar e são executados um de cada vez. Cada Tarefa após a primeira declara as Tarefas anteriores em `context`, para que o CrewAI inclua essas saídas anteriores na próxima Tarefa.
  </Step>

  <Step title="Execute a Crew">
    Execute o exemplo na mesma sessão do shell:

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

    O script imprime as saídas das quatro Tarefas, incluindo o resumo final da versão.
  </Step>
</Steps>

## Mapeamento de rotas

| Configuração do CrewAI                                     | Rota do CometAPI                              | URL base                      |
| ---------------------------------------------------------- | --------------------------------------------- | ----------------------------- |
| `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/` prefixo do modelo                             | `POST /v1/messages`                           | `https://api.cometapi.com`    |
| `gemini/` prefixo do modelo e `client_params.http_options` | `POST /v1beta/models/{model}:generateContent` | `https://api.cometapi.com`    |

As duas configurações OpenAI acima precisam do sufixo `/v1` em `base_url`. As configurações Anthropic e Gemini adicionam suas próprias rotas versionadas, portanto a URL base delas é a origem do CometAPI sem `/v1`.

## Escolha os IDs dos modelos

Use a [página Modelos do CometAPI](/pt/overview/models) para escolher um ID de modelo de texto para cada transporte. Armazene os IDs dos modelos em variáveis de ambiente para poder alterá-los sem editar o arquivo Python. Não adicione um prefixo de provedor a uma variável de ambiente. O exemplo adiciona `anthropic/` e `gemini/` onde o CrewAI usa esses prefixos para a seleção de provedor.

## Solução de problemas

<AccordionGroup>
  <Accordion title="Falha nas importações dos provedores Anthropic ou Gemini">
    Execute `uv add 'crewai[anthropic,google-genai]'` no projeto. O pacote base do CrewAI não instala ambos os SDKs opcionais de provedores por padrão.
  </Accordion>

  <Accordion title="Uma solicitação Responses retorna um erro de parâmetro">
    Remova parâmetros opcionais que não fazem parte da interface do modelo selecionado. O exemplo configura apenas o limite de Tokens de saída para Responses.
  </Accordion>

  <Accordion title="Uma solicitação usa a rota incorreta">
    Compare a configuração `LLM` com a tabela de mapeamento de rotas. Em particular, use `custom_openai=True` com o valor `api` correto e mantenha a URL base do Gemini dentro de `client_params.http_options`.
  </Accordion>
</AccordionGroup>

## Recursos relacionados

* [Documentação de LLM do CrewAI 1.15.12](https://docs.crewai.com/v1.15.12/en/concepts/llms)
* [Agentes do CrewAI](https://docs.crewai.com/v1.15.12/en/concepts/agents)
* [Tarefas do CrewAI](https://docs.crewai.com/v1.15.12/en/concepts/tasks)
* [Crews do CrewAI](https://docs.crewai.com/v1.15.12/en/concepts/crews)
* [Chat Completions do CometAPI](/pt/api/text/chat)
* [Responses do CometAPI](/pt/api/text/responses)
* [Anthropic Messages do CometAPI](/pt/api/text/anthropic-messages)
* [Gemini generateContent do CometAPI](/pt/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": "Use o CrewAI com o CometAPI",
        "description": "Use quatro configurações de transporte de LLM do CrewAI com o CometAPI em uma Crew sequencial com vários agentes.",
        "step": [
          {
            "@type": "HowToStep",
            "@id": "https://apidoc.cometapi.com/integrations/crewai#step-1",
            "position": 1,
            "name": "Crie um projeto e instale o CrewAI",
            "text": "Crie um projeto uv e instale o CrewAI com os extras Anthropic e Google Gen AI."
          },
          {
            "@type": "HowToStep",
            "@id": "https://apidoc.cometapi.com/integrations/crewai#step-2",
            "position": 2,
            "name": "Defina sua chave de API e os IDs dos modelos",
            "text": "Defina a chave de API do CometAPI e um ID de modelo atual para cada transporte."
          },
          {
            "@type": "HowToStep",
            "@id": "https://apidoc.cometapi.com/integrations/crewai#step-3",
            "position": 3,
            "name": "Crie a Crew sequencial",
            "text": "Configure quatro adaptadores de LLM, quatro Agentes e quatro Tarefas vinculadas por contexto em uma Crew sequencial."
          },
          {
            "@type": "HowToStep",
            "@id": "https://apidoc.cometapi.com/integrations/crewai#step-4",
            "position": 4,
            "name": "Execute a Crew",
            "text": "Execute a Crew e inspecione as saídas das quatro Tarefas."
          }
        ]
      },
      {
        "@type": "BreadcrumbList",
        "itemListElement": [
          {
            "@type": "ListItem",
            "position": 1,
            "name": "Documentação do CometAPI",
            "item": "https://apidoc.cometapi.com/"
          },
          {
            "@type": "ListItem",
            "position": 2,
            "name": "Integrações",
            "item": "https://apidoc.cometapi.com/integrations"
          },
          {
            "@type": "ListItem",
            "position": 3,
            "name": "Use o CrewAI com o CometAPI",
            "item": "https://apidoc.cometapi.com/integrations/crewai"
          }
        ]
      }
    ]
    }
    `}
</script>