--- title: Ferramentas description: Compreendendo e aproveitando ferramentas dentro do framework CrewAI para colaboração e execução de tarefas por agentes. icon: screwdriver-wrench mode: "wide" --- ## Visão geral As ferramentas do CrewAI capacitam agentes com habilidades que vão desde busca na web e análise de dados até colaboração e delegação de tarefas entre colegas de trabalho. Esta documentação descreve como criar, integrar e aproveitar essas ferramentas dentro do framework CrewAI, incluindo um novo foco em ferramentas de colaboração. Ferramentas dão aos agentes **funções chamáveis** para tomar ações. Elas funcionam junto com [MCPs](/pt-BR/mcp/overview) (servidores de ferramentas remotos), [Apps](/pt-BR/concepts/agent-capabilities) (integrações com plataformas), [Skills](/pt-BR/concepts/skills) (expertise de domínio) e [Knowledge](/pt-BR/concepts/knowledge) (fatos recuperados). Veja a visão geral de [Capacidades do Agente](/pt-BR/concepts/agent-capabilities) para entender quando usar cada um. ## O que é uma Ferramenta? Uma ferramenta no CrewAI é uma habilidade ou função que os agentes podem utilizar para executar diversas ações. Isso inclui ferramentas do [CrewAI Toolkit](https://github.com/joaomdmoura/crewai-tools) e [LangChain Tools](https://python.langchain.com/docs/integrations/tools), permitindo desde buscas simples até interações complexas e trabalho em equipe eficiente entre agentes. O CrewAI AMP oferece um Repositório de Ferramentas abrangente, com integrações pré-construídas para sistemas empresariais e APIs comuns. Implemente agentes com ferramentas corporativas em minutos em vez de dias. O Repositório de Ferramentas Empresariais inclui: - Conectores pré-construídos para sistemas empresariais populares - Interface para criação de ferramentas personalizadas - Controle de versão e funcionalidades de compartilhamento - Recursos de segurança e conformidade ## Características Principais das Ferramentas - **Utilidade**: Desenvolvidas para tarefas como busca web, análise de dados, geração de conteúdo e colaboração entre agentes. - **Integração**: Potencializa as habilidades dos agentes ao integrar ferramentas de forma transparente ao seu fluxo de trabalho. - **Personalização**: Oferece flexibilidade para desenvolver ferramentas personalizadas ou utilizar existentes, atendendo necessidades específicas dos agentes. - **Tratamento de Erros**: Incorpora mecanismos robustos de tratamento de erros para garantir operação sem interrupções. - **Mecanismo de Cache**: Possui cache inteligente para otimizar desempenho e reduzir operações redundantes. - **Suporte Assíncrono**: Suporta ferramentas síncronas e assíncronas, permitindo operações não bloqueantes. ## Utilizando Ferramentas CrewAI Para aprimorar as capacidades de seus agentes com as ferramentas do CrewAI, comece instalando nosso pacote extra de ferramentas: ```bash pip install 'crewai[tools]' ``` Aqui está um exemplo demonstrando seu uso: ```python Code import os from crewai import Agent, Task, Crew # Importando ferramentas do crewAI from crewai_tools import ( DirectoryReadTool, FileReadTool, SerperDevTool, WebsiteSearchTool ) # Configure as chaves de API os.environ["SERPER_API_KEY"] = "Your Key" # chave da API serper.dev os.environ["OPENAI_API_KEY"] = "Your Key" # Instanciar as ferramentas docs_tool = DirectoryReadTool(directory='./blog-posts') file_tool = FileReadTool() search_tool = SerperDevTool() web_rag_tool = WebsiteSearchTool() # Criar agentes researcher = Agent( role='Analista de Mercado', goal='Fornecer análise de mercado atualizada da indústria de IA', backstory='Analista especialista com olhar atento para tendências de mercado.', tools=[search_tool, web_rag_tool], verbose=True ) writer = Agent( role='Redator de Conteúdo', goal='Criar posts de blog envolventes sobre a indústria de IA', backstory='Redator habilidoso com paixão por tecnologia.', tools=[docs_tool, file_tool], verbose=True ) # Definir tarefas research = Task( description='Research the latest trends in the AI industry and provide a summary.', expected_output='A summary of the top 3 trending developments in the AI industry with a unique perspective on their significance.', agent=researcher ) write = Task( description='Write an engaging blog post about the AI industry, based on the research analyst's summary. Draw inspiration from the latest blog posts in the directory.', expected_output='A 4-paragraph blog post formatted in markdown with engaging, informative, and accessible content, avoiding complex jargon.', agent=writer, output_file='blog-posts/new_post.md' # O post final do blog será salvo aqui ) # Montar um crew com o planejamento habilitado crew = Crew( agents=[researcher, writer], tasks=[research, write], verbose=True, planning=True, # Habilitar o recurso de planejamento ) # Executar tarefas crew.kickoff() ``` ## Ferramentas CrewAI Disponíveis - **Tratamento de Erros**: Todas as ferramentas são construídas com capacidades de tratamento de erros, permitindo que os agentes administrem exceções de forma adequada e prossigam com suas tarefas. - **Mecanismo de Cache**: Todas as ferramentas suportam cache, possibilitando que agentes reutilizem de forma eficiente resultados obtidos anteriormente, reduzindo a carga em recursos externos e acelerando o tempo de execução. Também é possível definir controles mais precisos sobre o mecanismo de cache usando o atributo `cache_function` na ferramenta. Aqui está uma lista das ferramentas disponíveis e suas descrições: | Ferramenta | Descrição | | :------------------------------- | :--------------------------------------------------------------------------------------------------- | | **ApifyActorsTool** | Ferramenta que integra Apify Actors aos seus fluxos de trabalho para web scraping e automação. | | **BrowserbaseLoadTool** | Ferramenta para interação e extração de dados de navegadores web. | | **CodeDocsSearchTool** | Uma ferramenta RAG otimizada para busca em documentações de código e documentos técnicos. | | **CodeInterpreterTool** | Ferramenta para interpretar código Python. | | **ComposioTool** | Permite o uso de ferramentas Composio. | | **CSVSearchTool** | Ferramenta RAG projetada para busca em arquivos CSV, ideal para dados estruturados. | | **DALL-E Tool** | Ferramenta para gerar imagens utilizando a API do DALL-E. | | **DirectorySearchTool** | Ferramenta RAG para busca em diretórios, útil para navegação em sistemas de arquivos. | | **DOCXSearchTool** | Ferramenta RAG voltada para busca em documentos DOCX, ideal para processar arquivos Word. | | **DirectoryReadTool** | Facilita a leitura e processamento de estruturas de diretórios e seus conteúdos. | | **ExaSearchTool** | Ferramenta projetada para buscas exaustivas em diversas fontes de dados. | | **FileReadTool** | Permite a leitura e extração de dados de arquivos, suportando diversos formatos. | | **FirecrawlSearchTool** | Ferramenta para buscar páginas web usando Firecrawl e retornar os resultados. | | **FirecrawlCrawlWebsiteTool** | Ferramenta para rastrear páginas web utilizando o Firecrawl. | | **FirecrawlScrapeWebsiteTool** | Ferramenta para extrair o conteúdo de URLs usando Firecrawl. | | **GithubSearchTool** | Ferramenta RAG para buscar em repositórios GitHub, útil para pesquisa de código e documentação. | | **SerperDevTool** | Ferramenta especializada para finalidades de desenvolvimento, com funcionalidades em evolução. | | **TXTSearchTool** | Ferramenta RAG voltada para busca em arquivos de texto (.txt), adaptada para dados não estruturados. | | **JSONSearchTool** | Ferramenta RAG para busca em arquivos JSON, voltada ao manuseio de dados estruturados. | | **LlamaIndexTool** | Permite o uso das ferramentas LlamaIndex. | | **MDXSearchTool** | Ferramenta RAG para busca em arquivos Markdown (MDX), útil para documentação. | | **PDFSearchTool** | Ferramenta RAG para busca em documentos PDF, ideal para processar documentos digitalizados. | | **PGSearchTool** | Ferramenta RAG otimizada para busca em bancos de dados PostgreSQL, adequada para consultas. | | **Vision Tool** | Ferramenta para gerar imagens utilizando a API do DALL-E. | | **RagTool** | Ferramenta RAG de uso geral, capaz de lidar com diferentes fontes e tipos de dados. | | **ScrapeElementFromWebsiteTool** | Permite extrair elementos específicos de sites, útil para extração de dados direcionada. | | **ScrapeWebsiteTool** | Facilita o scraping de sites inteiros, ideal para coleta abrangente de dados. | | **WebsiteSearchTool** | Ferramenta RAG para busca em conteúdos de sites, otimizada para extração de dados web. | | **XMLSearchTool** | Ferramenta RAG para busca em arquivos XML, adequada para formatos de dados estruturados. | | **YoutubeChannelSearchTool** | Ferramenta RAG para busca em canais do YouTube, útil para análise de conteúdo em vídeo. | | **YoutubeVideoSearchTool** | Ferramenta RAG para busca em vídeos do YouTube, ideal para extração de dados de vídeo. | ## Criando suas próprias Ferramentas Desenvolvedores podem criar `ferramentas personalizadas` adaptadas para as necessidades de seus agentes ou utilizar opções pré-construídas. Existem duas formas principais de criar uma ferramenta CrewAI: ### Herança de `BaseTool` ```python Code from crewai.tools import BaseTool from pydantic import BaseModel, Field class MyToolInput(BaseModel): """Input schema for MyCustomTool.""" argument: str = Field(..., description="Description of the argument.") class MyCustomTool(BaseTool): name: str = "Name of my tool" description: str = "What this tool does. It's vital for effective utilization." args_schema: Type[BaseModel] = MyToolInput def _run(self, argument: str) -> str: # Seu código da ferramenta aqui return "Tool's result" ``` ## Suporte a Ferramentas Assíncronas O CrewAI suporta ferramentas assíncronas, permitindo que você implemente ferramentas que realizam operações não bloqueantes, como requisições de rede, I/O de arquivos ou outras operações async sem bloquear o fluxo principal de execução. ### Criando Ferramentas Assíncronas Você pode criar ferramentas assíncronas de duas formas: #### 1. Utilizando o Decorador `tool` com Funções Assíncronas ```python Code from crewai.tools import tool @tool("fetch_data_async") async def fetch_data_async(query: str) -> str: """Asynchronously fetch data based on the query.""" # Simulate async operation await asyncio.sleep(1) return f"Data retrieved for {query}" ``` #### 2. Implementando Métodos Assíncronos em Classes de Ferramentas Personalizadas ```python Code from crewai.tools import BaseTool class AsyncCustomTool(BaseTool): name: str = "async_custom_tool" description: str = "An asynchronous custom tool" async def _run(self, query: str = "") -> str: """Asynchronously run the tool""" # Sua implementação assíncrona aqui await asyncio.sleep(1) return f"Processed {query} asynchronously" ``` ### Utilizando Ferramentas Assíncronas Ferramentas assíncronas funcionam perfeitamente tanto em fluxos tradicionais do Crew quanto em fluxos baseados em Flow: ```python Code # No Crew tradicional agent = Agent(role="researcher", tools=[async_custom_tool]) # Em Flow class MyFlow(Flow): @start() async def begin(self): crew = Crew(agents=[agent]) result = await crew.kickoff_async() return result ``` O framework CrewAI lida automaticamente com a execução de ferramentas síncronas e assíncronas, então você não precisa se preocupar com diferenças na chamada. ### Utilizando o Decorador `tool` ```python Code from crewai.tools import tool @tool("Name of my tool") def my_tool(question: str) -> str: """Clear description for what this tool is useful for, your agent will need this information to use it.""" # Lógica da função aqui return "Result from your custom tool" ``` ### Mecanismo de Cache Personalizado As ferramentas podem implementar opcionalmente uma `cache_function` para ajuste fino do comportamento de cache. Esta função determina quando armazenar resultados em cache com base em condições específicas, oferecendo controle granular sobre a lógica de cache. ```python Code from crewai.tools import tool @tool def multiplication_tool(first_number: int, second_number: int) -> str: """Useful for when you need to multiply two numbers together.""" return first_number * second_number def cache_func(args, result): # Neste exemplo, só cacheamos o resultado se for múltiplo de 2 cache = result % 2 == 0 return cache multiplication_tool.cache_function = cache_func writer1 = Agent( role="Writer", goal="You write lessons of math for kids.", backstory="You're an expert in writing and you love to teach kids but you know nothing of math.", tools=[multiplication_tool], allow_delegation=False, ) #... ``` ## Conclusão Ferramentas são fundamentais para expandir as capacidades dos agentes CrewAI, permitindo que assumam uma ampla gama de tarefas e colaborem de forma eficiente. Ao construir soluções com CrewAI, aproveite tanto ferramentas existentes quanto personalizadas para potencializar seus agentes e ampliar o ecossistema de IA. Considere utilizar tratamento de erros, mecanismos de cache e a flexibilidade de argumentos das ferramentas para otimizar o desempenho e as capacidades dos seus agentes.