用Streamlit可视化界面编排CrewAI多智能体，无需写代码

方案简介

CrewAI Studio 是一个基于 Streamlit 构建的可视化多智能体应用开发平台。它为 CrewAI 框架提供了用户友好的图形界面，让不想写代码的用户也能创建、配置和运行多智能体（Crew）工作流。

该项目支持 Windows、Linux 和 macOS 三大平台，可通过 Docker/docker-compose 或 Conda/venv 两种方式安装运行。用户可以在界面中为 Crew 添加知识源（Knowledge sources）、使用内置的 CrewAI 工具与真实世界交互、创建自定义工具（如调用 API、写文件、增强代码解释器、增强网页爬虫等），并支持 OpenAI、Groq、Anthropic、Ollama、Grok 和 LM Studio 等多种 LLM 后端。

它适合希望在无编码门槛下快速搭建 AI 多智能体应用的用户，以及需要将 Crew 导出为独立 Streamlit 单页应用的开发者。需要注意的是，该项目目前处于低维护模式，作者不再积极开发新功能，但安全修复和关键 bug 修复仍在进行，欢迎提交 PR。

亮点与能力

• 多平台支持：可在 Windows、Linux 和 macOS 上运行。
• 无需编码：通过友好的界面与 CrewAI 交互。
• Conda 与虚拟环境双支持：安装时可选择 Conda 或 Python 虚拟环境。
• 结果历史：可查看之前运行的结果。
• 知识源：可为 Crew 添加知识源。
• CrewAI 工具：可使用 CrewAI 工具与真实世界交互（bugfix 已合并回 crewai-tools）。
• 自定义工具：包括调用 API、写文件、增强代码解释器、增强网页爬虫等，后续会持续增加。
• 多 LLM 后端：支持 OpenAI、Groq、Anthropic、Ollama、Grok 和 LM Studio。
• 单页应用导出：可将 Crew 导出为简单的单页 Streamlit 应用。
• 线程化运行：Crew 可在后台运行且可随时停止。

组成与分工

• Streamlit：构建用户友好的图形界面，用户通过它无需编码即可操作 CrewAI。
• CrewAI：核心多智能体编排框架，负责定义和运行 Crew。
• crewai-tools：提供与真实世界交互的工具集（此前项目使用其 fork 版本，bugfix 已合并回上游）。
• LLM 后端（OpenAI/Groq/Anthropic/Ollama/Grok/LM Studio）：为 Crew 中的智能体提供大模型推理能力。
• Docker Compose：一键容器化部署整套应用。
• Conda/venv：提供非容器化的本地 Python 环境安装方式。

前置要求

• 使用 Docker Compose 方式：需确保已安装 Docker 和 Docker Compose。
• 使用虚拟环境方式：需已安装 Python；如未安装 Python，可直接使用 Conda 安装脚本（Conda 会本地安装在项目文件夹内，无需预先安装 Conda）。
• 运行前需在 .env 文件中配置 API 密钥等必要配置。

实施步骤

Docker Compose 部署（推荐快速上手）

1. 克隆仓库：

git clone https://github.com/strnad/CrewAI-Studio.git
cd CrewAI-Studio

1. 创建并编辑 .env 配置文件：

cp .env_example .env

1. 使用 Docker Compose 启动应用：

docker-compose up --build

1. 访问应用：http://localhost:8501

Conda 方式安装（Linux）

1. 克隆仓库：

bash
git clone https://github.com/strnad/CrewAI-Studio.git
cd CrewAI-Studio

1. 运行 Conda 安装脚本：

bash
./install_conda.sh

1. 运行应用：

bash
./run_conda.sh

虚拟环境方式安装（Linux/macOS）

1. 克隆仓库后运行安装脚本：

bash
./install_venv.sh

1. 运行应用：

bash
./run_venv.sh

Windows 安装

Windows 下使用对应的 .bat 脚本，如 ./install_venv.bat、./run_venv.bat 或 Conda 的 ./install_conda.bat、./run_conda.bat。

使用与配置要点

• 运行应用前，务必更新 .env 文件，填入你的 API 密钥及其他必要配置，仓库提供了示例 .env 文件供参考。
• 启动后通过浏览器访问 http://localhost:8501 使用应用。
• 可在界面中为 Crew 添加知识源、配置 LLM 后端（OpenAI、Groq、Anthropic、Ollama、Grok、LM Studio）。
• 使用 LM Studio 时，不要忘记加载 embedding 模型。
• Crew 可以后台线程方式运行，并可随时停止；之前的结果可在历史记录中查看。
• 可将配置好的 Crew 导出为单页 Streamlit 应用独立使用。

注意事项与常见问题

• 维护状态：项目处于低维护模式，作者不再积极开发新功能，但安全修复和关键 bug 修复仍在进行，欢迎提交 PR。
• OpenAI 密钥：即便使用其他 LLM 后端，许多工具的 embeddings 可能仍需要 OpenAI 密钥。
• LM Studio：使用 LM Studio 时必须加载 embedding 模型，否则相关工具无法工作。
• 故障排查：如遇问题，可删除 venv/miniconda 文件夹并重新安装；可尝试重命名 crewai.db（其中保存了你的 Crew，但新版本有时会导致兼容性问题）；也可提交 issue 寻求帮助。

优缺点

• ✓ 无需编程即可使用
• ✓ 支持多平台部署
• ✕ 处于低维护模式
• ✕ 许多工具仍需OpenAI密钥

出处

本方案挖掘自开源项目 strnad/CrewAI-Studio，方案内容与实施命令均来自其 README 原文。