手把手教你用 CrewAI 搭建多智能体系统，深度解析智能体人工智能的工作原理

智能体人工智能在2025年正式跻身热门赛道。此前，它还只是以“让机器玩宝可梦”的形式零星出现在大众视野中。如今，无论是微软这类科技巨头，还是零售、旅游等科技应用行业，都在智能体人工智能领域押下重注。

那么，什么是人工智能智能体？广义来说，智能体是一类能感知环境并采取行动以达成目标的系统。在当下的技术语境中，人工智能智能体 拥有一颗“大脑”——也就是大语言模型，负责规划达成理想结果的步骤序列；同时配备一双“巧手”——即各类工具接口。这些工具既能帮助智能体搜索互联网、查询内部数据库以获取数据，也能支持它发送邮件、更新预订系统等操作。

在本文中，我们将为一家酒店企业构建一套智能体系统。我们的目标是突破传统仪表盘和临时分析的局限，打造一个能主动识别预订量异常下滑、分析背后原因，并提供战略建议的营收管理智能体。

准备工作

我使用的是 Python 3.11 版本，该版本能够满足我们所需所有包的运行要求。你可以从这个链接下载安装程序，之后创建虚拟环境并安装相关依赖包。

py -3.13 -m venv agentenv
agentenv\\\\Scripts\\\\activate
pip install crewai
pip install crewai-tools[mcp]
pip install tavily-python

接下来，我们为这家虚拟酒店企业创建一个简单的本地数据库，其中包含一张聚合数据表。该表会按目的地和月份，记录实际预订量、预期预订量、近期主动降价幅度，以及剩余未售客房的平均每晚售价。

import sqlite3

def setup_database():
    conn = sqlite3.connect('company_data.db')
    cursor = conn.cursor()

    # 1. 创建聚合数据表
    cursor.execute('''
    DROP TABLE IF EXISTS destination_performance;
    ''')
    cursor.execute('''
    CREATE TABLE IF NOT EXISTS destination_performance (
        destination_id TEXT PRIMARY KEY,
        destination_name TEXT,
        month TEXT,
        confirmed_bookings INTEGER,
        predicted_bookings INTEGER,
        avg_price_drop_14d REAL,
        avg_remaining_nightly_price REAL,
        currency TEXT
    )
    ''')

    # 2. 插入“问题数据”
    # 场景设定：预期预订量 500 间，实际仅 320 间
    # 我们已降价 45 美元，但预订量依旧没有起色
    data = [
        ('IT-TUS', '意大利托斯卡纳', '2026年3月', 320, 500, 45.00, 210, '美元'),
        ('JP-KYO', '日本京都', '2026年3月', 480, 450, 0.00, 180, '美元'),
        ('FR-PAR', '法国巴黎', '2026年3月', 600, 610, 10.00, 170, '美元')
    ]

    cursor.executemany('INSERT OR REPLACE INTO destination_performance VALUES (?,?,?,?,?,?,?,?)', data)
    conn.commit()
    conn.close()
    print("数据库 'company_data.db' 已初始化，并写入聚合业绩数据。")

构建智能体的“大脑”

我们的智能体系统需要一个基于大语言模型的“大脑”。你可以选择本地部署的大语言模型，而本文将使用 Gemini 模型。你只需前往这个链接创建或查看已有的 API 密钥。需要注意的是，未设置账单信息时，API 的调用频率会受到严格限制。因此，建议你进入“用量与账单”选项卡，为项目配置支付方式（我使用的是“默认 Gemini 项目”）。

配置支付方式并不意味着你会立即产生费用。目前，谷歌为新用户提供前 90 天 300 美元的免费额度，并且承诺：

只有当你选择激活完整的按需付费谷歌云账户，或选择预付费时，才会开始计费。

完成上述步骤后，我们就可以在主脚本中定义智能体的“大脑”了：

import os

# =============================================================================
# 1. 配置信息
# =============================================================================

# 在此处输入你的密钥
os.environ["GOOGLE_API_KEY"] = "请在此处输入你的 API 密钥"

# 初始化 Gemini 模型
gemini_llm = LLM(
    model="gemini/gemini-flash-latest",
    api_key=os.environ["GOOGLE_API_KEY"],
    temperature=0.2
)

你可以通过向模型发送测试指令来验证配置是否成功，执行代码 gemini_llm.call("测试指令")。如果配置无误，Gemini 会给出响应，表明模型已准备就绪。

招募第一位团队成员

我们将使用 CrewAI 这个框架。它的设计十分直观，能帮助我们构建由多个人工智能智能体组成的团队，并为每个智能体分配专属角色和可用工具集。

我们的第一位团队成员是内部业绩分析师。他的职责是查询数据库，识别预订量增长是否存在异常情况。首先，我们需要为他开发一个专用工具：