협업 (Collaboration)

에이전트 하나로 해결하기 어려운 일이 많아요. 조사가 필요한 부분, 글쓰기가 필요한 부분, 검토가 필요한 부분이 섞여 있죠. CrewAI는 여러 에이전트가 서로 업무를 위임(delegate) 하고 질문(ask question) 을 주고받으며 한 팀처럼 일할 수 있게 해줘요. 이 글에서는 협업을 켜는 방법부터 실제 코드, 그리고 운영할 때 챙겨야 할 관점까지 하나씩 짚어볼게요.

개요

CrewAI에서 협업은 에이전트들이 서로의 전문성을 활용하도록 업무를 위임하고 질문을 던지는 것으로 이뤄져요. 에이전트에 allow_delegation=True를 주면 이 협업 도구들이 자동으로 켜져요. 이 설정 하나가 "각자 자기 일만 하는 개인"을 "서로 돕는 팀"으로 바꾸는 핵심이에요.

Quick Start: 협업 켜기

협업은 아주 단순하게 시작해요. Agent를 만들 때 allow_delegation=True만 넣으면 돼요.

from crewai import Agent, Crew, Task

# Enable collaboration for agents
researcher = Agent(
    role="Research Specialist",
    goal="Conduct thorough research on any topic",
    backstory="Expert researcher with access to various sources",
    allow_delegation=True,  # 🔑 Key setting for collaboration
    verbose=True
)

writer = Agent(
    role="Content Writer",
    goal="Create engaging content based on research",
    backstory="Skilled writer who transforms research into compelling content",
    allow_delegation=True,  # 🔑 Enables asking questions to other agents
    verbose=True
)

# Agents can now collaborate automatically
crew = Crew(
    agents=[researcher, writer],
    tasks=[...],
    verbose=True
)

verbose=True가 붙어 있으면 에이전트들이 실제로 어떻게 협업하는지 실행 로그로 확인할 수 있어요. 처음에 동작을 눈으로 볼 때 특히 유용하죠.

에이전트 협업은 어떻게 동작하나요

allow_delegation=True를 주면 CrewAI가 에이전트에게 두 가지 도구를 자동으로 부여해요. 에이전트가 이 도구를 골라서 호출하는 방식으로 협업이 일어나요.

1. Delegate Work Tool (업무 위임 도구)

동료에게 특정 전문성이 필요한 작업을 넘길 때 써요. 에이전트는 자동으로 이 도구를 갖게 돼요.

# Agent automatically gets this tool:
# Delegate work to coworker(task: str, context: str, coworker: str)

• task: 동료에게 맡길 작업 내용
• context: 작업을 이해하는 데 필요한 맥락
• coworker: 일을 넘길 대상 에이전트

2. Ask Question Tool (질문 도구)

동료에게 구체적인 질문을 던져 정보를 얻을 때 써요. 위임보다 가볍게, 필요한 정보만 물어보는 도구예요.

# Agent automatically gets this tool:
# Ask question to coworker(question: str, context: str, coworker: str)

둘 다 같은 형태의 인자를 받는다는 점을 기억해두면 좋아요. 차이는 "일을 넘기느냐" vs "정보를 물어보느냐" 예요.

협업이 실제로 일어나는 예시

조사 → 글쓰기 → 검토로 이어지는 콘텐츠 제작 흐름을 예로 들어볼게요. 각 에이전트가 서로 다른 역할을 맡고, allow_delegation=True로 협업을 켠 상태예요.

from crewai import Agent, Crew, Task, Process

# Create collaborative agents
researcher = Agent(
    role="Research Specialist",
    goal="Find accurate, up-to-date information on any topic",
    backstory="You're a meticulous researcher with expertise in finding ...",
    allow_delegation=True,
    verbose=True
)

# ... writer, editor 에이전트 정의 (모두 allow_delegation=True)

editor = Agent(
    role="Editor",
    goal="Ensure content quality and consistency",
    backstory="You're an experienced editor with an eye for detail, "
              "ensuring content meets high standards for clarity and accuracy.",
    allow_delegation=True,
    verbose=True
)

# Create a task that encourages collaboration
article_task = Task(
    description="Write an article on AI trends...",
    expected_output="A well-researched, well-written article",
    agent=writer  # Writer leads, but can delegate research to researcher
)

# Create collaborative crew
crew = Crew(
    agents=[researcher, writer, editor],
    tasks=[article_task],
    process=Process.sequential,
    verbose=True
)

result = crew.kickoff()

핵심은 article_task의 agent=writer예요. 글쓰기를 주도하지만, 조사가 필요하면 researcher에게 위임하고 모호한 부분은 질문으로 채울 수 있어요. Process.sequential이라 에이전트들은 순서대로 흐르는데, 그 안에서도 협업 도구를 통해 동료를 부르는 구조예요.

협업 패턴

패턴: 단일 작업에서의 협업

한 Task 안에서 여러 역할을 명시해 협업을 유도할 수도 있어요. 작업 설명에 "누가 무엇을 맡을지"를 적어두면 각 에이전트가 자기 영역을 맡아요.

collaborative_task = Task(
    description="""Create a marketing strategy for a new AI product.

    Writer: Focus on messaging and content strategy
    Researcher: Provide market analysis and competitor insights
    ...
    """,
    expected_output="A complete marketing strategy",
    agent=some_agent
)

작업 설명만으로 역할 분담을 지시하니, 명시적으로 allow_delegation에 기대지 않아도 구조가 잡히는 방식이에요.

계층형 협업 (Hierarchical Collaboration)

에이전트들의 협업을 매니저가 조율하게 하는 방식도 있어요. 매니저가 업무를 배분하고, 일반 에이전트는 자기 전문 분야에 집중하도록 allow_delegation=False를 주는 게 일반적이에요.

from crewai import Agent, Crew, Task, Process

# Manager agent coordinates the team
manager = Agent(
    role="Project Manager",
    goal="Coordinate team efforts and ensure project success",
    backstory="Experienced project manager skilled at delegation and quality control",
    allow_delegation=True
)

researcher = Agent(
    role="Researcher",
    goal="Gather market data",
    backstory="...",
    allow_delegation=False,  # Specialists focus on their expertise
    verbose=True
)

writer = Agent(
    role="Writer",
    goal="Create compelling content",
    backstory="Skilled writer who creates engaging content",
    allow_delegation=False,
    verbose=True
)

# Manager-led task
project_task = Task(
    description="Create a comprehensive market analysis report with recommendations",
    expected_output="Executive summary, detailed analysis, and strategic recommendations",
    agent=manager  # Manager will delegate to specialists
)

# Hierarchical crew
crew = Crew(
    agents=[manager, researcher, writer],
    tasks=[project_task],
    process=Process.hierarchical,  # Manager coordinates everything
    manager_llm="gpt-4o",  # Specify LLM for manager
    verbose=True
)

Process.hierarchical로 바꾸면 매니저가 모든 걸 조율해요. manager_llm="gpt-4o"처럼 매니저가 쓸 LLM을 따로 지정할 수 있다는 점도 기억해두세요. 매니저는 판단과 배분이 핵심이라 더 강한 모델을 주는 경우가 많아요.

협업 모범 사례

명확한 역할 정의

협업 품질은 역할이 얼마나 선명한지에 크게 좌우돼요. 역할이 겹치거나 모호하면 누가 무엇을 맡아야 할지 에이전트도 헷갈려요.

# ✅ Good: Specific, complementary roles
researcher = Agent(role="Market Research Analyst", ...)
writer = Agent(role="Technical Content Writer", ...)

# ❌ Avoid: Overlapping or vague roles
agent1 = Agent(role="General Assistant", ...)
agent2 = Agent(role="Helper", ...)

"General Assistant" 같은 모호한 역할 두 개보다, "Market Research Analyst"와 "Technical Content Writer"처럼 서로 보완되는 구체적 역할이 협업에서 훨씬 잘 동작해요.

고급 협업 기능

커스텀 협업 규칙

에이전트의 backstory에 협업 지침을 적어두면, 그 에이전트가 어떻게 협업할지 방향을 잡아줄 수 있어요.

agent = Agent(
    role="Senior Developer",
    backstory="""You lead development projects and coordinate with team members.

    Collaboration guidelines:
    - Delegate research tasks to the Research Analyst
    ...
    """,
    ...
)

역할(role)이 "무엇을 하는지"를 정한다면, backstory의 협업 가이드라인은 "누구한테 무엇을 넘기고 어떻게 협력하는지"를 정해요. 규모가 커질수록 이 몇 줄이 협업 방향을 안정적으로 잡아줘요.

협업 모니터링

step_callback으로 각 단계의 출력을 받아 실제로 위임·질문이 일어났는지 추적할 수 있어요.

def track_collaboration(output):
    """Track collaboration patterns"""
    if "Delegate work to coworker" in output.raw:
        print("🤝 Delegation occurred")
    if "Ask question to coworker" in output.raw:
        print("❓ Question asked")

crew = Crew(
    agents=[...],
    tasks=[...],
    step_callback=track_collaboration,  # Monitor collaboration
    verbose=True
)

출력에 "Delegate work to coworker"나 "Ask question to coworker" 문자열이 있는지 검사하는 방식이에요. 협업이 의도대로 일어나는지, 혹은 에이전트가 무한정 동료를 부르고 있진 않은지 운영 관점에서 확인하는 데 유용해요.

메모리와 학습

memory=True를 주면 에이전트가 과거 협업을 기억하고, 시간이 지나면서 위임 결정을 개선해요.

agent = Agent(
    role="Content Lead",
    memory=True,  # Remembers past interactions
    allow_delegation=True,
    verbose=True
)

메모리를 켜면 "지난번엔 누구한테 뭘 맡겼고 결과가 어땠는지"를 바탕으로 더 나은 협업 선택을 하게 돼요. 반복되는 워크플로우라면 이 설정이 협업 품질을 점점 끌어올려줘요.

더 알아보기

협업을 직접 시작해보려면 이 순서를 따라가 보세요.

• 예제부터: 기본 협업 예제로 동작을 먼저 확인해요
• 역할 조합 실험: 서로 다른 역할 조합을 바꿔가며 어떤 조합이 잘 맞는지 시도해봐요
• 상호작용 관찰: verbose=True로 협업이 실제로 어떻게 일어나는지 눈으로 보세요
• 작업 설명 최적화: 명확한 작업 설명일수록 협업도 잘 일어나요

협업은 개별 AI 에이전트들을 복잡하고 다면적인 문제를 함께 풀 수 있는 강력한 팀으로 바꿔줘요. 팀원을 몇 명 만들지, 누가 매니저를 맡을지, 역할을 어떻게 나눌지 — 여기서 시작해서 점점 확장해나가면 돼요.