DEVOCEAN

# 1. Agent 생성: role, goal, backstory 설정
agent = Agent(
    role="AI 전문 어시스턴트",            # 에이전트의 역할
    goal="사용자에게 AI 전문 어시스턴트에 맞는 인사를 제공",  # 에이전트가 달성할 목표
    backstory="당신은 친절한 AI 전문 비서로, 언제나 정중하고 도움이 되는 AI 정보를 전달합니다."  # 에이전트의 성격/배경
)

# 2. Task 생성: description, expected_output, agent 지정
task = Task(
    description="사용자에게 AI 전문 어시스턴트로써 인사 한 마디를 해 주세요.",   # 에이전트가 수행할 작업 내용
    expected_output="한 줄의 환영 메시지",            # 기대하는 출력 결과물
    agent=agent                                    # 이 태스크를 수행할 에이전트
)

# 3. Crew 생성: 에이전트와 태스크를 크루로 구성 (순차 프로세스 설정)
crew = Crew(
    agents=[agent],             # 크루에 속한 에이전트 목록 (여기서는 1개, 단일 에이전트)
    tasks=[task],               # 크루가 수행할 태스크 목록 (여기서는 1개)
    process=Process.sequential, # 순차적 진행 방식으로 태스크 실행
    verbose=True                # 실행 중 상세한 로그 출력 여부
)

# 4. Crew 실행: kickoff() 메서드로 태스크 수행 시작
result = crew.kickoff()

# 5. 실행 결과 출력
print("최종 결과:", result)

# 2. 에이전트 정의 (연구원, 작가)
researcher = Agent(
    role="AI Researcher",
    goal="피지컬 AI 에이전트의 주요 장점을 5가지 조사하여 설명합니다.",
    backstory="AI를 연구해온 전문가입니다."
)

writer = Agent(
    role="Technical Writer",
    goal="연구 결과를 바탕으로 간략한 결론을 작성합니다.",
    backstory="복잡한 정보를 쉽게 요약하는 기술 요약 전문가입니다."
)

# 3. 태스크 정의 (조사 태스크, 작성 태스크)
research_task = Task(
    description="피지컬 AI 에이전트 시스템의 주요 장점 5가지를 조사하고 각 장점을 간략히 설명하세요.",
    expected_output="5가지 장점에 대한 간단한 설명 (bullet point 목록)",
    agent=researcher
)

write_task = Task(
    description="위 조사 결과를 참고하여, 피지컬 AI 에이전트 시스템의 장점에 대한 짧은 결론을 작성하세요.",
    expected_output="3~4문장으로 구성하고 결론으로 마무리",
    agent=writer,
    context=[research_task]  # 이전 태스크의 결과를 활용
)

# 4. 크루 생성 (순차적 프로세스 설정)
crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, write_task],
    process=Process.sequential,
    verbose=True
)

# 5. 크루 실행 및 결과 출력
crew_output = crew.kickoff()

# 6. 각 태스크의 결과를 순차적으로 출력
for idx, task_output in enumerate(crew_output.tasks_output, start=1):
    print(f"\n[Task {idx} Output]\n{task_output}\n")

# CrewAI 기본 구조 실습: 단일 에이전트로 환영 인사 생성
# Agent, Task, Crew의 기본 동작 확인

from crewai import Agent, Task, Crew, Process
from dotenv import load_dotenv
import os

# 0. 환경 변수 로드 (.env에서 OPENAI_API_KEY 불러오기)
load_dotenv()  # .env 파일에 정의된 환경변수를 로드합니다.
# OPENAI_API_KEY가 환경변수로 설정되었다면, openai 패키지가 이를 자동으로 사용합니다.

# 1. Agent 생성: role, goal, backstory 설정
agent = Agent(
    role="AI 전문 어시스턴트",            # 에이전트의 역할
    goal="사용자에게 AI 전문 어시스턴트에 맞는 인사를 제공",  # 에이전트가 달성할 목표
    backstory="당신은 친절한 AI 전문 비서로, 언제나 정중하고 도움이 되는 AI 정보를 전달합니다."  # 에이전트의 성격/배경
)

# 2. Task 생성: description, expected_output, agent 지정
task = Task(
    description="사용자에게 AI 전문 어시스턴트로써 인사 한 마디를 해 주세요.",   # 에이전트가 수행할 작업 내용
    expected_output="한 줄의 환영 메시지",            # 기대하는 출력 결과물
    agent=agent                                    # 이 태스크를 수행할 에이전트
)

# 3. Crew 생성: 에이전트와 태스크를 크루로 구성 (순차 프로세스 설정)
crew = Crew(
    agents=[agent],             # 크루에 속한 에이전트 목록 (여기서는 1개, 단일 에이전트)
    tasks=[task],               # 크루가 수행할 태스크 목록 (여기서는 1개)
    process=Process.sequential, # 순차적 진행 방식으로 태스크 실행
    verbose=True                # 실행 중 상세한 로그 출력 여부
)

# 4. Crew 실행: kickoff() 메서드로 태스크 수행 시작
result = crew.kickoff()

# 5. 실행 결과 출력
print("최종 결과:", result)

# CrewAI 멀티 에이전트 협업 실습: 연구원-작가 협업으로 멀티에이전트 장점 분석
# 태스크 간 컨텍스트 연계 및 순차 실행 확인

import os
from dotenv import load_dotenv
from crewai import Agent, Task, Crew, Process

# 1. .env 파일에서 OpenAI API 키 불러오기
load_dotenv()
openai_api_key = os.getenv('OPENAI_API_KEY')
if openai_api_key is None:
    raise EnvironmentError("OPENAI_API_KEY is not set in .env file. Please add your OpenAI API key to .env.")

# 2. 에이전트 정의 (연구원, 작가)
researcher = Agent(
    role="AI Researcher",
    goal="피지컬 AI 에이전트의 주요 장점을 5가지 조사하여 설명합니다.",
    backstory="AI를 연구해온 전문가입니다."
)

writer = Agent(
    role="Technical Writer",
    goal="연구 결과를 바탕으로 간략한 결론을 작성합니다.",
    backstory="복잡한 정보를 쉽게 요약하는 기술 요약 전문가입니다."
)

# 3. 태스크 정의 (조사 태스크, 작성 태스크)
research_task = Task(
    description="피지컬 AI 에이전트 시스템의 주요 장점 5가지를 조사하고 각 장점을 간략히 설명하세요.",
    expected_output="5가지 장점에 대한 간단한 설명 (bullet point 목록)",
    agent=researcher
)

write_task = Task(
    description="위 조사 결과를 참고하여, 피지컬 AI 에이전트 시스템의 장점에 대한 짧은 결론을 작성하세요.",
    expected_output="3~4문장으로 구성하고 결론으로 마무리",
    agent=writer,
    context=[research_task]  # 이전 태스크의 결과를 활용
)

# 4. 크루 생성 (순차적 프로세스 설정)
crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, write_task],
    process=Process.sequential,
    verbose=True
)

# 5. 크루 실행 및 결과 출력
crew_output = crew.kickoff()

# 6. 각 태스크의 결과를 순차적으로 출력
for idx, task_output in enumerate(crew_output.tasks_output, start=1):
    print(f"\n[Task {idx} Output]\n{task_output}\n")