Cómo construir un equipo de agentes autónomos con CrewAI y Python: arquitectura, roles y ejecución práctica

$ python -m venv env_crew
$ source env_crew/bin/activate  # En Windows: env_crew\Scripts\activate
$ pip install crewai crewai-tools

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

# Configuración del proveedor de modelo (compatible con Ollama local o APIs)
# Para usar modelos locales sin costo: export OPENAI_API_BASE='http://localhost:11434/v1'
os.environ["OPENAI_MODEL_NAME"] = "gpt-4o-mini" # O el nombre de tu modelo local

# ============================================================
# 1. Definición de los Agentes con Roles Especializados
# ============================================================

investigador = Agent(
    role="Investigador Senior de Ciberseguridad",
    goal="Identificar vulnerabilidades críticas y patrones de ataque en tecnologías emergentes",
    backstory=(
        "Eres un analista de seguridad ofensiva con 10 años de experiencia en auditoría de sistemas. "
        "Tu habilidad radica en encontrar brechas técnicas que otros pasan por alto y respaldar cada hallazgo con hechos comprobables."
    ),
    verbose=True,
    allow_delegation=False
)

redactor = Agent(
    role="Periodista y Divulgador Tecnológico",
    goal="Transformar hallazgos técnicos densos en un informe ejecutivo claro y de alto impacto",
    backstory=(
        "Trabajas como editor jefe de una prestigiosa publicación de tecnología. "
        "Sabes explicar conceptos de arquitectura de software para que tanto desarrolladores como directores entiendan su trascendencia."
    ),
    verbose=True,
    allow_delegation=False
)

auditor = Agent(
    role="Auditor de Calidad y Verificación de Hechos",
    goal="Revisar el informe final, eliminar sesgos y verificar que no existan alucinaciones o datos inventados",
    backstory=(
        "Eres un meticuloso verificador de hechos científicos. "
        "Tu trabajo es cuestionar cada afirmación y certificar que las conclusiones sean objetivas y libres de clichés."
    ),
    verbose=True,
    allow_delegation=False
)

# ============================================================
# 2. Definición de Tareas con Entregables Claros
# ============================================================

tarea_investigacion = Task(
    description=(
        "Analiza los riesgos de seguridad emergentes en el uso de agentes de IA conectados a terminales locales. "
        "Enumera los 3 vectores de ataque más peligrosos y proporciona ejemplos de mitigación técnica."
    ),
    expected_output="Un documento técnico con los 3 vectores de ataque y sus contramedidas.",
    agent=investigador
)

tarea_redaccion = Task(
    description=(
        "Toma el reporte de investigación sobre vectores de ataque y redacta un artículo de divulgación tecnológica "
        "de 500 palabras, estructurado con subtítulos y recomendaciones para ingenieros de software."
    ),
    expected_output="Un artículo periodístico estructurado listo para publicación.",
    agent=redactor
)

tarea_auditoria = Task(
    description=(
        "Revisa el artículo redactado. Verifica que las afirmaciones de seguridad sean precisas, "
        "elimina cualquier frase sensacionalista o cliché, y entrega la versión final impecable."
    ),
    expected_output="El artículo final revisado y certificado para los lectores.",
    agent=auditor
)

# ============================================================
# 3. Ensamblado y Orquestación del Equipo (Crew)
# ============================================================

equipo_seguridad = Crew(
    agents=[investigador, redactor, auditor],
    tasks=[tarea_investigacion, tarea_redaccion, tarea_auditoria],
    process=Process.sequential,  # Ejecución en cadena ordenada
    verbose=True
)

if __name__ == "__main__":
    print("🚀 Iniciando misión colaborativa del equipo de agentes...")
    resultado_final = equipo_seguridad.kickoff()
    print("\n" + "=" * 60)
    print("INFORME FINAL CERTIFICADO:")
    print("=" * 60)
    print(resultado_final)