CrewAI 深度实战：搭建技术博客全自动研究、起草与多角色评审流水线

from crewai import Agent, Task, Crew, Process

researcher = Agent(
    role="资深 AI 技术研究员",
    goal="搜集关于 MCP 协议与 Agent 工具调用的最新行业事实与实测数据",
    backstory="拥有 10 年架构经验，对底层协议细节要求极为严谨，杜绝任何未经实测的虚构结论。",
    verbose=True,
    memory=True
)

writer = Agent(
    role="技术专栏主笔",
    goal="将晦涩的技术调研报告转化为逻辑严密、通俗易懂且带有可运行代码的技术博客",
    backstory="知名技术社区核心贡献者，擅长循序渐进的案例驱动式写作风格。",
    verbose=True
)

reviewer = Agent(
    role="技术评审与质量主管",
    goal="核查文章中的代码示例、格式规范与事实准确性，提出修改建议",
    backstory="追求极致质量，严格把关 Markdown 格式与代码可复现性。",
    verbose=True
)

t1 = Task(
    description="调研 2025 年主流 IDE 对 MCP 协议的集成支持现状，列出核心优缺点。",
    expected_output="一份包含对比表格与功能矩阵的 Markdown 调研清单。",
    agent=researcher
)

t2 = Task(
    description="根据调研报告，撰写一篇 2000 字左右的深度技术解析文章，需附带实战配置代码。",
    expected_output="结构完整的博客初稿。",
    agent=writer
)

t3 = Task(
    description="评审文章初稿，纠正任何代码语法错误与标点排版问题，输出终稿。",
    expected_output="达到发布标准的 Markdown 最终文章。",
    agent=reviewer
)

crew = Crew(
    agents=[researcher, writer, reviewer],
    tasks=[t1, t2, t3],
    process=Process.sequential
)

result = crew.kickoff()
print(result)