CrewAI Studio
用图形界面创建、管理并运行 CrewAI 团队和任务，无需编写代码。
- Star 数
- ★ 1.4k
- 最近更新
- 2 个月前
- License
- MIT
- 主语言
- Python
- FA 评分
- 51/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 不写 Python 的业务用户需要通过图形界面搭建并试运行 CrewAI 团队和任务。
- 不适合
- 希望项目持续开发新功能的团队，仓库处于低维护模式
- 不愿自行管理 .env 密钥与本地数据库的用户
这个 Agent 能做什么，适合哪些场景？
CrewAI Studio 是一个基于 Streamlit 的多平台图形界面，用于配置和运行 CrewAI 团队、智能体与任务。它面向不希望编写代码的用户，同时提供历史结果查看、知识源配置、CrewAI 工具和自定义工具。团队任务可以在后台线程中运行并被停止，运行结果保留在应用中供后续查看。它支持 OpenAI、Groq、Anthropic、Ollama、Grok 和 LM Studio 后端，还能把一个团队导出为单页 Streamlit 应用。部署边界以自托管为主，可通过 Docker Compose、项目内安装的 Conda，或 Python 虚拟环境运行于 Windows、Linux 和 macOS。
用户在 Streamlit 界面中定义 CrewAI 的团队、智能体和任务，为团队添加知识源，并选择受支持的模型后端。执行时，应用启动 CrewAI 团队，可让运行留在后台线程中，并允许用户停止任务和查看以前的结果。CrewAI tools 可用于与外部世界交互；项目还列出调用 API、写入文件、增强型代码解释器和增强型网页抓取器等自定义工具。配置由 .env 文件承载，包括 API 密钥及其他必要设置。完成配置后，团队还可以被导出为一个简单的单页 Streamlit 应用。
- 不写 Python 的业务用户需要通过图形界面搭建并试运行 CrewAI 团队和任务。
- 团队负责人需要让耗时的 CrewAI 流程在后台运行，并在必要时手动停止。
- 研究或内容团队希望把知识源加入团队，并在界面中查看历史执行结果。
- 需要比较云端与本地模型的用户，可在 OpenAI、Anthropic、Groq、Grok、Ollama 和 LM Studio 后端之间配置选择。
- 原型开发者希望把已经配置好的 Crew 导出为简单的单页 Streamlit 应用。
- 希望自托管图形化 CrewAI 环境的用户，可选择 Docker Compose、Conda 或 venv 部署。
如何安装或部署这个 Agent？
虚拟环境方式要求系统已安装 Python。在 Linux 或 macOS 上运行：
git clone https://github.com/strnad/CrewAI-Studio.git
cd CrewAI-Studio
./install_venv.sh
./run_venv.shWindows 使用：
git clone https://github.com/strnad/CrewAI-Studio.git
cd CrewAI-Studio
./install_venv.bat
./run_venv.batConda 可安装在项目目录内，无需预装 Conda。Linux 使用 ./install_conda.sh 后运行 ./run_conda.sh；Windows 使用 ./install_conda.bat 后运行 ./run_conda.bat。
Docker Compose 方式需要 Docker 和 Docker Compose：克隆并进入仓库后，运行 cp .env_example .env，编辑 .env 填入所需 API 密钥与配置，再执行 docker-compose up --build。应用地址为 http://localhost:8501。
如何使用这个 Agent？
先在 .env 中配置所选模型提供商的 API 密钥及其他必要参数；使用多种工具时可能仍需 OpenAI 密钥来生成嵌入，LM Studio 用户还需加载嵌入模型。通过相应的 run_venv、run_conda 脚本启动，或执行 docker-compose up --build，然后在浏览器打开 Streamlit 界面；Docker Compose 的文档地址是 http://localhost:8501。在界面中定义团队、智能体和任务，按需添加知识源及 CrewAI 或自定义工具，选择模型后端后启动团队。运行可以留在后台，也可以停止；完成后可查看历史结果，或将团队导出为单页 Streamlit 应用。
这个 Agent 有哪些优点和局限？
- 提供 Streamlit 图形界面，CrewAI 团队和任务无需通过手写代码管理。
- 同时支持 Windows、Linux 和 macOS，并提供 venv、项目内 Conda 和 Docker Compose 三类安装路径。
- 支持 OpenAI、Groq、Anthropic、Ollama、Grok 和 LM Studio，兼顾云端与本地模型后端。
- 包含结果历史、知识源、后台执行与停止控制，而不只是静态团队配置。
- 可将已配置的团队导出为独立的单页 Streamlit 应用。
- 项目处于低维护状态；作者不积极开发新功能，仅继续处理安全与关键缺陷并接受合理的拉取请求。
- 使用前需要自行维护
.env中的 API 密钥和配置，调用云端模型或真实世界工具通常依赖网络。 - 即使选择其他模型提供商，许多工具的嵌入功能可能仍需要 OpenAI 密钥。
- 使用 LM Studio 时必须另外加载嵌入模型。
crewai.db可能在新版本之间发生兼容性问题；故障排查建议包含重命名该数据库，而其中存有用户创建的团队。
这个 Agent 与同类方案有什么区别？
相较直接编写 CrewAI 代码，CrewAI Studio 提供无需编码的 Streamlit 图形界面，并增加历史结果、后台运行、停止控制以及单页应用导出。安装方面可在 Docker Compose、项目内 Conda 和 Python 虚拟环境之间选择；模型方面则覆盖多个云端与本地后端。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| CrewAI Studio 当前 | 51 · 缺口较多 | 网页应用免费 + 模型费 | ★ 1.4k | 2 个月前 | Python | OpenAI API · Claude API |
| EDDI 对话式 AI 编排平台 | 68 · 存在缺口 | 自托管服务免费 + 模型费 | ★ 386 | 1 天前 | Java | OpenAI API |
| IX 自主智能体平台 | 28 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1k | 2 年前 | Python | OpenAI API |
| OWL 多智能体自动化 | 39 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 20k | 7 天前 | Python | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
README 明示 API 密钥、多个外部模型提供商，以及 API 调用、网页抓取、文件写入和代码解释器等现实世界工具；这提供了有限的数据流与外部影响可见性，但没有展示最小权限、沙箱、逐次确认、出站目标提示或工具级授权，因此 least_privilege 和 user_confirmation 为 0。敏感数据处理仅有将密钥放入 .env 的说明，没有存储、日志、遮蔽、轮换或泄露防护细节。依赖全部固定版本是基础控制，但依赖面非常大，未见漏洞扫描、锁文件完整性或更新策略。后台任务可停止、结果有历史记录，且故障排查建议重命名数据库，但没有通用撤销或恢复机制。作者、上游工具合并和外部教程有署名，故归属较清楚；不过出版者身份仍未知。
README、固定依赖和针对工具标识符的回归测试形成了基本一致的产品叙述。测试细致覆盖稳定 ID、多语言标签、旧数据迁移、未知工具跳过和参数保留，因此相关一致性证据较强；但证据仅覆盖一个狭窄子系统，不能证明整体运行可靠。安装路径和依赖版本明确，支持 Docker、venv 与 Conda，但庞大的依赖集合增加可用性风险。未知工具会被安全跳过，测试断言包含诊断文本，README 也提供排错建议；未见完整的用户界面错误消息或系统化异常处理证据，故未满分。
目标用户和场景非常明确：不想编码的用户通过 GUI 管理、运行 CrewAI agents 和 tasks，并使用多种模型、知识源及工具，故 audience_and_scenarios 满分。能力边界仅部分说明，例如部分工具仍可能需要 OpenAI embeddings、LM Studio 需加载 embedding 模型，维护状态也有披露；但文件写入、代码执行、网络访问及各工具的具体权限边界未定义。测试证明工具选择名称在多语言和旧版本数据中的解析精度，但没有 agent 触发条件、歧义处理或任务路由证据。Windows、Linux、macOS、Docker、Conda 和 venv 均有覆盖，但不同平台的安装说明不完全对称，也没有资源或兼容性矩阵。
README 按功能、安装、配置、排错、教程和维护状态组织，信息架构清楚但缺少深入参考文档。安装说明针对多平台和三类部署方式给出具体命令、前置条件及访问地址，因此满分。测试对稳定内部工具 ID、翻译显示名、遗留名称和数据库自愈做了全面约束，naming_stability 满分。截图、视频教程和排错条目有帮助，但缺少完整任务示例与 FAQ。已披露低维护模式、embedding 要求和数据库兼容性问题，不过没有系统化限制清单。仅提供 MIT 元数据，未提供许可证正文证据。未见版本号策略或 changelog，只能从问题编号和迁移测试看到有限更新轨迹。维护者说明安全/关键修复仍会处理、PR 会审阅且可通过 issue 求助，但没有团队、响应承诺或正式安全联系渠道。
结果历史、后台运行与停止、知识源、GUI 配置以及单页 Streamlit 导出表明输出可以查看、复用和部署，具备普通使用价值；但没有展示具体输出格式、质量控制或导出约束。相较直接编写 CrewAI 代码，跨平台无代码 GUI、持久化和多提供商支持具有明确增量价值。成本收益只得到部分支持：开源 MIT 元数据和本地后端选项可能降低门槛，但未说明模型/API 成本、资源需求、延迟、磁盘占用或庞大依赖集合的运维成本。
部分关键主张可追溯到明确文件：依赖版本在 requirements.txt 中，安装与功能在 README 中，工具命名兼容性在带问题编号的测试中。README、依赖和测试对 CrewAI、工具、国际化及数据库迁移形成一定交叉印证；但大多数功能、平台兼容性和安全行为只有 README 声明，没有代码或测试佐证。来源区分了维护状态、已知 caveat 和测试预期，且未声称已执行测试；不过营销性功能陈述与已验证事实没有始终明确分开，因此未满分。
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 文件写入、代码解释器、网页抓取和 API 调用可能产生本地或外部副作用；现有证据未显示沙箱、最小权限或执行前确认，请在隔离环境中审查并限制工具权限。
- 不要假定 .env 足以保护密钥；在确认日志、数据库、导出文件和第三方提供商的数据处理方式前，避免使用生产凭据或敏感知识源。
- 项目处于低维护模式，且依赖集合庞大；部署前应独立完成依赖漏洞扫描、许可证核查和平台兼容性验证。
- 数据库升级可能破坏兼容性，README 建议重命名 crewai.db；升级前应保留可恢复备份并验证迁移。
- 本评估仅基于所给静态文件，未执行应用或测试，不能确认运行时安全、功能正确性或跨平台声明。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
v2.0.2 v2.0.2 - Docker build fix
发布说明摘录
Bugfix release This release fixes the broken Docker build introduced in v2.0.1. If v2.0.1 built fine for you (e.g. an already-resolved environment), there is nothing else in this release. 🐛 Fixed - Docker build failure: ResolutionImpossible on json_repair (#124, fixed in #125). The v2.0.1 dependency sweep (#121) bumped json_repair to 0.60.1, but crewai==1.5.0 hard-pins json-repair==0.25.2, making a clean pip install -r requirements.txt unsolvable. Reverted to 0.25.2 — json_repair had no security advisory, so nothing from the v2.0.1 security fixes is lost. …在 GitHub 查看 ↗ -
v2.0.1 v2.0.1 - Security release
发布说明摘录
Security release This release fixes a critical security vulnerability and clears the outstanding dependency CVEs. All users should upgrade to v2.0.1 immediately. 🔒 Fixed - Critical: Remote Code Execution in the Custom API Tool ([GHSA-hm5m-fhf2-vrpq](https://github.com/strnad/CrewAI-Studio/security/advisories/GHSA-hm5m-fhf2-vrpq), CVSS 9.8). Full details are published in the security advisory. (#120) ⬆️ Dependency security bumps (#121) …在 GitHub 查看 ↗ -
v2.0.0 CrewAI Studio v2.0.0
发布说明摘录
Major maintenance release — tool i18n fixes, a rewritten single-page app export and a large security dependency refresh. Fixed - Tools work again in all languages (#115, #116): tool names are now stable internal identifiers and translations only affect display labels. Agents saved with older (translated or broken) tool names are migrated automatically on load instead of crashing the app. - 10 tools had no translation entry at all (raw tool.* keys were persisted) and the Scrapfly tool referenced a non-existent i18n key — both fixed, with en + zh translations added. …在 GitHub 查看 ↗
常见问题
是否必须使用 OpenAI？
可以完全在本地运行吗？
升级后团队数据打不开怎么办？
crewai.db，因为新版本有时会破坏兼容性。该文件包含已创建的团队，因此操作前应自行保留原文件。