首页> 都市> KingFlow AI API中转站接入 CrewAI 教程

KingFlow AI API中转站接入 CrewAI 教程

著

本文标签：

KingFlow AI API中转站接入 CrewAI 教程使用 OpenAI 兼容接口构建并验证多智能体工作流 CrewAI 是用于编排智能体、任务和执行流程的 Python 框架。KingFlow AI 提供 OpenAI 兼容接口，可以通过 CrewAI 的 LLM 配置连接已开通的模型。本文先验证端点，再创建由研究员与撰稿员组成的顺序工作流，最后检

来源：灵能API 主角: 更新: 2026-10-31 16:09:35

在线阅读

【扫一扫】手机随心读

读书简介

KingFlow AI API中转站接入 CrewAI 教程

使用 OpenAI 兼容接口构建并验证多智能体工作流

CrewAI 是用于编排智能体、任务和执行流程的 Python 框架。KingFlow AI 提供 OpenAI 兼容接口，可以通过 CrewAI 的 LLM 配置连接已开通的模型。本文先验证端点，再创建由研究员与撰稿员组成的顺序工作流，最后检查调用记录、输出质量、密钥安全和常见错误。

内容核验日期 2026-10-31

常用接入术语

名称	常见含义	使用提示
Claude中转	把 Anthropic 协议请求转发到可用 Claude 模型的接入方式	适合原生 Anthropic 协议客户端
Claude中转站	提供 Claude 密钥、额度和路由管理的平台	需要核对模型权限与协议类型
API中转	通过兼容接口转发不同模型请求	应用通常只需替换端点、密钥和模型 ID
API中转站	提供统一 API 接入、模型选择和用量管理的服务	本文使用 OpenAI 兼容方式连接 CrewAI

接入架构

环节	职责	注意事项
Python 项目	保存 CrewAI 代码和环境配置	密钥文件不得提交到版本库
CrewAI	编排智能体、任务和执行顺序	先使用顺序流程完成最小验证
KingFlow AI	认证密钥并路由模型请求	ase *L 填写到 /v1
目标模型	生成分析、草稿和工具调用	完整模型 ID 以控制台为准
任务结果	汇总各智能体的最终输出	上线前人工检查事实和敏感信息

接入优势

CrewAI 的 LLM 类支持自定义 OpenAI 兼容端点，模型配置可以集中复用。
不同智能体可以共享一个 LLM，也可以按任务难度配置不同模型和密钥。
KingFlow 控制台能够集中查看模型、密钥和用量，便于按环境划分额度。
应用代码与模型供应端解耦后，可以在保留任务编排的同时调整模型路由。

开始前的准备

准备 Python 3.10 至 3.13，并安装 uv。CrewAI 当前要求 Python 版本低于 3.14。
在 KingFlow AI 控制台创建以 sk- 开头的 API Key，并确认余额和模型分组可用。
复制目标模型的完整模型 ID；不同分组中的可用模型可能不同。
准备一个独立测试目录，不要在首次联调中加载生产数据或外部工具。
确认运行环境可以访问 api.**nju**shen.com。

创建 CrewAI 测试项目

uv init crewai-kingflow-demo
cd crewai-kingflow-demo
uv add crewai python-dotenv

验证 KingFlow 基础接口

curl https://api.**nju**shen.com/v1/chat/completions \
  -H "Authorization: *earer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<KingFlow控制台中的完整模型ID>",
    "messages": [{"role": "user", "content": "只回复 CREWAI_READY"}],
    "stream": false
  }'

配置环境变量

KINGFLOW_*ASE_**L=https://api.**nju**shen.com/v1
KINGFLOW_API_KEY=sk-你的密钥
KINGFLOW_MODEL=<KingFlow控制台中的完整模型ID>

.env
.venv/
__pycache__/
output/

编写多智能体示例

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

load_dotenv()

llm = LLM(
    model=os.environ["KINGFLOW_MODEL"],
    custom_openai=True,
    *ase_url=os.environ["KINGFLOW_*ASE_**L"],
    api_key=os.environ["KINGFLOW_API_KEY"],
    temperature=0.2,
)

researcher = Agent(
    role="信息研究员",
    goal="整理 {topic} 的关键事实和验证项",
    *ackstory="你擅长把复杂主题整理为可核查的要点。",
    llm=llm,
    ver*ose=True,
    allow_delegation=False,
)

writer = Agent(
    role="技术撰稿员",
    goal="把研究结果写成结构清楚的中文说明",
    *ackstory="你重视准确性、可读性和明确的操作步骤。",
    llm=llm,
    ver*ose=True,
    allow_delegation=False,
)

research_task = Task(
    description="研究 {topic}，列出目标、前提、风险和验收方法。",
    expected_output="一份包含事实、风险和验收项的中文提纲。",
    agent=researcher,
)

writing_task = Task(
    description="根据研究提纲，写一份不超过 600 字的实施说明。",
    expected_output="结构清楚、可执行并带检查清单的中文说明。",
    agent=writer,
    context=[research_task],
)

crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    process=Process.sequential,
    ver*ose=True,
)

result = crew.kickoff(inputs={"topic": "API 接入上线前检查"})
print(result)

CrewAI 顺序工作流三维图 — 图二 CrewAI 顺序工作流的三维过程。AI 生成示意图。

运行和验证

uv run python **in.py

先执行 KingFlow 基础请求，确认返回 CREWAI_READY。
创建 .env 和 .gitignore，再把示例代码保存为 **in.py。
运行 uv run python **in.py，观察两个智能体是否依次执行。
检查最终输出是否包含目标、前提、风险和验收方法。
在 KingFlow 控制台核对模型、密钥、调用次数和 Token 用量。

检查点	预期结果	判断依据
基础接口	返回 CREWAI_READY	端点、密钥和模型可用
研究任务	输出事实、风险和验收项	第一位智能体完成任务
写作任务	引用研究结果生成说明	context 传递生效
执行顺序	研究员先于撰稿员运行	Process sequential 生效
平台记录	控制台出现对应调用	模型、密钥与用量符合预期

正式环境配置

为开发、测试和生产环境创建不同密钥，并分别设置额度和有效期。
把 LLM 构造集中到单独模块，避免每个智能体重复维护端点和密钥。
为任务设置明确的 expected_output，减少智能体反复生成和无效调用。
外部工具先做白名单和最小权限控制，再逐个加入 Crew。
记录状态码、模型、耗时和 Token 用量，但不要记录完整密钥和敏感提示词。

CrewAI 安全检查三维图 — 图三 CrewAI 接入的密钥与运行安全三维示意图。AI 生成示意图。

密钥与工具安全

只在 .env、密钥管理器或部署平台的 Secret 中保存 API Key。
确认 .env 已加入 .gitignore，并在提交前检查 Git 暂存区。
智能体可能把任务上下文发送给模型，输入中不要包含不必要的客户数据。
接入搜索、文件或数据库工具时，限制可访问的目录、域名和操作类型。
为长任务设置成本上限和人工中止条件，防止循环调用持续消耗额度。
发现异常用量后立即停用旧密钥，创建新密钥并更新部署环境。

上线检查清单

基础接口已经返回 CREWAI_READY。
KINGFLOW_*ASE_**L 为 https://api.**nju**shen.com/v1。
KINGFLOW_MODEL 使用控制台中的完整模型 ID。
.env 已被 .gitignore 排除，仓库中没有明文密钥。
两个智能体按照顺序完成任务并正确传递上下文。
KingFlow 控制台的模型、密钥和用量符合预期。
正式环境已设置密钥隔离、额度限制和日志脱敏。
外部工具与敏感数据已经采用最小权限配置。

常见故障排查

现象	常见原因	处理方法
返回 401	密钥错误、停用或环境变量未加载	检查 .env 位置和变量名，重新创建密钥
返回 404	ase *L 或模型 ID 错误	保留 /v1，并从控制台复制完整模型 ID
返回 429	余额不足、额度耗尽或请求过快	检查用量，降低并发并退避重试
返回 503	模型通道暂时不可用	稍后有限重试或切换已开通模型
custom_openai 参数报错	CrewAI 版本较旧	升级项目依赖后重新安装并运行
第二个任务缺少上下文	未设置 context 或任务顺序错误	把 research_task 加入 writing_task 的 context
工具调用失败	模型工具能力不足或工具参数不兼容	先关闭工具验证纯文本流程，再检查模型能力
调用量异常增长	任务描述过宽或流程循环	停止任务，缩小目标并设置预算与中止条件

《KingFlow AI API中转站接入 CrewAI 教程》资讯列表：

KingFlow AI API中转站接入 CrewAI 教程

相关小说

为您推荐

小说标签