Pular para conteúdo

Template DCP-AI + CrewAI

Tradução informativa da versão em inglês, atualizada em 25/10/2026. Em caso de divergência, prevalece a versão em inglês. Identificadores, comandos e blocos de código são mantidos sem tradução.

Mostra o fluxo do protocolo DCP v2.0 para equipes multiagente. Este template simula um fluxo de trabalho multiagente no estilo do CrewAI em que cada agente recebe um passaporte do DCP e todas as ações são auditadas.

Nota: Este template mostra as estruturas de dados e o ciclo de vida do DCP sem depender em tempo de execução das bibliotecas do CrewAI nem do dcp-ai. É uma simulação autônoma em Python pensada como referência para integrar o DCP nos seus próprios projetos do CrewAI. Para chaves e assinaturas reais, siga docs/QUICKSTART_CREWAI.md.

Início rápido

  1. Instale as dependências (opcional — o template roda sem elas): 

    pip install -r requirements.txt

  2. Execute a simulação: 

    python main.py

O que este template faz

  • Simula uma equipe multiagente em que cada agente tem um passaporte do DCP v2.0
  • Cada ação de um agente gera uma Intent → PolicyDecision → AuditEntry. A etapa de política é um esboço: evaluate_policy sempre devolve approve (risco 75)
  • A execução da equipe produz um Citizenship Bundle com chaves e assinaturas de marcador de posição («generated», «sig»): nada é assinado e o bundle não é verificado
  • Mostra o fluxo de dados do DCP v2.0: nonce de sessão, entradas de chaves, manifesto, campos de assinatura composta

Arquivos

  • main.py — simulação do fluxo do DCP multiagente (Python autônomo)
  • requirements.txt — dependências Python (para uma integração real com o CrewAI e o SDK do DCP)

Integração com o CrewAI real

Para integrar o DCP com uma equipe real do CrewAI, envolva a execução da tarefa de cada agente com o ciclo de vida do DCP mostrado em main.py:

# Fragment: agent and task are your CrewAI objects; DCPCrewMember comes from main.py
from crewai import Agent, Task, Crew

# Use the DCP helpers from main.py to wrap agent actions
member = DCPCrewMember(name="researcher", role="analyst")

# Before each task: declare intent + get policy
intent = member.declare_intent("api_call", "api", "api.openai.com")
policy = member.evaluate_policy(intent)
if policy["decision"] != "approve":
    raise RuntimeError(f"DCP policy decision: {policy['decision']}")  # do not run the task

# Execute the CrewAI task
crew = Crew(agents=[agent], tasks=[task])
result = crew.kickoff()

# After each task: log audit entry
member.log_action(intent, policy, str(result), "crewai.task")