> ## Documentation Index
> Fetch the complete documentation index at: https://docs.neosantara.xyz/llms.txt
> Use this file to discover all available pages before exploring further.

# CrewAI

> Bangun dan koordinasikan multi-agent otonom menggunakan Neosantara dan CrewAI.

[CrewAI](https://www.crewai.com/?utm_source=neosantara-docs\&utm_medium=referral) adalah framework orkestrasi multi-agent yang memungkinkan beberapa AI berkolaborasi menjalankan peran, tugas berurutan, dan pengambilan keputusan berbasis tool.

## Pengaturan

Instal paket CrewAI:

```bash theme={"theme":{"light":"ayu-dark","dark":"catppuccin-latte"}}
pip install -U crewai
```

<CodeGroup>
  ```bash Bash / zsh icon="terminal" theme={"theme":{"light":"ayu-dark","dark":"catppuccin-latte"}}
  export NEOSANTARA_API_KEY="nsk_your_api_key_here"
  ```

  ```env .env icon="file-code" theme={"theme":{"light":"ayu-dark","dark":"catppuccin-latte"}}
  NEOSANTARA_API_KEY=nsk_your_api_key_here
  ```

  ```powershell PowerShell icon="terminal" theme={"theme":{"light":"ayu-dark","dark":"catppuccin-latte"}}
  $env:NEOSANTARA_API_KEY="nsk_your_api_key_here"
  ```
</CodeGroup>

## Inisialisasi LLM

Gunakan kelas `crewai.LLM` dengan prefix provider `neosantara/<model>` untuk menghubungkan model Neosantara ke agent CrewAI. Kredensial dapat diteruskan secara eksplisit atau dibaca otomatis dari environment variable `NEOSANTARA_API_KEY`.

```python theme={"theme":{"light":"ayu-dark","dark":"catppuccin-latte"}}
import os
from crewai import LLM

# Inisialisasi model dengan prefix neosantara/
llm = LLM(
    model="neosantara/gemini-3.8-flash",
    api_key=os.environ["NEOSANTARA_API_KEY"]
)
```

## Contoh Multi-Agent Workflow

Kode berikut menjalankan dua agent: **Researcher** yang menganalisis tren, dan **Writer** yang menyusun artikel teknis berdasarkan hasil riset.

```python theme={"theme":{"light":"ayu-dark","dark":"catppuccin-latte"}}
import os
from crewai import Agent, Task, Crew, Process, LLM

llm = LLM(
    model="neosantara/gemini-3.8-flash",
    api_key=os.environ["NEOSANTARA_API_KEY"]
)

# Definisikan Agent
researcher = Agent(
    role="Peneliti Teknologi AI",
    goal="Identifikasi perkembangan ekosistem AI dan gateway model di Indonesia",
    backstory="Anda analis teknologi berpengalaman dengan fokus pada efisiensi komputasi dan routing model di Indonesia.",
    llm=llm,
    verbose=True
)

writer = Agent(
    role="Technical Content Strategist",
    goal="Tulis ringkasan teknis 2 paragraf berdasarkan laporan peneliti",
    backstory="Anda penulis teknis yang mampu menjelaskan keunggulan AI Gateway Indonesia dan billing PAYG dengan jernih.",
    llm=llm,
    verbose=True
)

# Definisikan Tugas
task_research = Task(
    description="Analisis keunggulan AI Gateway Indonesia untuk developer lokal dibandingkan endpoint global.",
    expected_output="Daftar 3 faktor utama meliputi latensi, mata uang pembayaran lokal, dan guardrail data.",
    agent=researcher
)

task_write = Task(
    description="Susun artikel ringkas 2 paragraf berdasarkan temuan riset.",
    expected_output="Artikel teknis 2 paragraf siap publikasi.",
    agent=writer
)

# Jalankan Crew
crew = Crew(
    agents=[researcher, writer],
    tasks=[task_research, task_write],
    process=Process.sequential,
    verbose=True
)

result = crew.kickoff()
print(result)
```

## Langkah Berikutnya

* [Panduan Model Context Protocol (MCP)](/id/agents/overview)
* [Pilihan Model dan Harga](/id/gateway/models)
* [Integrasi Agno Native](/id/integrations/agno)


## Related topics

- [Agno](/id/integrations/agno.md)
- [AutoGen (AG2)](/id/integrations/autogen.md)
- [Arsitektur MCP & Agen](/id/agents/overview.md)
- [Katalog Model](/id/gateway/models.md)