from crewai import Agent
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.2)
researcher = Agent(
role="시장 조사자",
goal="대상 시장과 경쟁사에 대한 신뢰할 만하고 최신의 인사이트를 찾는다.",
backstory=(
"당신은 주장을 검증하고 출처를 인용하며, "
"평판 좋은 출판물의 신호를 요약하는 성실한 분석가입니다."
),
tools=[], # 나중에 웹/검색/스크래퍼 도구 추가
llm=llm
)
strategist = Agent(
role="제품 전략가",
goal="조사를 명확한 포지셔닝과 로드맵 옵션으로 종합한다.",
backstory="명확성, 실행 가능성, 측정 가능한 결과에 중점을 둡니다.",
tools=[],
llm=llm
)
writer = Agent(
role="콘텐츠 작성자",
goal="예시와 다음 단계가 포함된 잘 구조화된 개요를 작성한다.",
backstory="간결하고 설득력 있는 영어로 작성하며 스타일 가이드를 준수합니다.",
tools=[],
llm=llm
)

from crewai import Task
research_task = Task(
description=(
"2025년 미국 SMB 프로젝트 관리 소프트웨어 시장 조사. "
"상위 경쟁사, 가격 책정, ICP, 세 가지 미충족 니즈 파악. "
"출처 3–5개 인용과 함께 핵심 내용을 글머리표로 반환."
),
expected_output=(
"시장 규모, 주요 플레이어, 가격, ICP, "
"미충족 니즈, 출처(링크 포함) 섹션이 포함된 마크다운 브리프."
),
agent=researcher
)
synthesis_task = Task(
description=(
"조사 브리프를 바탕으로 포지셔닝 진술, 2–3 차별화 요소, "
"90일 로드맵과 마일스톤 작성."
),
expected_output="간결한 전략 메모 (400단어 이하).",
agent=strategist
)
writing_task = Task(
description=(
"전략 메모를 대중 대상 1페이지 문서로 전환. 제목, 가치 제안, 특징 글머리, CTA 포함."
),
expected_output="랜딩 페이지용 마크다운 1페이지 문서.",
agent=writer
)

from crewai import Crew
crew = Crew(
agents=[researcher, strategist, writer],
tasks=[research_task, synthesis_task, writing_task],
process="sequential", # 결과물을 순차적으로 넘김
verbose=True
)
result = crew.kickoff
print(result)

fact_checker = Agent(
role="사실 확인자",
goal="모든 주장을 1차 출처에 대조하여 확인; 허약한 인용 표시.",
backstory="회의적이고 꼼꼼하며 편견 없음.",
llm=llm
)
qa_task = Task(
description="모든 사실 진술을 검증; [FIX] 태그와 함께 인라인 수정 추가.",
expected_output="수정된 초안과 수정 요약.",
agent=fact_checker
)

from langchain_community.tools import DuckDuckGoSearchRun
from langchain_community.document_loaders import WebBaseLoader
search = DuckDuckGoSearchRun
def web_search_tool(query: str):
return search.run(query)
def read_url_tool(url: str):
loader = WebBaseLoader(url)
docs = loader.load
return "\n\n".join([d.page_content[:2000] for d in docs])
researcher.tools = [web_search_tool, read_url_tool]

Task(
description=(
"2023–2025년 원격 근무 생산성 관련 최근 연구 5개 요약, "
"방법론, 샘플 크기, 주요 결과 포함."
),
expected_output=(
"마크다운, 연구별 H2 섹션, 최종 비교 표, 링크 포함."
),
agent=researcher
)

r1 = Agent(role="Researcher A", goal="가격 집중", backstory="", llm=llm)
r2 = Agent(role="Researcher B", goal="기능 집중", backstory="", llm=llm)
# r1, r2 병렬 과제; 후속 종합 작업이 결과 통합.

qa = Agent(
role="QA 검토자",
goal="출력이 수용 기준과 스타일 가이드를 준수하는지 확인.",
backstory="엄격하고 꼼꼼합니다.",
llm=llm
)

researcher = Agent(
role="분석적 연구자",
goal=(
"3~5개의 신뢰할 수 있는 인용문과 위험 고지 포함, 컴팩트하고 정확한 브리프 제공."
),
backstory=(
"주장을 검증하고 1차 출처를 선호하며 불확실성 표시."
),
llm=llm
)

crew = Crew(..., verbose=True, output_log_file="runs/2025-crew.log")

persona = Agent(role="페르소나 분석가", goal="ICP 및 JTBD 정의.", llm=llm)
researcher = Agent(role="연구자", goal="신뢰할 수 있는 데이터 수집.", llm=llm)
synth = Agent(role="종합가", goal="비교 및 해석.", llm=llm)
writer = Agent(role="작가", goal="경영진용 브리프 작성.", llm=llm)
qa = Agent(role="QA", goal="주장과 명료성 검증.", llm=llm)
persona_task = Task(description="SaaS RevOps 리더를 위한 ICP & JTBD 정의.", agent=persona,
expected_output="글머리표 + 페인 포인트 + 성공 지표.")
research_task = Task(description="3개 도구에 대한 가격, 기능, 리뷰 수집.", agent=researcher,
expected_output="표 + 5개 인용.")
synth_task = Task(description="비교 매트릭스 및 상위 3개 인사이트 작성.", agent=synth,
expected_output="마크다운 표 + 인사이트.")
write_task = Task(description="권장사항 포함 1페이지 브리프 초안 작성.", agent=writer,
expected_output="경영진용 마크다운 브리프.")
qa_task = Task(description="정확성과 가독성 검증; 문제 수정.", agent=qa,
expected_output="검증된 깔끔한 브리프.")
crew = Crew(agents=[persona, researcher, synth, writer, qa],
tasks=[persona_task, research_task, synth_task, write_task, qa_task],
process="sequential", verbose=True)
print(crew.kickoff)