BioPlayground

← AI Tools
FrameworkBeginner

CrewAI

A framework for organizing multiple AI agents into a team to automate complex tasks.

Monitoring and organizing the latest biotechnology papers that flood research labs daily, or building and running complex bioinformatics analysis pipelines, requires significant time and effort. CrewAI is a multi-agent orchestration framework designed to efficiently automate these repetitive yet highly specialized workflows. It moves beyond the traditional approach of simply inputting prompts into a single large language model (LLM) and waiting for a response, instead enabling multiple AI agents, each assigned a specific role, to collaborate organically like a "research team."

From the perspective of a biotechnology researcher or bioinformatician, CrewAI provides an effect similar to having virtual research assistants, going beyond a simple coding assistant. For example, when performing protein structure analysis and function prediction, you can define agents such as a "literature review agent," a "data preprocessing and database (UniProt, PDB, etc.) query agent," an "analysis tool (BLAST, Foldseek, etc.) execution agent," and a "result review and report writing agent," and group them into a crew. Each agent autonomously executes tools (APIs, web browsers, local scripts, etc.) based on its assigned role, goal, and background knowledge, and delegates necessary tasks to other agents or exchanges result feedback to solve complex problems.

The biggest advantage of CrewAI is its intuitiveness and practicality. Compared to other frameworks that require drawing complex graphs based on structural rules, you can define the order of tasks between agents (sequential or hierarchical) with just a few lines of code, allowing researchers in the bio field who are not familiar with AI coding to quickly build and experiment with virtual research pipelines.

⚡ Installation

4-1. Quick Start

This is a quick way to install the CrewAI CLI tool and automatically generate a new project template. (We recommend using the package manager uv.)

# 1. Install the crewai CLI globally using uv
uv tool install crewai

# 2. Create a new bio research project template
crewai create crew bio_research_crew
cd bio_research_crew

# 3. Install the necessary dependency packages
crewai install

# 4. Run the crew (execute the default example)
crewai run

4-2. Detailed Installation

This method involves installing the package directly as a Python library and operating it by writing custom scripts.

# Install the core library and agent tool packages using pip
pip install crewai crewai-tools

The following is an example of writing and running a simple Python script to perform a specific gene analysis data investigation.

# main.py
from crewai import Agent, Task, Crew, Process
from crewai_tools import SerperDevTool

# 1. Load the external search tool
search_tool = SerperDevTool()

# 2. Define the gene analysis expert agent
genetic_analyst = Agent(
    role='Molecular Geneticist Analyst',
    goal='Identify and explain functional annotations of specific gene mutations.',
    backstory='You are a specialist in clinical genetics. You search PubMed and NCBI to summarize mutations.',
    tools=[search_tool],
    verbose=True
)

# 3. Define specific tasks for conducting the research
task = Task(
    description='Search and summarize the clinical significance of BRCA1 mutation (rs80357711).',
    expected_output='A markdown report detailing the gene, mutation variant, clinical significance, and database links.',
    agent=genetic_analyst
)

# 4. Create and run the crew
crew = Crew(
    agents=[genetic_analyst],
    tasks=[task],
    process=Process.sequential
)

result = crew.kickoff()
print(result)

🧬 Bio Use Cases

🔬

Automated Target Analysis and Literature Summarization for Novel Drug Candidate Discovery

An agent crew consisting of medicinal chemists and pharmacologists is formed to combine search tools for public databases such as PubMed and ChEMBL, collect and compare the latest research results on compounds that inhibit specific receptors (Targets), and automatically generate comparative reports.

🧬

Control and Error Tracking for Bioinformatics Analysis Pipelines (Next-Generation Sequencing)

An agent that monitors error logs generated during NGS raw data processing and an agent that modifies and executes analysis pipeline scripts are organically arranged to automate the mechanical and repetitive error resolution process and collect the final quality control (QC) results.

💊

In-Vitro Experiment Protocol Design and Reagent List Coordination Simulation

An experiment planning agent and an agent that reviews safety regulations (LMO and toxic compound regulations) are operated together to propose guidelines suitable for new cell line experiment protocols and perform a simulation to pre-select the necessary reagent list by comparing it with laboratory inventory data.

FAQ

What is CrewAI?

Monitoring and organizing the latest biotechnology papers that flood research labs daily, or building and running complex bioinformatics analysis pipelines, requires significant time and effort. CrewAI is a multi-agent orchestration framework designed to efficiently automate these repetitive yet highly specialized workflows. It moves beyond the traditional approach of simply inputting prompts into a single large language model (LLM) and waiting for a response, instead enabling multiple AI agents, each assigned a specific role, to collaborate organically like a "research team." From the perspective of a biotechnology researcher or bioinformatician, CrewAI provides an effect similar to having virtual research assistants, going beyond a simple coding assistant. For example, when performing protein structure analysis and function prediction, you can define agents such as a "literature review agent," a "data preprocessing and database (UniProt, PDB, etc.) query agent," an "analysis tool (BLAST, Foldseek, etc.) execution agent," and a "result review and report writing agent," and group them into a crew. Each agent autonomously executes tools (APIs, web browsers, local scripts, etc.) based on its assigned role, goal, and background knowledge, and delegates necessary tasks to other agents or exchanges result feedback to solve complex problems. The biggest advantage of CrewAI is its intuitiveness and practicality. Compared to other frameworks that require drawing complex graphs based on structural rules, you can define the order of tasks between agents (sequential or hierarchical) with just a few lines of code, allowing researchers in the bio field who are not familiar with AI coding to quickly build and experiment with virtual research pipelines.

When should I use CrewAI?

A framework for organizing multiple AI agents into a team to automate complex tasks.

What is a biomedical use case for CrewAI?

Automated Target Analysis and Literature Summarization for Novel Drug Candidate Discovery: An agent crew consisting of medicinal chemists and pharmacologists is formed to combine search tools for public databases such as PubMed and ChEMBL, collect and compare the latest research results on compounds that inhibit specific receptors (Targets), and automatically generate comparative reports.

📄 Official Docs🐙 GitHub

📝 Update Notes

  1. v1.15.229/17/2026

    CrewAI 1.15.22 버전에서는 에이전트 역할에 따라 특정 모델을 지정할 수 있는 기능이 추가되어, 복잡한 생물학적 추론과 단순 데이터 추출 작업을 각각 최적화된 모델로 분리해 수행할 수 있어요. 트레이싱 과정에서 연구원의 피드백을 반영하고 작업을 일시 정지하는 기능이 도입되어, 실험 데이터 분석 결과의 과학적 정확성을 직접 검증하기가 더욱 용이해졌습니다. 또한 코딩 에이전트의 지침 개선과 문서 검색 도구의 안정화로 바이오인포매틱스 스크립트 작성 및 논문 기반의 자동화된 정보 추출 작업이 더욱 정교해질 것으로 기대됩니다.

  2. v1.15.219/10/2026

    이번 업데이트에서는 gpt-4o-mini의 컨텍스트 창 크기를 128,000 토큰으로 정확히 수정하여, 대규모 문헌 분석 시 발생할 수 있는 오류를 방지했어요. 또한 JSON 데이터 처리 방식과 스크래핑 오류를 개선하여, 실험 데이터나 문헌 정보를 수집하고 저장할 때의 데이터 무결성을 한층 높였습니다. 새롭게 도입된 텔레메트리 기능은 복잡한 연구 자동화 워크플로우의 실행 시간을 추적할 수 있게 해주어, 에이전트 기반 연구 프로세스의 효율적인 관리를 지원해요.

  3. v1.15.209/8/2026

    CrewAI 1.15.20 버전에서는 기존 플랫폼 도구의 별칭(alias)을 인식하지 못하던 버그가 수정되었습니다. 이를 통해 기존에 사용하던 바이오 정보학 도구나 분석 파이프라인을 에이전트와 연동할 때 발생할 수 있는 호환성 오류를 방지할 수 있습니다. 자동화된 데이터 분석 워크플로우를 구축 중이라면, 도구 간 연결의 안정성을 높이기 위해 이번 업데이트를 적용해 보시는 것을 추천합니다.

  4. v1.15.188/27/2026

    이번 업데이트에서는 대화형 흐름(conversational flows) 기능이 안정화되어, 복잡한 생물학적 기전 분석이나 문헌 검토를 위한 다단계 에이전트 워크플로우를 더욱 정교하게 설계할 수 있습니다. 특히 Claude Sonnet 4.6의 1M 컨텍스트 창 지원이 강화되어, 방대한 유전체 데이터나 대규모 논문 세트를 한 번에 처리하기에 매우 유리해졌습니다. 또한, 프로젝트 추적 및 오류 기록 기능이 개선되어 실험 자동화 파이프라인의 신뢰성과 재현성을 높이는 데 큰 도움이 될 것입니다.

  5. v1.15.178/20/2026

    이번 업데이트에서는 에이전트 간의 대화 흐름을 더 명확하게 정의하고 제어할 수 있는 기능이 추가되어, 복잡한 생물학적 연구 워크플로우를 설계하기가 훨씬 수월해졌어요. 특히 도구 사용 중 발생하는 오류를 정확하게 식별하도록 개선되어, 대규모 실험 데이터를 처리하는 자동화 파이프라인의 안정성이 한층 높아졌습니다. 에이전트 간의 협업 능력이 정교해진 만큼, 문헌 조사나 데이터 분석 자동화 프로젝트에 적극 활용해 보시길 추천드려요.

  6. v1.15.168/16/2026

    이번 업데이트에서는 실행 컨텍스트 관리와 예외 유형 기록 기능이 도입되어, 복잡한 멀티 에이전트 워크플로우의 오류 추적이 훨씬 정교해졌어요. 특히 실패한 단계가 다음 단계의 실패로 이어지던 버그가 수정되어, 대규모 실험 데이터 분석이나 문헌 조사 자동화 시 프로세스의 안정성이 높아졌습니다. 덕분에 연구원님들은 에러 발생 시 원인을 더 빠르게 파악하고, 끊김 없는 자동화 파이프라인을 더욱 신뢰하며 구축할 수 있어요.

  7. v1.15.158/12/2026

    What's Changed

    Features

    • Report flow outcome, duration, and human-in-the-loop signals.

    Bug Fixes

    • Emit FlowStartedEvent when a boundary hook aborts the flow.
    • Scope span export to our own tracer provider.
    • Bump torch to version 2.13.0 to address security vulnerability.
    • Bump gitpython to version 3.1.58 in crewai-tools[github].

    Refactoring

    • Update date injection functionality in agents.
    • Standardize CLI flags to kebab-case.

    Documentation

    • Snapshot and changelog for
  8. v1.15.148/9/2026

    이번 업데이트에서는 코딩 에이전트와 런타임 컨텍스트를 분리하고 프로젝트 ID를 새롭게 도입했어요. 컨텍스트 분리를 통해 복잡한 바이오인포매틱스 파이프라인 실행 시 에이전트의 작업 안정성을 더욱 높일 수 있습니다. 또한 프로젝트 ID를 통해 여러 실험 데이터나 연구 과제를 더욱 체계적으로 구분하여 관리할 수 있게 되었어요. 대규모 데이터 분석 자동화 워크플로우를 운영 중인 연구원님들께 더욱 정교한 실험 관리를 지원하는 유용한 업데이트가 될 것입니다.

  9. v1.15.138/8/2026

    이번 업데이트는 LiteLLM 모델 라우팅과 Anthropic 토큰 사용량 보고 오류를 수정하여, 대규모 생물학적 데이터를 처리할 때의 비용 예측과 모델 안정성을 높였습니다. 특히 보안 취약점 패치를 통해 민감한 연구 데이터를 다루는 AI 에이전트 워크플로우의 안전성을 한층 강화했습니다. 개선된 문서 가이드를 활용하면 복잡한 실험 설계나 문헌 조사용 멀티 에이전트 시스템을 더욱 쉽고 정확하게 구축할 수 있으니 업데이트를 권장드려요.

  10. v1.14.76/20/2026

    CrewAI 1.14.7 버전에서는 메모리, 지식, RAG(검색 증강 생성)를 위한 플러그형 백엔드가 도입되어 방대한 생명공학 문헌과 실험 데이터를 더욱 정교하게 관리할 수 있습니다. 새로운 Chat API와 대화형 흐름 기능은 연구원이 AI 에이전트와 자연스럽게 상호작용하며 복잡한 실험 결과를 분석하는 환경을 지원합니다. 또한 Snowflake 및 Databricks와의 통합 가이드가 강화되어 대규모 바이오 데이터 웨어하우스와의 연동 작업이 더욱 수월해졌습니다. 파일 입력 안정성 개선과 보안 업데이트를 통해 연구 데이터 처리 과정의 신뢰도와 보안성도 함께 높아졌습니다.

🧪 Related Code of Life

No related Code of Life posts yet.