Ein CrewAI-Projekt importieren
Diese Anleitung importiert die Agenten- und Aufgabendeklarationen eines CrewAI-Projekts — eine Crew aus zwei Agenten, die die Frage eines Kunden zu Supportplänen beantwortet — und baut die Crew für Docker Compose. Der Import entwirft jede Datei, die der Build liest: beide Agenten und ihr Modell, den Schlüssel, den jeder dem Modell als Variablenreferenz übergibt, und die Realisierungen jedes einzelnen. Er fragt einmal nach dem einen Wert, den keine Deklaration enthält: dem Image, in dem das Programm der Crew läuft. Jede Datei und jeder Ausgabeblock unten stammt aus einem echten Lauf; die Deklarationen und jeder Schritt der Anleitung liegen im Beispiel import-crewai, wo ein Prüfskript den Import erneut ausführt, vergleicht, was er schreibt, was er ausgibt und die von dieser Seite zitierten Blöcke mit den dort abgelegten Dateien, und validiert und baut, was der Import geschrieben hat.
Das Beispiel generieren
Sie können diesen Import mit den Befehlen auf dieser Seite ausführen oder ihn von Ihrem KI-Assistenten ausführen lassen.
Schreiben Sie das Beispiel in einen neuen Ordner, der nach ihm benannt ist:
aggrega scaffold --example import-crewaiDanach gibt er die als Nächstes auszuführenden Befehle aus. Der erste wechselt in den neuen Ordner; der folgende, unten, wechselt in den Ordner source des neuen Ordners, der enthält, was diese Seite importiert, und in dem der Import läuft:
cd import-crewai
Das Projekt
Ein CrewAI-Projekt hält das Verhalten seiner Crew in einem Programm fest und deklariert seine Agenten und Aufgaben in Konfigurationsdateien. Dieses, für diese Anleitung geschrieben, folgt dem klassischen Layout von CrewAI, und der Import liest seine zwei Deklarationsdateien unter src/support_brief/config/. Das Programm — die crew.py eines klassischen Projekts, die Werkzeuge, die es definiert — wird nie gelesen, daher enthält das Beispiel nur die Deklarationen.
agents.yaml deklariert die beiden Agenten, beide auf gpt-4o-mini von OpenAI:
researcher: role: > Support plan researcher goal: > Find what each support plan of the company covers, and what it costs backstory: > You keep the company's support plans at your fingertips and answer from them alone. llm: openai/gpt-4o-mini verbose: true
writer: role: > Support reply writer goal: > Turn the researcher's findings into a short, friendly reply to the customer backstory: > You write replies customers can act on, in plain words. llm: openai/gpt-4o-minitasks.yaml weist jedem eine Aufgabe zu:
research_task: description: > Find the support plans that answer the customer's question: {question} expected_output: > The plans that apply, each with what it covers and what it costs agent: researcher
reply_task: description: > Write a reply to the customer's question from the researcher's findings expected_output: > A reply of at most five sentences agent: writerIm Wurzelverzeichnis des Projekts macht eine .aggrega-config.yaml den Ordner zu einem Arbeitsbereich:
# The workspace key marks this directory as the workspace root, so an import run# here writes its drafts beside src/.workspace: {}# The registry the importer is fetched from the first time an import needs it.default_registry: hub.aggrega.aiDer Import verweist auf die Agenten- und Modell-Components des Katalogs, und --target entwirft ein Manifest aus den Recipes des Katalogs. Der Arbeitsbereich nennt keinen Katalogordner, daher liest der Import den Katalog der Standardbibliothek aus der Registry, aus der er seinen Importer holt: einen signierten Snapshot des veröffentlichten Katalogs, den der erste Import holt, verifiziert und im Inhalts-Cache des Arbeitsbereichs ablegt und den die Aufzeichnung, die der Import neben seine Entwürfe schreibt, über seinen Digest benennt. Ein Arbeitsbereich, der eigene Katalogordner nennt — in AGGREGA_CATALOG_DIRS oder unter workspace.catalog_dirs —, importiert stattdessen gegen diese.
Wonach der Import fragt
Die Deklarationen nennen das Modell jedes Agenten, nie das Image, in dem das Programm der Crew läuft: Dieses Image bauen Sie aus Ihrem Projekt. Deshalb fragt der Import danach, einmal für jeden Agenten. An einem Terminal stellt er für jeden eine Frage und schreibt die Antworten in die Entwürfe und in die Antwortdatei import-answers.yaml innerhalb des Verzeichnisses, das er importiert, src/support_brief/, sodass der nächste Import sie von dort liest und nichts fragt. Ohne Terminal — in der Continuous Integration oder über eine Pipe — fragt er nichts: Er schreibt die Datei mit leeren Schlüsseln und hält an, wobei er die Datei nennt. Das Beispiel enthält die Datei bereits, mit beiden Agenten auf demselben Image, ghcr.io/example/support-brief:1.0.0, das für das Image steht, das Sie bauen:
# Values the import could not draft from the source, keyed by the drafted file and the key path inside# it. Write each one beside its key; an import of the same source, and a sync, read them from here and# ask nothing. A secret is never written here: its key asks where the secret comes from — a variable# name, ${NAME}, or the name of a Kubernetes Secret.release.yaml: # Container image running the CrewAI application code. spec.components.researcher.infra.image: "ghcr.io/example/support-brief:1.0.0" # The origin of the secret value, written by the operator in the Release. Read exactly as # values.origin is. Write it here or in values.origin, never in both. A secret: name where it comes # from, never the value. spec.components.researcher.uses.model.gpt-4o-mini.features.credential.infra.origin: "openai-api-key" # Container image running the CrewAI application code. spec.components.writer.infra.image: "ghcr.io/example/support-brief:1.0.0" # The origin of the secret value, written by the operator in the Release. Read exactly as # values.origin is. Write it here or in values.origin, never in both. A secret: name where it comes # from, never the value. spec.components.writer.uses.model.gpt-4o-mini.features.credential.infra.origin: "openai-api-key"Die beiden origin-Antworten gelten für einen Build für Kubernetes mit --target helm: Dort liest jeder Agent den OpenAI-Schlüssel aus einem Kubernetes-Secret, und die Antwort ist der Name des Secrets, openai-api-key, nie der Schlüssel. Ein Build für Docker Compose liest den Schlüssel stattdessen aus Ihrer Shell, daher verwendet dieser Import diese Antworten nicht. Die Import-Antwortdatei beschreibt die Datei, die Fragen und die Regeln für die Antwort zu einem Secret.
aggrega import listet jedes Flag auf, das der Befehl annimmt, darunter --answers, das eine anderswo abgelegte Antwortdatei nennt.
Wechseln Sie in source:
cd sourceDen Import ausführen
Geben Sie das Verzeichnis der Crew an. Der Import liest die Deklarationen darin und sonst nichts:
aggrega import src/support_brief --target composeAuf der Standardausgabe listet er auf, was er geschrieben hat:
wrote aggregate.yamlwrote release.yamlwrote manifest.yamlwrote .aggrega-import.jsonAuf der Standardfehlerausgabe, wobei <workspace> für den Ordner steht, in dem Sie ihn ausgeführt haben:
[… omitted: a warning that the importer runs unverified, printed where its module is read from beside its Plugin entity in a catalog folder rather than fetched]read as the crewai format, with drafted paths relative to <workspace>info: the answers file <workspace>/src/support_brief/import-answers.yaml also answers spec.components.researcher.uses.model.gpt-4o-mini.features.credential.infra.origin in release.yaml, spec.components.writer.uses.model.gpt-4o-mini.features.credential.infra.origin in release.yaml, which these drafts do not leave empty; those answers are kept there and not appliedmapped researcher (agent) to core/ai-agent/crewai as a reference, NONEmapped openai/gpt-4o-mini (llm) to core/ai-model/openai as a reference, NONEmapped writer (agent) to core/ai-agent/crewai as a reference, NONEmade no choice for research_task (task)made no choice for reply_task (task)Pull complete: <workspace>/release.lock (entities=8, source_artifacts=0, external_inputs=0)
- Die
info-Zeile nennt die Antworten, die die Docker-Compose-Entwürfe nicht verwenden und die für einen Build für Kubernetes in der Antwortdatei aufbewahrt werden. - Die
mapped-Zeilen sagen, dass jeder Agent eine Instanz des CrewAI-Agenten der Standardbibliothek ist,core/ai-agent/crewai, und dass das Modell, das beide nennen,openai/gpt-4o-mini, eine Instanz voncore/ai-model/openaiist. Ihre Stufe lautetNONE: Der CrewAI-Import verweist auf diese Components anhand dessen, was die Deklarationen nennen, eines Agenten und eines Modellanbieters, statt jede mit dem Katalog abzugleichen. - Die
made no choice-Zeilen sagen, dass für die Aufgaben nichts entworfen wird: Eine Aufgabe ist Logik, die das Programm der Crew ausführt. - Die Zeile
Pull completezeigt, dass der Import das, wovon das entworfene Release abhängt, wieaggrega pullinrelease.lockabruft, sodass die Entwürfe sofort validiert und gebaut werden können. Mit--offlineruft der Import nichts ab und nennt den auszuführenden Befehlaggrega pull.
Was er schreibt
Das Aggregate, das Release und das Manifest heißen imported/support-brief: config/agents.yaml und config/tasks.yaml eines Projekts benennen keine Crew — ihr Name steht im Programm, das der Import nicht liest —, daher wird ein Import dieser Dateien als Verzeichnis nach dem Verzeichnis benannt, support_brief, geschrieben als Namenssegment, unter dem Namespace, den die Einstellung target_namespace des Importers festlegt, imported, sofern Sie keinen anderen festlegen (Einstellungen).
aggregate.yaml — eine Instanz pro Agent, jede mit dem Modell verbunden, das sie nennt, wobei der Schlüssel, den sie vorlegt, an der Verbindung deklariert ist, und das Modell, eingeleitet von Kommentaren, die sagen, was gelesen wurde und was nicht:
# CrewAI declarations read:# - config/agents.yaml# - config/tasks.yaml# Not read: the crew's program, which runs its agents and its tasks and defines its tools; it runs in the image the Release names for each agent.# Tasks the crew's program runs, drafted as no Component:# - research_task, assigned to researcher# - reply_task, assigned to writerapiVersion: aggrega.ai/v1beta1kind: Aggregatemetadata: name: imported/support-brief version: 0.1.0 description: Draft Aggregate imported from a source in the crewai format.spec: components: researcher: type: core/ai-agent/crewai values: role: "Support plan researcher\u000A" goal: "Find what each support plan of the company covers, and what it costs\u000A" backstory: "You keep the company's support plans at your fingertips and answer from them alone.\u000A" allow_delegation: false log_level: DEBUG uses: model: gpt-4o-mini: target: gpt-4o-mini # For the compose target, the lines below declare credential on gpt-4o-mini: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none. features: credential: type: core/secret-value values: key: OPENAI_API_KEY writer: type: core/ai-agent/crewai values: role: "Support reply writer\u000A" goal: "Turn the researcher's findings into a short, friendly reply to the customer\u000A" backstory: "You write replies customers can act on, in plain words.\u000A" allow_delegation: false log_level: INFO uses: model: gpt-4o-mini: target: gpt-4o-mini # For the compose target, the lines below declare credential on gpt-4o-mini: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none. features: credential: type: core/secret-value values: key: OPENAI_API_KEY # The model openai/gpt-4o-mini. gpt-4o-mini: type: core/ai-model/openai values: model: "gpt-4o-mini"role, goal und backstory werden wie deklariert übernommen, einschließlich des Zeilenumbruchs, mit dem jeder gefaltete Block endet. log_level ist DEBUG für den Agenten researcher, der verbose deklariert, und INFO für den Agenten writer, der das nicht tut. Ein Agent, der kein allow_delegation deklariert, wird mit false entworfen. Das Modell ist ein gehosteter Dienst, daher lehnt die Component des Agenten eine Verbindung zu ihm ab, die keine Anmeldedaten trägt; jede Verbindung deklariert welche, unter dem Schlüssel OPENAI_API_KEY.
release.yaml — die Umgebung, das Image und der veröffentlichte Port jedes Agenten und woher jeder Schlüssel kommt:
apiVersion: aggrega.ai/v1beta1kind: Releasemetadata: name: imported/support-brief # environment is a drafted default, since no source names the environment this Release deploys to; change it to name the one it deploys to. environment: development version: 0.1.0 description: Draft Release imported from a source in the crewai format.spec: aggregate: imported/support-brief manifest: imported/support-brief components: researcher: infra: # Left for the Release, since the source cannot supply it: infra.image, the container image running the crew's program image: "ghcr.io/example/support-brief:1.0.0" # Published on this machine's loopback address, 127.0.0.1: reachable from this machine only, by any process running on it. Delete this line to keep the service internal. published_port: 8000 uses: model: gpt-4o-mini: features: credential: type: core/secret-value infra: # Attached by reference, never as a value: the credential researcher presents to gpt-4o-mini on its model connection (the source names no variable for it, so it is read from the one OpenAI's client libraries read the API key from), read from the variable OPENAI_API_KEY, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value. origin: "${OPENAI_API_KEY}" writer: infra: # Left for the Release, since the source cannot supply it: infra.image, the container image running the crew's program image: "ghcr.io/example/support-brief:1.0.0" # Published on this machine's loopback address, 127.0.0.1: reachable from this machine only, by any process running on it. Delete this line to keep the service internal. published_port: 8001 uses: model: gpt-4o-mini: features: credential: type: core/secret-value infra: # Attached by reference, never as a value: the credential writer presents to gpt-4o-mini on its model connection (the source names no variable for it, so it is read from the one OpenAI's client libraries read the API key from), read from the variable OPENAI_API_KEY, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value. origin: "${OPENAI_API_KEY}" gpt-4o-mini: {}Die Umgebung, development, ist ein Standardwert, den der Import schreibt, weil keine Deklaration eine nennt; ändern Sie sie, wo das Release anderswo bereitgestellt wird. Jedes Image ist die Antwort, die der Import aus import-answers.yaml gelesen hat. Jeder Agent wird auf der Loopback-Adresse Ihres Rechners veröffentlicht und leitet an den Port weiter, auf dem sein Programm lauscht, infra.port, 8000, sofern Sie ihn nicht setzen: der Recherche-Agent auf 8000 und der Schreib-Agent auf 8001, da zwei Dienste eines Release nicht denselben Port veröffentlichen können. Die Deklarationen nennen keine Variable für den Schlüssel, daher liest jede Verbindung ihn aus ${OPENAI_API_KEY}, der Variablen, die die Client-Bibliotheken von OpenAI lesen, als Variablenreferenz und nie als Wert.
manifest.yaml — das Compose-Recipe jedes Typs und die Realisierung, die die Variablenreferenz eines Schlüssels unverändert in die Compose-Datei schreibt:
apiVersion: aggrega.ai/v1beta1kind: Manifestmetadata: name: imported/support-brief version: 0.1.0spec: mappings: components: type: core/ai-agent/crewai: compose/crewai core/ai-model/openai: compose/openai features: type: core/secret-value: compose/dotenv-secretrelease.lock hält per Digest die Katalog-Entitäten fest, zu denen das Release aufgelöst wurde, und .aggrega-import.json ist die Aufzeichnung dessen, was der Import geschrieben hat, und wird von einem späteren aggrega import --sync gelesen.
Validieren und bauen
aggrega validate --release release.yamlaggrega build --release release.yaml

Die Validierung gibt aus:
notice: LINT: Feature "core/secret-value" at core/secret-value:1.0.0 declares property "origin" in both values: and infra: pillars (path: origin)release dependency validation passed: release.yaml (schema-pillar + dependency pillars)und der Build, wobei <workspace> für den Ordner steht, in dem Sie ihn ausgeführt haben:
notice: LINT: Feature "core/secret-value" at core/secret-value:1.0.0 declares property "origin" in both values: and infra: pillars (path: origin)[… omitted: a total build time, which differs per run]Build completed: 1 file written to <workspace>/distDie notice-Zeile ist ein Hinweis: Das Secret-Feature akzeptiert sein origin aus den values des Aggregate oder aus der infra des Release, und der Hinweis meldet, dass ein Blatt in beiden deklariert ist. Er ändert kein Urteil.
Der Dienst des Recherche-Agenten in dist/compose/docker-compose.yaml; der des Schreib-Agenten unterscheidet sich nur im Namen, in den Werten, die seine eigenen Variablen tragen, und im Port, den er veröffentlicht:
services: researcher: image: ghcr.io/example/support-brief:1.0.0 environment: OPENAI_BASE_URL: https://api.openai.com/v1 MODEL: gpt-4o-mini CREWAI_ALLOW_DELEGATION: "false" CREWAI_BACKSTORY: | You keep the company's support plans at your fingertips and answer from them alone. CREWAI_GOAL: | Find what each support plan of the company covers, and what it costs CREWAI_LOG_LEVEL: DEBUG CREWAI_ROLE: | Support plan researcher OPENAI_API_KEY: ${OPENAI_API_KEY} ports: - 127.0.0.1:8000:8000 [… omitted: the labels the build writes on every service, naming the Aggregate, the component, the environment and the compiler's version] networks: - composeDer Agent erhält die Adresse des Modells und seinen Namen als OPENAI_BASE_URL und MODEL, die Variablen, aus denen CrewAI sie liest, und den Schlüssel als OPENAI_API_KEY. Seine Rolle, sein Ziel, seine Hintergrundgeschichte, sein Delegationsschalter und seine Protokollstufe kommen unter den Namen an, die ihnen die CrewAI-Component standardmäßig gibt, damit das Programm der Crew sie liest; ein inject:-Block auf der Komponente selbst liefert stattdessen jeden davon unter dem Namen, den das Programm liest. Jeder Wert, den der Import entworfen hat, behält den Zeilenumbruch, mit dem seine Deklaration endete, daher schreibt die Datei ihn als Block. Das Modell erhält keinen eigenen Dienst: Die Agenten erreichen die OpenAI-API unter ihrer eigenen Adresse. Der Schlüssel ist eine Variablenreferenz, die beim Start des Stacks aus Ihrer Shell befüllt wird. Jeder Dienst veröffentlicht seinen Port nur auf 127.0.0.1: der Recherche-Agent 8000 und der Schreib-Agent 8001, die jeweils an den Port 8000 des Programms in seinem Container weiterleiten.
Mit einem KI-Assistenten
Ein KI-Assistent, der mit den Tools von Aggrega eingerichtet ist, kann dasselbe tun: Fügen Sie diesen Prompt dort ein.
Verwenden Sie nur die Aggrega-Tools und legen Sie selbst keinen Ordner an. Wenn der Workspace-Ordner noch keinen Ordner `import-crewai` enthält, rufen Sie das Tool `scaffold` einmal auf, mit `example` auf `import-crewai` gesetzt und ohne `dir`: Es schreibt das Beispiel in einen neuen Ordner `import-crewai`, dessen Ordner `source` enthält, was diese Seite importiert. Rufen Sie dann das Tool `import` auf, mit `workspace_root` auf `import-crewai/source`, `source` auf `src/support_brief` und `target` auf `compose` gesetzt: Es liest die benötigten Antworten aus `import-answers.yaml` im Ordner `src/support_brief`, schreibt seine Entwürfe nach `import-crewai/source` und lädt, was sie benötigen. Rufen Sie dann das Tool `validate` auf, mit `workspace_root` auf `import-crewai/source` und `release` auf `release.yaml` gesetzt, und das Tool `build`, mit `workspace_root` auf `import-crewai/source`, `release` auf `release.yaml` und `write` auf true gesetzt. Sagen Sie mir, welche Dateien der Build geschrieben hat; sie liegen unter `import-crewai/source/dist/`.In VS Code öffnen
Ist die Aggrega-Erweiterung für Visual Studio Code installiert, öffnen Sie in VS Code den Ordner import-crewai/source, in den der Import seine Entwürfe geschrieben hat. Der Ordner enthält ein einziges Release, das entworfene release.yaml, daher wählt der Editor es für Sie aus und prüft die Entwürfe beim Bearbeiten gegen dieses Release, wobei er seine Befunde in der Datei und im Bereich „Probleme“ markiert. Aggrega: Show topology graph in der Befehlspalette zeichnet die Komponenten des Release und die Verbindungen zwischen ihnen. Aggrega: Build, Aggrega: Preview build und Aggrega: Pull wirken auf dasselbe Release, und jeder davon ist auch eine Schaltfläche im Bereich Commands der Ansicht Aggrega in der Aktivitätsleiste; Build schreibt seine Dateien in dist/ im Ordner. Aggrega in Visual Studio Code verwenden behandelt den Rest.
Ausführen
Sie bauen das Image aus dem Projekt, mit einem eigenen Dockerfile. Docker Compose führt den eigenen Befehl des Images als Service jedes Agenten aus, da das Recipe keinen festlegt; dieser Befehl muss also weiterlaufen und Anfragen bedienen, wenn Sie die Crew erreichen wollen. Ihr Programm bestimmt die Adresse, die Route und die Antwort.
Der folgende Lauf verwendete ein solches Image: das Programm der Crew im klassischen Layout von CrewAI — eine crew.py, die die Crew aus den beiden Deklarationsdateien aufbaut, so wie der Import sie gelesen hat — und als Befehl des Images einen kleinen, programmeigenen HTTP-Server auf Port 8000, der die Crew für jedes POST /kickoff einmal ausführt. Bauen Sie Ihr Image im Stammverzeichnis des Projekts, schreiben Sie seinen Namen für beide Agenten in src/support_brief/import-answers.yaml anstelle von ghcr.io/example/support-brief:1.0.0 und importieren Sie erneut mit --sync, das die neuen Antworten in die Entwürfe schreibt und erneut pullt; führen Sie dann den Build aus:
docker build -t support-brief:local .aggrega import src/support_brief --syncaggrega build --release release.yamlMit support-brief:local als beiden Antworten nennt die Synchronisierung unter den Zeilen, die sie ausgibt, die beiden Werte, die sie geändert hat:
changed spec.components.researcher.infra.image in release.yamlchanged spec.components.writer.infra.image in release.yamlSetzen Sie dann den Schlüssel in Ihrer Shell und starten Sie den Stack:
export OPENAI_API_KEY='your OpenAI key'docker compose -p support-brief -f dist/compose/docker-compose.yaml up -d --wait-p benennt das Projekt, wie der Ausführungsschritt von Wie ein Import abläuft erklärt.
Testen
Die folgende Anfrage erreicht das Programm, das das Image dieser Anleitung ausführt: die Crew hinter einem kleinen HTTP-Server auf Port 8000, der POST /kickoff beantwortet. Ihr eigenes Programm legt seine eigene Route und Antwort fest. Senden Sie sie an den Recherche-Agenten unter http://127.0.0.1:8000, der Adresse, die published_port veröffentlicht, sobald das Programm lauscht, einige Sekunden nach dem Start des Stacks:
curl -sS -X POST http://127.0.0.1:8000/kickoff -H 'Content-Type: application/json' \ -d '{"question": "Which support plan covers a weekend outage, and what does it cost?"}'{ "error": "the crew failed: AuthenticationError: Error code: 401 - {'error': {'message': 'Incorrect API key provided: sk-place************-key. [… omitted: where to find an API key, and the error's type and code]"}Der Lauf setzte OPENAI_API_KEY auf einen Platzhalter, daher ist die Antwort die Ablehnung durch OpenAI, die das Programm weitergibt. Die Anfrage der Crew erreichte die OpenAI-API mit dem Schlüssel, den der Build geliefert hat. Beide Agenten führen dasselbe Image aus, die Anfrage hätte also an jeden der beiden gehen können: Der Schreib-Agent antwortet unter http://127.0.0.1:8001 genauso.
Beenden Sie den Stack mit:
docker compose -p support-brief -f dist/compose/docker-compose.yaml downImportieren Sie auf Kubernetes mit --target helm und pushen Sie das Image in eine Registry, aus der Ihr Cluster zieht, und tragen Sie es in src/support_brief/import-answers.yaml ein. Erstellen Sie dann das Secret openai-api-key und wenden Sie den Build an, wie im Ausführungsschritt von Wie ein Import abläuft beschrieben. Das Deployment jedes Agenten hat keinen Service, leiten Sie daher einen lokalen Port an den des Researchers weiter. Der Befehl läuft, bis Sie ihn beenden:
kubectl port-forward deploy/researcher 8000:8000Forwarding from 127.0.0.1:8000 -> 8000Forwarding from [::1]:8000 -> 8000Senden Sie von einem anderen Terminal aus dieselbe Anfrage an den weitergeleiteten Port:
curl -sS -X POST http://127.0.0.1:8000/kickoff -H 'Content-Type: application/json' \ -d '{"question": "Which support plan covers a weekend outage, and what does it cost?"}'{ "error": "the crew failed: AuthenticationError: Error code: 401 - {'error': {'message': 'Incorrect API key provided: sk-place************-key. [… omitted: where to find an API key, and the error's type and code]"}