Гайд · TNWS AI

Как проверить результат Task в CrewAI функцией guardrail

26 сентября 2026 4 мин—

Детерминированный guardrail CrewAI для обязательного кода R-7: сигнатура TaskOutput, успешный и ошибочный тест, retries и ограничения.

Задача и применимость

Актуальный поисковый запрос: «как добавить function guardrail для Task в CrewAI». Отклонить финальный текст задачи, если он потерял обязательный идентификатор. CrewAI поддерживает function-based guardrail: функция получает TaskOutput и возвращает кортеж (bool, value). При успехе второй элемент становится проверенным результатом, при отказе содержит обратную связь. guardrail_max_retries ограничивает новые попытки и не должен быть бесконечным. Материал сверён 26 сентября 2026 года с официальной документацией CrewAI 1.15.22. Примеры предназначены для Python 3.10+; закрепите версию пакета, потому что сигнатуры и поведение развиваются. Все коды, статусы и даты в примерах вымышлены.

Пошаговая настройка

Сформулируйте одно детерминированное условие приёмки.
Напишите функцию без сетевых вызовов и побочных эффектов.
Передайте её в Task(guardrail=...) и задайте небольшой guardrail_max_retries.
Протестируйте функцию на искусственных TaskOutput до вызова модели.

Перед запуском установите CrewAI по официальной инструкции. Для примеров с агентом задайте CREWAI_MODEL и учётные данные провайдера через переменные среды; доступность модели зависит от вашего аккаунта. Flow-примеры не требуют LLM и должны сначала проходить как детерминированные тесты. Не включайте действующие ключи и реальные клиентские данные в исходник или prompt.

Готовый шаблон

from typing import Any
from crewai import TaskOutput

def require_code(result: TaskOutput) -> tuple[bool, Any]:
    text = result.raw.strip()
    if "R-7" not in text:
        return False, "Ответ обязан содержать точный код R-7."
    return True, text

class FakeOutput:
    raw = "Статус R-7: готово"

ok, value = require_code(FakeOutput())
assert ok is True and value == "Статус R-7: готово"

Конкретный вход и ожидаемый результат

Строка «Статус R-7: готово» проходит текущую проверку, а «Статус: готово» отклоняется с понятной обратной связью. Это проверка наличия кода, а не статуса: текст «Статус R-7: отменено» также пройдёт. Чтобы проверять факт, сравните значение с результатом доверенного инструмента, а не с предположением модели.

Как фактически проверить

Добавьте случаи R-70, r-7 и Unicode-дефиса. Простое выражение in допустимо только для учебной демонстрации; в рабочем коде разберите точный токен. Проверьте исключение внутри guardrail и возвращайте безопасную ошибку без stack trace. Запишите число повторов и убедитесь, что после исчерпания лимита приложение не сохраняет последний отклонённый ответ.

Проверяйте не только итоговую строку, но и путь исполнения: входные данные, вызванный метод или Task, промежуточный результат и финальное преобразование. Успешный Python-процесс не доказывает правильность фактов LLM. Для агентных сценариев сделайте не менее трёх прогонов фиксированной модели и укажите долю прохождения критериев, а не выбирайте лучший ответ вручную.

Критерии приёмки

Python-код проходит синтаксическую проверку, а зависимости и версия зафиксированы.
Положительный пример даёт заранее описанный результат без новых фактов.
Отрицательный пример завершается явным отказом либо контролируемой веткой.
Ни один шаг не получает больше данных или полномочий, чем требуется задаче.
После обновления CrewAI или модели тот же набор выполняется повторно.

Протокол воспроизводимости

Сохраните дату, версию CrewAI, версию Python, идентификатор модели для agent-примеров и обезличенный вход. Для Flow зафиксируйте порядок событий и финальный state; для Task — TaskOutput, число попыток и результат guardrail. Не записывайте секреты, системные prompts и персональные данные без необходимости. Если ошибка плавающая, классифицируйте её как неверный маршрут, неверный аргумент, исключение Python или неподтверждённую генерацию — эти случаи исправляются по-разному.

Регрессионный набор

Не ограничивайтесь одним удачным примером. Добавьте стандартный вход, отсутствующее обязательное поле, похожий идентификатор, пустую строку и слишком длинное значение. Для каждого заранее укажите ожидаемое событие, состояние и финальный результат. В агентных задачах отдельно оценивайте правильность фактов и соблюдение формата; красивый текст не компенсирует неверный код. В Flow проверяйте, какой метод действительно вызван и сколько раз: одинаковая финальная строка может скрыть ошибочный маршрут. При изменении модели не переносите прежние показатели автоматически. При изменении схемы state предусмотрите миграцию сохранённых записей. Ошибка одного теста должна блокировать автоматическое внешнее действие, но не обязана останавливать независимые процессы системы. После исправления обязательно повторите весь набор, а не только упавший случай. Такой набор превращает статью в повторяемую инструкцию, а не в демонстрацию единственного счастливого пути.

Типичные ошибки и чего не делать

Не выполняйте необратимую запись внутри guardrail.
Не считайте проверку формы подтверждением фактов.
Не ставьте огромный guardrail_max_retries для маскировки слабого задания.

Не увеличивайте retries, max_iter или таймаут после каждой ошибки автоматически. Ограничение останавливает цикл, но не исправляет отсутствующий факт или плохую схему. Не выполняйте платежи, удаление, публикацию и другие необратимые действия только на основании текста модели. Добавляйте детерминированную проверку и, где требуется, человеческое подтверждение.

FAQ

Что получает функция?

Объект TaskOutput.

Что возвращает?

Кортеж с boolean и преобразованным результатом либо сообщением об ошибке.

Есть ли лимит повторов?

Его задают через guardrail_max_retries.

Официальные источники

Частые вопросы

Что получает функция?

Объект TaskOutput.

Что возвращает?

Кортеж с boolean и преобразованным результатом либо сообщением об ошибке.

Есть ли лимит повторов?

Его задают через guardrail_max_retries.

Как проверить результат Task в CrewAI функцией guardrail

Задача и применимость

Пошаговая настройка

Готовый шаблон

Конкретный вход и ожидаемый результат

Как фактически проверить

Критерии приёмки

Протокол воспроизводимости

Регрессионный набор

Типичные ошибки и чего не делать

FAQ

Что получает функция?

Что возвращает?

Есть ли лимит повторов?

Официальные источники

Частые вопросы

Читайте также

Как хранить данные в словарном state CrewAI Flow

Как объединить события CrewAI Flow через or_ и and_

Как передать результат одной задачи CrewAI в другую через context

Комментарии