> ## Documentation Index
> Fetch the complete documentation index at: https://crewai.burt.pe.kr/llms.txt
> Use this file to discover all available pages before exploring further.

# Planning

> CrewAI Crew에 Planning을 추가하고 성능을 향상시키는 방법을 알아보세요.

## 소개

CrewAI의 계획 기능을 사용하면 크루에 계획 능력을 추가할 수 있다. 이 기능을 활성화하면 각 크루 반복 작업 전에 모든 크루 정보가 AgentPlanner로 전송된다. AgentPlanner는 단계별로 작업을 계획하고, 이 계획을 각 작업 설명에 추가한다.

### 플래닝 기능 사용하기

플래닝 기능을 시작하는 것은 매우 간단하다. `planning=True`를 Crew에 추가하기만 하면 된다.

<CodeGroup>
  ```python Code theme={null}
  from crewai import Crew, Agent, Task, Process

  # 플래닝 기능을 활성화하여 Crew를 구성
  my_crew = Crew(
      agents=self.agents,
      tasks=self.tasks,
      process=Process.sequential,
      planning=True,
  )
  ```
</CodeGroup>

이 시점부터 Crew는 플래닝 기능이 활성화되고, 각 반복 전에 작업이 계획된다.

#### LLM 계획 수립

이제 여러분은 작업을 계획하는 데 사용할 LLM을 정의할 수 있다.

기본 예제를 실행하면 아래와 같은 결과를 확인할 수 있다. 이는 `AgentPlanner`의 출력으로, 에이전트의 작업에 추가할 단계별 로직을 생성하는 역할을 한다.

<CodeGroup>
  ```python Code theme={null}
  from crewai import Crew, Agent, Task, Process

  # 계획 기능과 커스텀 LLM을 사용해 크루를 구성
  my_crew = Crew(
      agents=self.agents,
      tasks=self.tasks,
      process=Process.sequential,
      planning=True,
      planning_llm="gpt-4o"
  )

  # 크루 실행
  my_crew.kickoff()
  ```

  ````markdown Result theme={null}
  [2024-07-15 16:49:11][INFO]: 크루 실행 계획 중
  **작업 실행을 위한 단계별 계획**

  **작업 1: AI LLM에 대한 철저한 조사 수행**

  **에이전트:** AI LLM 선임 데이터 연구원

  **에이전트 목표:** AI LLM 분야의 최신 동향 파악

  **작업 예상 결과:** AI LLM에 관한 가장 중요한 정보 10가지 목록

  **작업 도구:** 지정되지 않음

  **에이전트 도구:** 지정되지 않음

  **단계별 계획:**

  1. **연구 범위 정의:**
     - 아키텍처, 사용 사례, 윤리적 고려사항, 성능 지표 등 AI LLM의 특정 영역을 선정한다.

  2. **신뢰할 수 있는 소스 식별:**
     - 학술 저널, 산업 보고서, 컨퍼런스(예: NeurIPS, ACL), AI 연구소(예: OpenAI, Google AI), 온라인 데이터베이스(예: IEEE Xplore, arXiv) 등 AI 연구를 위한 신뢰할 수 있는 소스를 나열한다.

  3. **데이터 수집:**
     - 2024년과 2025년 초에 발표된 최신 논문, 기사, 보고서를 검색한다.
     - "Large Language Models 2025", "AI LLM advancements", "AI ethics 2025" 등의 키워드를 사용한다.

  4. **결과 분석:**
     - 각 소스의 주요 내용을 읽고 요약한다.
     - 지난해 소개된 새로운 기술, 모델, 애플리케이션을 강조한다.

  5. **정보 정리:**
     - 정보를 관련 주제별로 분류한다(예: 새로운 아키텍처, 윤리적 문제, 실제 적용 사례).
     - 각 항목이 간결하면서도 유익하도록 한다.

  6. **목록 작성:**
     - 가장 중요한 정보 10가지를 목록으로 정리한다.
     - 목록의 명확성과 관련성을 검토한다.

  **예상 결과:**
  AI LLM에 관한 가장 중요한 정보 10가지 목록.

  ---

  **작업 2: 제공된 내용을 검토하고 각 주제를 보고서의 완전한 섹션으로 확장**

  **에이전트:** AI LLM 보고서 분석가

  **에이전트 목표:** AI LLM 데이터 분석 및 연구 결과를 바탕으로 상세한 보고서 작성

  **작업 예상 결과:** 각 주제가 완전한 섹션으로 구성된 보고서. '```' 없이 마크다운 형식으로 작성

  **작업 도구:** 지정되지 않음

  **에이전트 도구:** 지정되지 않음

  **단계별 계획:**

  1. **항목 검토:**
     - AI LLM 선임 데이터 연구원이 제공한 10가지 항목을 주의 깊게 읽는다.

  2. **보고서 개요 작성:**
     - 각 항목을 주요 섹션 제목으로 하는 개요를 작성한다.
     - 각 주제 아래에 세부 항목을 계획한다.

  3. **추가 정보 조사:**
     - 각 항목에 대해 필요한 경우 추가 조사를 수행해 상세 정보를 수집한다.
     - 사례 연구, 예시, 통계 데이터를 찾아 각 섹션을 지원한다.

  4. **상세 섹션 작성:**
     - 각 항목을 포괄적인 섹션으로 확장한다.
     - 각 섹션에 소개, 상세 설명, 예시, 결론이 포함되도록 한다.
     - 제목, 소제목, 목록, 강조를 위해 마크다운 형식을 사용한다.

  5. **검토 및 편집:**
     - 보고서의 명확성, 일관성, 정확성을 검토한다.
     - 보고서가 논리적으로 연결되도록 한다.
     - 마크다운 표준에 따라 형식을 맞춘다.

  6. **보고서 완성:**
     - 모든 섹션이 상세하게 작성되었는지 확인한다.
     - 형식을 다시 점검하고 필요한 조정을 한다.

  **예상 결과:**
  각 주제가 완전한 섹션으로 구성된 보고서. '```' 없이 마크다운 형식으로 작성.
  ````
</CodeGroup>