[BUG] Stop sequences not sent to Anthropic API causing massive token usage

快速结论：该问题发生在 CrewAI 使用 Anthropic（Claude）模型时，由于 llm.stop_sequences 属性未被正确同步，导致 API 未收到停止序列参数 stop_sequences，模型持续生成至 max_tokens 上限，造成 10 倍以上的 token 消耗和费用超支。优先排查 crewai/llms/providers/anthropic/completion.py 中 self.stop_sequences 是否为空。

问题场景

用户在使用 CrewAI 框架时，配置 Anthropic（Claude）模型（如 claude-sonnet-4-5、claude-3-5-sonnet-20241022）作为 Agent 的 LLM 后端，并启用工具调用。在运行 Crew 时，模型未在 \nObservation: 边界处停止，而是生成完整的多轮对话，导致单次调用 token 消耗从预期的约 13K 飙升到约 138K，费用从约 $0.10 增至 $1+。

报错原文

# 实际输出（单次 API 调用，模型自行编造 Observation）：
Action: sample_tool
Action Input: {"query": "test"}
Observation: Tool result                    ← INVENTED by model!
Thought: Now I'll continue...
Action: another_tool
Action Input: {...}
Observation: More invented output           ← INVENTED by model!
...continues until max_tokens...

# 调试打印：
print(f"llm.stop: {agent.llm.stop}")           # ['\nObservation:']
print(f"llm.stop_sequences: {agent.llm.stop_sequences}")  # [] ← BUG!

原因分析

根本原因在于 crewai/agents/crew_agent_executor.py 中设置了 self.llm.stop，但 crewai/llms/providers/anthropic/completion.py 中存在两个分离的属性：self.stop（由 CrewAgentExecutor 设置）和 self.stop_sequences（实际发送到 API 的参数）。两者之间没有同步逻辑，导致 stop_sequences 始终为空，API 无法接收到停止指令。在 completion.py 第 197-198 行中，仅当 self.stop_sequences 非空时才将其加入 API 参数。

环境排查

CrewAI 版本：1.2.0（Issue 中使用的版本）
Python 版本：3.12.8
Anthropic 模型：claude-sonnet-4-5、claude-3-5-sonnet-20241022 等所有 Claude 模型
操作系统：macOS（Darwin 24.6.0）
依赖：Anthropic Python SDK 版本（需确认）

解决步骤

确认问题：在触发 Agent 前，打印 agent.llm.stop 和 agent.llm.stop_sequences 检查同步状态。
更新代码（优先尝试）：根据 Issue 中提到的修复（#3853），在 crewai/llms/providers/anthropic/completion.py 中增加同步逻辑，使得设置 self.stop 时自动更新 self.stop_sequences。例如在 __init__ 或 setter 方法中同步两属性。

手动修复（临时方案）：在创建 AnthropicCompletion 实例后，手动将 llm.stop 赋值给 llm.stop_sequences：

llm = AnthropicCompletion(model="claude-sonnet-4-5", max_tokens=2000)
# 在使用前手动同步
llm.stop_sequences = llm.stop if isinstance(llm.stop, list) else []

验证修复：运行 Issue 中的测试代码，确认 llm.stop_sequences 不再为空。

验证方法

运行以下检查代码，确认 stop_sequences 已正确同步：

print(f"llm.stop: {agent.llm.stop}")            # 应显示 ['\nObservation:']
print(f"llm.stop_sequences: {agent.llm.stop_sequences}")  # 应显示 ['\nObservation:']

此外，可通过 LangSmith 或 API 调用日志确认停止序列是否随请求发送，并观察 token 消耗是否回归到正常水平（从 ~138K 降至 ~13K）。