CrewAI - открытый Python-фреймворк для создания команд ИИ-агентов. Вместо одного агента, который делает всё, вы описываете "экипаж" (crew): исследователь собирает данные, аналитик делает выводы, автор пишет отчёт. У каждого своя роль, цель и инструменты, а CrewAI управляет порядком работы и передачей результатов. Это один из самых простых способов собрать мультиагентную систему.
Основные понятия
| Понятие | Что это |
|---|---|
| Agent | участник команды: роль, цель, предыстория (backstory), модель и инструменты |
| Task | задание: описание, ожидаемый результат и ответственный агент |
| Crew | команда агентов и список задач с порядком выполнения: по очереди или с агентом-руководителем |
| Flow | сценарий поверх команд: события, условия, состояние; для процессов, где важен точный контроль шагов |
| Tools | инструменты агентов: поиск, чтение сайтов и файлов, свои функции, MCP-серверы |
Установка
CrewAI работает на Python от 3.10 до 3.13. Разработчики рекомендуют ставить его через менеджер пакетов uv:
pip install uv
uv tool install crewaiОбновление до новой версии: uv tool install crewai --upgrade. Актуальная версия на момент написания - 1.15.
Первый проект
- Создайте проект командой:
crewai create crew market_research
cd market_research- В новых версиях проект описывается файлами JSON: агенты лежат в папке
agents/, состав команды и задачи - вcrew.jsonc, рядом папкиknowledge/для документов,skills/иtools/. Если нужна прежняя структура сagents.yaml,tasks.yamlиcrew.py, добавьте к команде флаг--classic. - Опишите агентов: роль, цель и предысторию. Пример для исследователя:
Роль: аналитик рынка онлайн-образования в России
Цель: найти 5 главных изменений рынка за последний год с цифрами и источниками
Предыстория: 10 лет готовишь отчёты для инвесторов, проверяешь каждую цифру по двум источникам- Опишите задачи: что сделать, какой результат ожидается и какой агент отвечает.
- Установите зависимости и запустите команду:
crewai install
crewai runВ терминале будет видно, как агенты по очереди выполняют задачи и передают результаты друг другу.
Какие модели подключаются
Напрямую поддерживаются OpenAI, Anthropic, Gemini, Azure, Amazon Bedrock и другие облака. Через библиотеку LiteLLM - Ollama, Groq, Mistral, OpenRouter, Hugging Face и любые сервисы с совместимым API, в том числе DeepSeek. Для локальной модели установите дополнение и укажите модель:
uv add 'crewai[litellm]'from crewai import LLM
llm = LLM(model="ollama/qwen3.8", base_url="http://localhost:11434")Облачная платформа и визуальный редактор
У CrewAI есть облачная платформа с визуальным редактором Studio, где команду можно собрать без кода, запускать и отслеживать. Бесплатный тариф Basic даёт 50 запусков в месяц, корпоративный - по запросу. Для экспериментов и своих проектов хватает открытой версии.
Советы, чтобы команда работала стабильно
- Конкретные роли. "Аналитик рынка B2B-сервисов в России" работает лучше, чем просто "аналитик".
- Чёткий ожидаемый результат в каждой задаче: формат, объём, обязательные пункты.
- Меньше агентов. Два-три агента с понятными ролями надёжнее, чем шесть с пересекающимися обязанностями.
- Проверяющий агент в конце цепочки ловит ошибки и выдумки.
- Ограничения. Задайте максимальное число итераций, чтобы агенты не зацикливались и не тратили лишние токены.
CrewAI или другие варианты
| Инструмент | Когда выбрать |
|---|---|
| CrewAI | нужна команда агентов с ролями, быстрый старт на Python |
| LangGraph | нужен полный контроль над каждым шагом, ветвлениями и состоянием |
| n8n | без кода: агенты вызывают друг друга как инструменты в визуальном редакторе |
| Dify | чат-бот или помощник по документам с готовым интерфейсом |
Частые вопросы
CrewAI бесплатный?
Сам фреймворк открытый и бесплатный. Платить нужно за модели, если используете облачные, и за облачную платформу CrewAI, если она нужна.
Можно ли запустить CrewAI полностью локально?
Да, с моделью из Ollama. Для стабильной работы команды нужна модель от 14-27 миллиардов параметров с поддержкой инструментов, например Qwen 3.8; маленькие модели плохо выдерживают роли и формат.
Сколько стоит запуск одной команды агентов?
Зависит от числа агентов, задач и модели. Каждый агент - это несколько запросов к модели, поэтому команда из трёх агентов обходится в несколько раз дороже одного запроса. Экономят дешёвыми моделями на простых шагах.
