CrewAI: создаём команды ИИ-агентов для сложных задач

CrewAI (54k+ звёзд на GitHub) — Python-фреймворк для создания мультиагентных систем. Идея простая: вместо одного LLM, решающего всё, создаёте команду специалистов: Аналитик собирает данные, Писатель создаёт контент, Критик проверяет качество. CrewAI создан командой João Moura и активно используется в продакшне сотнями компаний.

→ GitHub репозиторий CrewAI (25k+ ⭐)

Ключевые концепции

• Agent — AI-агент с ролью, целью и биографией (backstory). Роль определяет специализацию модели.
• Task — конкретная задача с описанием, ожидаемым результатом и назначенным агентом.
• Crew — команда агентов + список задач. Управляет порядком выполнения и передачей данных.
• Tools — инструменты агентов: поиск в интернете, работа с файлами, запросы к API.

Установка и настройка с PlusVibe

pip install crewai crewai-tools

import os
from crewai import Agent, Task, Crew

os.environ["OPENAI_API_KEY"] = "sk-pv-ваш_ключ"
os.environ["OPENAI_API_BASE"] = "https://plusvibeapi.ru/v1"
os.environ["OPENAI_MODEL_NAME"] = "gpt-5.5-turbo"

Пример: команда для написания SEO-статьи

researcher = Agent(
    role="Исследователь",
    goal="Собрать факты и данные по теме",
    backstory="Опытный аналитик с доступом к веб-поиску"
)

writer = Agent(
    role="Автор",
    goal="Написать SEO-оптимизированную статью",
    backstory="Копирайтер с опытом в tech-журналистике"
)

task1 = Task(
    description="Исследуй тему: найди ключевые факты, статистику, примеры",
    agent=researcher,
    expected_output="Структурированный список фактов"
)

task2 = Task(
    description="Напиши статью на основе исследования, 1500 слов, SEO-заголовки",
    agent=writer,
    expected_output="Готовая статья в markdown"
)

crew = Crew(agents=[researcher, writer], tasks=[task1, task2])
result = crew.kickoff()

Реальные кейсы использования

• Конкурентный анализ: Агент-аналитик собирает данные → Агент-сравниватель находит отличия → Агент-репортёр пишет отчёт
• Code review: Агент-разработчик пишет код, Агент-ревьюер критикует, Агент-тестировщик пишет тесты
• Контент-маркетинг: 5 агентов параллельно работают над разными аспектами темы
• Customer support: Агент классифицирует запрос → направляет к специалисту → другой агент формирует ответ по шаблону
• Data pipeline: Агент-сборщик получает данные из API → Агент-аналитик обрабатывает → Агент-репортёр отправляет Slack-сообщение

CrewAI vs PraisonAI vs LangGraph

Советы по оптимизации расходов

Мультиагентные системы могут быть дорогими, если не следить за потреблением токенов. Несколько правил для работы через PlusVibe:

• Используйте gpt-5.5-turbo для «рабочих» агентов и claude-opus-4-8 для финального синтеза
• Ограничивайте max_iter у агентов — по умолчанию 15 итераций, 5-7 достаточно для большинства задач
• Включайте verbose=False в продакшне — логи добавляют токены в контекст
• Для простых задач используйте одного агента — не создавайте Crew ради Crew