CrewAI - 讓多個 AI Agent 組成團隊協作的 Python 框架

三個 Agent 走進一間 bar。Researcher 說：「我找到十篇最新論文。」Analyst 說：「其中三篇有嚴重方法論問題。」Writer 說：「報告寫好了，要不要配個 meme？」

這不是笑話，這是 CrewAI 在做的事。

不只是 chatbot，是一整支團隊

單一 LLM 能力再強，碰到需要多角色分工的複雜任務還是會力不從心。你叫同一個 Agent 又搜資料又分析又寫報告，context window 塞爆是遲早的事，而且角色切換之間的指令混亂很難避免。

CrewAI 的思路很直接：把多個 LLM Agent 組成一支「團隊」（Crew），每個成員有自己的角色、目標和工具，彼此接力完成工作。Python 生態系裡做多 Agent 協作的框架不少，但 CrewAI 目前 GitHub 將近 4.9 萬 Stars，社群活躍度算是頂尖那批。

核心架構：Agent、Task、Crew、Flow

把 CrewAI 想成組建一個專案團隊：

Agent 就是團隊成員。每個人有 role（角色）、goal（目標）、backstory（背景設定），甚至可以用不同的 LLM。你可以讓 Researcher 用便宜的 Flash 模型，Writer 用 Opus 等級的好料。

Task 是工作項目。指定由誰執行、期望的輸出格式、可用工具。Task 之間可以串接——前一個的輸出自動變成下一個的 context。

Crew 是團隊本身。決定成員組成和執行模式——循序（sequential）或階層式（hierarchical，會自動產生一個 Manager Agent 來分配工作）。

Flow 是事件驅動的編排引擎。用 @start()、@listen()、@router() 裝飾器串接步驟，支援條件分支、狀態管理、斷點續行。生產環境強烈建議用 Flow 而不是純 Crew。

最小可運行範例

兩個 Agent 協作產出一篇部落格文章：

from crewai import Agent, Task, Crew, Process

researcher = Agent(
    role="Senior Data Researcher",
    goal="Uncover cutting-edge developments in AI",
    backstory="You're a seasoned researcher known for finding the latest developments.",
    verbose=True,
)

writer = Agent(
    role="Tech Content Writer",
    goal="Write engaging content about AI discoveries",
    backstory="You're a skilled writer who turns complex data into clear narratives.",
    verbose=True,
)

research_task = Task(
    description="Research the latest AI agent frameworks in 2025.",
    expected_output="A list of 10 bullet points of the most relevant findings.",
    agent=researcher,
)

writing_task = Task(
    description="Write a blog post based on the research findings.",
    expected_output="A 500-word blog post formatted in Markdown.",
    agent=writer,
    output_file="blog_post.md",
)

crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    process=Process.sequential,
    verbose=True,
)

result = crew.kickoff()
print(result)

Process.sequential 讓 Task 依序跑，前面的產出自動餵給後面。如果改用 Process.hierarchical，CrewAI 會多生一個 Manager Agent 負責分派和驗證。

Flows：生產環境該用的模式

純 Crew 適合「A 做完換 B」的線性流程。但真實世界通常有條件分支、品質檢查、失敗重試。這時候用 Flows：

from crewai.flow.flow import Flow, start, listen, router
from pydantic import BaseModel

class ReportState(BaseModel):
    topic: str = ""
    research: str = ""
    report: str = ""

class ReportFlow(Flow[ReportState]):
    @start()
    def begin(self):
        self.state.topic = "AI Agent frameworks"

    @listen(begin)
    def do_research(self):
        self.state.research = "...research results..."

    @router(do_research)
    def check_quality(self):
        if len(self.state.research) > 100:
            return "good_enough"
        return "need_more"

    @listen("good_enough")
    def write_report(self):
        self.state.report = "Final report..."

    @listen("need_more")
    def retry_research(self):
        pass

flow = ReportFlow()
flow.kickoff()

Pydantic BaseModel 管狀態，SQLite persistence 做斷點續行。這個設計比純粹的 Task 串接穩得多。

跟其他框架比起來

框架	特色	適合場景
CrewAI	角色扮演式 Agent，Crews + Flows 雙模式	多 Agent 協作的業務自動化
LangGraph	狀態機式 Agent，彈性高但 boilerplate 多	需要精細控制每個節點的複雜流程
AutoGen	對話式 Agent，擅長多 Agent 聊天	研究、原型、對話式探索
OpenAI Agents SDK	綁定 OpenAI 模型，簡潔但鎖定	純 OpenAI 生態的快速開發

CrewAI 的差異化在於同時提供 Crews（自主協作）和 Flows（精確控制）兩種模式，而且完全不依賴 LangChain，從零自建。v1.0 的時候正式移除了所有 LangChain 依賴。

70+ 內建工具和 MCP 支援

工具生態蠻齊全的：網路搜尋（Serper、Brave、Tavily）、網頁爬取（Firecrawl、Selenium）、檔案處理（PDF、CSV、DOCX）、資料庫（MySQL、Snowflake）、向量搜尋（Qdrant、Weaviate）都有。自訂工具繼承 BaseTool 就好，十行程式碼搞定。

重點是 CrewAI 原生支援 MCP——Agent 可以直接連 MCP Server 取用工具。這對已經在用 Claude Code 或其他 MCP 生態的人來說，整合成本很低。

支援的 LLM

v1.14+ 有兩層支援：

原生支援（不用額外裝）：OpenAI、Anthropic、Google Gemini、Azure OpenAI、AWS Bedrock。

透過 LiteLLM（pip install 'crewai[litellm]'）：100+ 供應商，包含 Ollama、Mistral、Together AI。不同 Agent 可以用不同模型，讓你把成本花在刀口上。

該注意的事

多 Agent 就是多 token 消耗。每個 Agent 都會吃 LLM token，階層式模式還多一個 Manager Agent。務必設 max_iter 和 max_rpm 控制成本，不然帳單會比你的想像力還豐富。

Agent 的自主決策本質上不可預測——相同輸入不保證相同輸出。生產環境用 Flows + guardrails 來確保品質，別指望裸跑 Crew 就能上線。

另外，share_crew=True 會把執行細節上傳到 CrewAI 伺服器，有機敏資料千萬別開。遠測（telemetry）也是預設開啟，用 OTEL_SDK_DISABLED=true 關掉。

安裝很快

pip install crewai
pip install 'crewai[tools]'        # 含 70+ 內建工具
pip install 'crewai[anthropic]'    # Claude 支援
crewai create crew my_project      # CLI 建專案骨架

Python 版本要 >=3.10, <3.14。預設需要 OPENAI_API_KEY，用其他 LLM 在 Agent 的 llm 參數指定。