CrewAI

编排多智能体协作的开源 Python 框架

Star 数
★ 60k
最近更新
今天
License
MIT
主语言
Python

30 秒速览

运行形态
命令行工具代码库 / SDK开发框架
费用
有免费版,另有付费云服务
上手难度
中 · 需要几步配置
典型场景
把一个复杂任务拆分给多个分工明确的 Agent 协作完成(如市场调研 + 撰写文案 + 审核)
不适合
  • 需要完全离线、不接入任何模型 API 的团队
  • 希望零配置、不写 Python 代码即可上手的用户
  • 要求所有能力完全开源、不接受商业云控制面的企业

这个 Agent 能做什么,适合哪些场景?

CrewAI 是一个用于编排「角色扮演」自主 AI 智能体的开源 Python 框架,提供高层抽象和底层 API 来构建生产级多智能体工作流。它包含两种互补的编排方式:Crews(智能体自主协作)和 Flows(事件驱动的精确流程控制),可以组合使用。项目由同名公司 crewAI Inc. 维护,同时提供商业化的 Cloud 试用服务。

让开发者定义多个具有不同角色、目标和工具权限的 Agent,通过 Crew(智能体协作团队)或 Flow(事件驱动流程)编排它们协同完成复杂任务,并可结合两者实现既有自主性又有确定性控制点的工作流。

  1. 把一个复杂任务拆分给多个分工明确的 Agent 协作完成(如市场调研 + 撰写文案 + 审核)
  2. 构建需要精确流程控制的自动化流水线(Flows),同时在特定节点接入自主智能体(Crews)
  3. 教学/原型场景:招聘文案撰写、旅行规划、股票分析等官方示例覆盖的场景
  4. 已有 Python 技术栈、希望在现有系统中嵌入多智能体能力的团队

如何安装或部署这个 Agent?

需要 Python >=3.10 <3.14。使用 UV 进行依赖管理:uv pip install crewai;如需内置工具等可选功能,参考官方文档安装对应 extras。

如何使用这个 Agent?

定义若干 Agent(角色、目标、可用工具)与 Task,组成一个 Crew 或 Flow 后运行;具体 API 用法和多个可运行示例(招聘、旅行规划、股票分析等)见官方文档 docs.crewai.com。

这个 Agent 有哪些优点和局限?

优点
  • 同时提供自主协作(Crews)和确定性流程控制(Flows)两种编排方式,可按需组合
  • 文档、课程和示例齐全,上手路径清晰
  • 社区规模大(5 万+ Star),生态成熟,有官方云服务可选
  • MIT 协议,纯 Python 生态集成友好
局限
  • 开源核心 + 商业云的双轨模式意味着部分能力可能仅在付费版本提供
  • 作为编排框架,安全性高度依赖开发者自己为每个 Agent 配置的工具和权限,框架本身不做统一把关
  • 本次评审未对具体 Crew/Flow 配置做实际运行验证

这个 Agent 与同类方案有什么区别?

与 LangGraph 等图式编排框架相比,CrewAI 的「角色扮演」抽象(每个 Agent 有明确角色和目标)对熟悉团队协作隐喻的开发者更直观,学习曲线相对平缓;如果你需要更细粒度的状态图控制,LangGraph 可能更合适,两者也可以结合使用(CrewAI 官方文档也提到过与其他框架协同的场景)。

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
CrewAI 当前 40 · 缺口较多 命令行工具免费版 + 付费版 ★ 60k 今天 Python —
CaveAgent 62 · 存在缺口 代码库 / SDK免费 + 模型费 ★ 204 1 个月前 Python OpenAI API · Claude API
AG2:开源智能体操作系统 55 · 缺口较多 代码库 / SDK免费 + 模型费 ★ 5k 今天 Python OpenAI API
PowerContext 55 · 缺口较多 命令行工具免费 ★ 1.4k 今天 Python Codex · Claude Code

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
缺口较多
40/ 100 五分制 2.0 / 5
本评测基于 2026年8月9日 的源码;此后该项目发布了 14 个正式版本,尚未复审。分数与结论只代表评测时的版本。 最近版本 ↓
信任安全 4/29
可靠稳定 8/14
适用触发 9/18
规范维护 9/18
有效结果 7/13
证据核验 3/8
查看各维度的扣分理由
信任安全4 / 29 · 0.7/5

证据显示:AGENTS.md 仅提供贡献指南,未涉及权限管理、用户确认、数据流透明或敏感数据处理。依赖安全方面,pyproject.toml 和 .pre-commit-config.yaml 展示了依赖覆盖和 pip-audit 的使用,但存在大量忽略漏洞,且未提供缓解细节。外部影响、回滚和来源归属均未在 AGENTS.md 中体现。扣分原因:缺乏权限最小化、用户确认、数据流透明、敏感数据处理、外部影响和回滚的证据;依赖安全部分因忽略列表和缺乏缓解细节而扣分;来源归属仅通过作者信息部分体现。

可靠稳定8 / 14 · 2.9/5

证据显示:AGENTS.md 指南与仓库结构一致,但存在拼写错误(如 'behaivor')。依赖可用性方面,pyproject.toml 指定了 Python 版本范围和依赖覆盖,但未提供依赖可用性保证。失败消息方面,AGENTS.md 未提供错误处理或失败消息指南。扣分原因:自洽性因拼写错误扣分;依赖可用性因缺乏保证扣分;失败消息因缺失扣分。

适用触发9 / 18 · 2.5/5

证据显示:AGENTS.md 面向贡献者,提供了文档翻译和代码贡献指南,但未明确目标受众或使用场景。能力边界未明确说明。触发精度方面,指南未定义触发条件。环境适配方面,提供了 Python 版本和安装说明,但未覆盖所有环境。扣分原因:受众和场景部分因缺乏明确说明扣分;能力边界和触发精度因缺失扣分;环境适配因覆盖不全扣分。

规范维护9 / 18 · 2.5/5

证据显示:AGENTS.md 提供了信息架构(如文档结构),安装说明在 README 中,命名稳定性未明确,示例和 FAQ 在 README 中,已知限制未提及,许可证为 MIT,版本控制通过 commitizen 和 changelog 配置,维护责任未明确。扣分原因:命名稳定性、已知限制和维护责任因缺失扣分;版本控制因配置存在但未明确扣分。

有效结果7 / 13 · 2.7/5

证据显示:输出可用性方面,README 提供了示例和输出文件说明,但未明确输出格式。边际价值方面,框架提供了多代理编排功能,但未与其他方案对比。成本效益方面,未提供性能或资源使用数据。扣分原因:输出可用性因缺乏明确格式扣分;边际价值因缺乏对比扣分;成本效益因缺乏数据扣分。

证据核验3 / 8 · 1.9/5

证据显示:声明可追溯性方面,README 中的声明未提供具体证据。跨来源佐证方面,未提供外部验证。事实与推断分离方面,未明确区分。扣分原因:所有子项因缺乏证据扣分。

风险与缓解建议
  • 源码中未见:最小权限约束只授予完成任务所需的权限:用专用账号或只读令牌,并限定可访问的目录和仓库。
  • 源码中未见:执行前用户确认开启或自行加上执行前确认;先在沙箱或测试环境跑通,确认行为后再接入真实数据。
  • 源码中未见:数据流向说明运行时观察它连接了哪些外部服务(代理或防火墙日志);弄清数据去向之前不要输入敏感数据。
  • 源码中未见:敏感信息处理使用专用、低权限、可随时吊销的 API 密钥,不要复用生产凭据,也不要让密钥出现在日志里。
  • 源码中未见:外部影响披露先弄清它会写入、发送或修改哪些外部系统,用测试账号或测试仓库验证后再接入正式环境。
  • 源码中未见:回滚或恢复路径运行前先备份,或在 git 分支、快照上操作,确保改动可以撤销。
  • AGENTS.md 仅提供贡献指南,未涉及安全、权限或数据处理,使用前需自行评估。
  • 依赖安全存在大量忽略漏洞,且未提供缓解细节,需谨慎处理。
  • 发布者身份未经验证,来源归属仅部分明确。
证据充分度:低 评估于 2026年8月9日 审查版本 f7ba8e35212b 评估后仓库已有新提交,评分可能未覆盖最新改动
查看完整评分方法 →

最近版本

来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。

  1. 1.15.28
    发布说明摘录
    What's Changed Features - Add crewai eval command to report where a stopped model broke. - Use LiteLLM catalog for context windows. Bug Fixes - Fix flow to learn from resumed human feedback and preserve reviewed output types. - Warn when non-empty apps resolve to zero platform tools. - Fix flow add-crew to correctly find the package from pyproject. - Show reasons for deployment failures and fix deploy remove and lockfile checks. - Fix trigger list and payload requests timeout to 60 seconds. - Read AMP's source_type during deploy push to ensure ZIP deployments use the new code. …
    在 GitHub 查看 ↗
  2. 1.15.27
    发布说明摘录
    What's Changed Features - Add XPU to OpenCLIP provider device options - Add deepinfra as an OpenAI-compatible provider - Record why an evaluation stopped before its verdict - Record what the run app's Deploy met before an attempt - Implement per-run cost and time tracking in crewai eval --models without repeated progress lines Bug Fixes - Fix issue where stopSequences were sent to OpenAI GPT-6/GPT-5.6/gpt-oss - Preserve GitHub loader source attribution - Fix SQLite flow initialization contention Documentation - Add snapshot and changelog for v1.15.26 Contributors …
    在 GitHub 查看 ↗
  3. 1.15.26
    发布说明摘录
    What's Changed Bug Fixes - Fix ownership retention of rwlock when acquisition is interrupted. - Resolve issue with documentation site source URLs not being preserved. - Fix task output display in log-tasks-outputs to show actual output. Documentation - Update snapshot and changelog for version v1.15.25. Contributors @Velmet44, @Vidit-Ostwal, @joaomdmoura, @leilei3167, @lorenzejay, @lux-liang
    在 GitHub 查看 ↗

常见问题

CrewAI 是免费的吗?
核心框架开源免费(MIT),但官方也提供付费的 Cloud/Enterprise 服务,部分高级功能可能仅限付费版本。
Crews 和 Flows 有什么区别?
Crews 是让多个 Agent 自主协作完成任务;Flows 是事件驱动的确定性流程控制,两者可以结合使用。
需要什么 Python 版本?
需要 Python >=3.10 且 <3.14,使用 UV 进行依赖管理和安装。
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

正面对比

相关 Agents