CrewAI 评测

CrewAI 是什么

CrewAI 有两个相关但不同的产品。公开 Python 框架采用 MIT 许可证，支持 agents、tasks、crews、flows、工具、记忆、知识和结构化输出；CrewAI 托管与企业平台则增加可视化编辑器、部署、监控、评估、治理和组织控制。

这一区分直接影响成本和数据控制。安装框架并不要求订阅 CrewAI Cloud；使用托管控制面或企业功能会引入另一项服务与合同。公平评估必须明确讨论的是哪种架构。

Crews 与 Flows

Crew 协调多个专业 agents，每个 agent 可拥有角色、目标、上下文、工具和任务，过程可以顺序、分层或更复杂。职责拆分有时能改善困难任务，但增加 agents 并不保证更好结果，反而会增加提示词、交接、冲突假设和模型费用。

Flows 提供更显式的编排层，可路由事件、管理状态、持久化进度、等待人工输入，并恢复长时间运行。生产设计可把认证、验证、业务规则、审批和副作用保留在 Flow 步骤，只让 Crew 对研究或起草保留自主判断。

从能够解决任务的最少 agents 开始，在边界要求结构化输出，并验证每个工具参数和下游载荷。负责研究的 Agent 不应自动获得发布、付款或管理员权限。

定价与部署

本文核查时，CrewAI 定价页显示 Basic Cloud 免费，包含可视化编辑器、AI copilot、GitHub 集成、2 个 agentic workflow automations 和每月 50 executions。Enterprise 定制价格，增加 SSO、RBAC、workload identity、PII 遮盖、策略、私有仓库与审计，并可部署在 CrewAI Cloud、专用 VPC 或客户基础设施。

MIT 框架没有 CrewAI 许可证费用，但运营者仍要支付模型、embeddings、数据库、追踪、计算、队列、存储和工程成本。一次多 Agent 运行可能调用多个模型和工具才产生一个业务结果，因此应按“完成且通过复核的结果”计量，而不是按第一条用户消息。

Traces、评估与人工复核

CrewAI 文档描述了对模型调用、工具调用、记忆读取、token 用量、延迟和成本的追踪；Enterprise 还增加评估、护栏、训练工作流、审计和策略 hook。只有团队建立测试集和发布门，这些功能才真正有价值。

记录输入、代码和提示词版本、模型、工具 schema、检索证据、agent 交接、审批、最终输出与外部副作用。把 trace 发送到托管服务前遮盖密钥和受监管数据，并确认各组件是否默认开启追踪及记录保留时间。

人在环路触发器应在不可逆动作前暂停。审核者需要看到拟调用工具与精确参数，而不只是 Agent 的解释。测试拒绝、超时、编辑输入、重放和 worker 故障后的恢复。

工具与执行安全

按配置不同，agents 可以执行代码、访问文件、查询数据库、调用 API、浏览或使用 MCP 工具。采用隔离服务身份，拒绝任务不需要的网络和文件系统权限，并把检索文档与网页视为不可信指令。

仓库文档指出，开启可选 sharing 后可能收集详细 crew 与 task 执行数据，包括目标、背景设定、上下文和输出。机密工作应保持关闭，除非已接受数据范围与目的。托管与企业部署还需要单独审查隐私、保留、次处理商和区域。

工具应幂等，状态应显式。如果一个 Agent 已创建记录，后续 Agent 失败，重试必须先检查现有状态而不是重复写入。每个工作流都应限制花费、迭代、运行时长和并发。

谁适合选择 CrewAI

CrewAI 适合希望先使用开放框架、未来可能需要管理平台的 Python 团队，但它并不天然比可视化工作流简单或可靠。许多业务流程只需要一个确定性 flow 与一次模型调用，而不是一支 crew。

可比较采用 MIT 的可视化 Agent/RAG 画布 Langflow、产品化应用与知识平台 Dify，以及重集成自动化 n8n。统一评估模型见 AI 自动化与 Agent 工具分类。