CrewAI

一句話結論

CrewAI 是最容易上手的多 Agent 開源框架，用「角色＋任務」組隊的寫法很直覺，適合把一段人工工作流程改成 Agent 分工；但多 Agent 的成本與不確定性，上線前一定要用 Flows 收斂。

它到底做什麼

CrewAI 是獨立的 Python 框架（MIT 授權、GitHub 約 5.9 萬顆星），不依賴 LangChain。它有兩個核心元件：Crews 讓多個 Agent 依角色、目標與工具自主協作，可以互相委派任務；Flows 則負責事件驅動的流程控制，管理狀態、條件分支與必須照順序跑的步驟。官方建議把 Flows 當骨架，在需要判斷力的節點嵌入 Crew。

商業版 CrewAI AMP 是企業級建置與執行平台，有視覺化編輯器、AI copilot、GitHub 整合、執行追蹤，企業方案加上 SSO、RBAC、PII 遮罩與地端部署。官網宣稱每月跑超過 4.5 億次 Agent 工作流，客戶有 DocuSign、Experian、PepsiCo、IBM，案例數字如 General Assembly 開發時間減少 90%、DocuSign 首次聯繫潛在客戶快 75%。

實際用起來的重點

從官方文件與範例看來，寫 CrewAI 就像在寫職務說明：定義「市場研究員」的角色與目標、給它搜尋工具，再定義「文案寫手」，然後列出任務與預期產出。這種寫法對 PM 與業務背景的人也讀得懂，是它比 LangGraph 好溝通的地方。

要留意的是代價。每多一個 Agent，就多一輪模型呼叫與上下文傳遞，token 用量與等待時間都會疊加；Agent 之間自主委派也意味著同一個輸入可能跑出不同路徑。官方推出 Flows 正是為了回應這個問題，正式上線的流程最好把可預期的步驟寫死，只在真正需要判斷的地方放 Agent。

優點

• 角色分工的抽象很好懂，原型做得快。
• Crews 與 Flows 同一套框架，從實驗到正式流程不必換工具。
• 開源免費、社群活躍，現成範例多。
• AMP 提供企業治理功能，部署與監控不必自己蓋。

缺點

• 多 Agent 協作耗 token，成本與延遲容易失控。
• 自主委派讓結果較難重現，除錯要看完整執行紀錄。
• 雲端免費方案每月只有 50 次執行，企業版價格不公開。

適合誰／不適合誰

適合想把「研究、撰寫、審核」這類多步驟知識工作自動化的 Python 開發者、做內部自動化的 IT 團隊，以及想快速驗證多 Agent 構想的新創。不適合不寫程式的使用者，也不適合對延遲極度敏感的即時應用（例如語音客服），或單一步驟就能完成的任務。

價格觀察

框架本身免費，主要成本是模型 API。雲端 Basic 方案免費、每月 50 次 workflow 執行，含視覺化編輯器；Enterprise 為客製報價，官網寫含 45 天導入協助。沒有公開的中間價位方案，以官網為準。

替代方案

需要更細緻流程控制，看 LangChain 的 LangGraph；同樣是 Python Agent 框架，AutoGen、Agno、Pydantic AI 各有取向；不寫程式的團隊可以看 Dify、n8n 或 Relevance AI。

台灣觀點

台灣不少行銷公司與中小企業 IT 用 CrewAI 做內容產線與業務開發的原型，因為角色分工的寫法跟實際部門分工很像，跟老闆解釋也容易。中文能力取決於底層模型，可以讓不同角色配不同模型，例如研究用便宜的模型、最後審稿用中文較好的模型，控制成本。企業版的地端部署選項對有個資顧慮的金融、醫療單位是加分，但導入需要跟原廠或代理商談，在地支援要事先確認。

評分

3.8 / 5。上手門檻低、概念清楚、開源社群大是加分；扣分在多 Agent 的成本與可預測性，以及商業版價格不透明。拿來做原型與中等複雜度的內部自動化很合適。