CrewAI 是什么？5.9万星的多智能体框架，1.15 版把配置改成了 JSON-first（基础篇）

导语

上一篇写 CrewAI 时它还是 5.7 万星，这次再查（crewAIInc/crewAI，MIT 协议，2023 年 10 月建仓）已经涨到 59430 星、8660 个 fork，最新版 1.15.25 在 10 月 7 日刚发，发版节奏基本是一周一版往上顶。这篇基础篇不重复「角色 + 任务 + 团队」三件套，重点讲 1.15 这一波它改了什么，以及怎么在自己机器上跑起来。

项目介绍：Crews 管协作，Flows 管卡点，配置改成 JSON-first

CrewAI 的骨架还是两条腿：Crews 负责自治协作，一组 Agent 各带角色、目标、工具，任务之间自动委派；Flows 负责精确控制，事件驱动、带状态和条件分支，能跟普通 Python 业务代码混编，也能把 Crew 嵌进去当其中一环。官方定位是「生产级多智能体编排框架」，纯 Python 从零写起，不依赖 LangChain。

1.15 这一波有四个值得看的变化：

1. 配置 JSON-first：crewai create crew 建出来的项目，Agent 写在 agents/*.jsonc，任务和团队设置集中在 crew.jsonc，crewai run 直接读定义。想让人先看懂配置、再慢慢碰 Python，这一步很关键。
2. crewai eval 评估门禁：对最近一次 traced run 打分（走官方 AMP 评估），带 gate，不通过直接 exit 1，可以卡进 CI；还能用 --models 和 llm_overlay 换模型重跑对比。
3. llm_overlay 角色级路由：按角色把不同 Agent 指到不同模型，贵模型只留给关键角色，成本能压一截。
4. 周边补齐：原生支持 Gemini 3.8 Flash、OpenRouter 做 embedding、human feedback 写进 tracing、MCP/A2A、checkpoint、异步执行。

跟同类比，定位差异挺清楚：AutoGen 偏学术派的多 Agent 对话，MetaGPT 偏「AI 软件公司」流水线，CrewAI 卖的是最直白的心智模型，角色加任务加团队，看完 README 就能上手写。能力面上，工具调用、memory、knowledge、结构化输出、人工介入节点这些生产件都在核心库里，不用额外装一堆插件。

商业侧是 CrewAI AMP Suite（含 Crew Control Plane，做 tracing、统一管控、部署，本地和云都支持），控制台有免费档可试。官方社区课程累计认证开发者 10 万+，配套的 crewAI-examples 仓库也有 6.1K 星，从股票分析到行程规划的例子管够，抄一份改改参数就是自己的原型。

上手：四步跑起第一个 Crew

环境要求 Python 3.10 到 3.13（PyPI 上写死 <3.14，3.14 还跑不了），依赖管理官方推荐 uv：

1. 装 uv（curl -LsSf https://astral.sh/uv/install.sh | sh），再 uv tool install crewai，uv tool list 看到 crewai 即成功。
2. crewai create crew my_crew，得到 agents/*.jsonc、crew.jsonc 和 .env 的项目骨架。
3. .env 里填模型 key。默认走 OpenAI 兼容接口，接国产模型要自己配 base_url，配完 crewai run。
4. 用 Claude Code、Cursor 这类 coding agent 写 CrewAI 代码的，补一句 npx skills add crewaiinc/skills 装官方 skills，让它按官方范式生成配置，少踩一半的坑。

跑通前两个提醒：多 Agent 一开会，token 消耗比单 Agent 快得多，任务里把 expected_output 的格式写死，能省 token 也能少返工；另外 1.15.x 一周好几个版本，抄网上老教程跑不通，先去 GitHub release 对一下 changelog。

实话：适合谁，不适合谁

适合：Python 团队、任务能拆成「几个角色接力」的活（调研、内容生产、多步研究）、想用 MIT 开源又不想被平台绑死的。改成 JSON-first 之后，不写 Python 的人也能读懂配置，但排错还是得看日志、懂点 Python 栈。

不适合：完全不想看过程的人。委派链一长，多 Agent 容易「开会开半天不产出」，烧的 token 还是双倍的，跑一次几十万 token 很正常，上线前先拿 llm_overlay 把角色和模型配比算清楚。也别拿它跟拖拽平台比上手速度，那是 Langflow 那一派的主场；决策前建议把 crewai-basic-intro-3、AutoGen 那篇和框架横向对比对照着读，定位差异一眼就清楚。

一句话总结：CrewAI 把「一群 Agent 协作」从手搓提示词变成了可复用的工程结构，5.9 万星和一周一版的更新就是市场投票；但它只解决编排，任务拆分、输出约束、成本控制这三件事依然得你自己动手调。