CrewAI

AIエージェント更新日:2026年11月14日

ロールベースのAIエージェントによるcrewを構築し、ガバナンスの効いた業務ワークフローとして実行するための、オープンソースのPythonフレームワークとマネージドプラットフォームです。

入力TextCodeAPI出力TextAutomationStructured Data

当サイトのリンクから登録すると、紹介料を受け取る場合があります。レビューの内容には影響しません。

CrewAIとは?

CrewAIは、MITライセンスのPythonフレームワークと、CrewAI AMPという商用プラットフォームから成るツールで、それぞれにロール、ゴール、バックストーリーを与えた複数のLLMエージェントを統率し、1つの仕事を分担させます。リサーチ、執筆、レビューを一度にこなそうとする巨大なプロンプトを1つ書く代わりに、リサーチャー、アナリスト、エディターを定義し、それぞれに専用のツールとモデルを渡して、シーケンシャルなプロセスまたはマネージャー主導のプロセスで作業を受け渡させます。決定論的なステップが必要な場合は、Flowsで状態と分岐を持つイベント駆動の制御を加えられます。オープンソースのリポジトリはGitHubスターが60,000近くあり、ほぼ毎週リリースが出ています。弱点はデバッグで、エージェントがループしたり、ツール呼び出しを黙って飛ばしたりしたとき、抽象化のせいで原因が見えにくくなります。Pythonを書き、マルチエージェントのプロトタイプを午後のうちに動かしたいなら選ぶ価値があります。

CrewAIの始め方

  1. 入口は2つあります。開発者はオープンソースのCLIを使い、Python 3.10〜3.13であることを確認したうえでuvパッケージマネージャーをインストールし、uv tool install crewaiを実行します。ターミナルに触れたくない場合は、app.crewai.comで無料のBasicプランに登録し、AIコパイロット付きのビジュアルエディターであるStudioを開けば、ワークフローを普通の言葉で説明するだけでcrewが作られ、後からPythonにエクスポートできます。

  2. コード側で最初の本格的なシナリオを作るには、crewai create crew my_projectから始めます。現在のデフォルトのひな形はJSONファイルを使い、各エージェントはagents/*.jsoncに、タスクとcrewの設定はcrew.jsoncに置かれます。agents.yaml、tasks.yaml、crew.pyを使う従来の構成が好みなら、--classicフラグを付けてください。モデルのキーを.envに書き、crewai install、続いてcrewai runを実行すると、足りない入力プレースホルダーがあればCLIが入力を求めます。

  3. 結果を左右する設定はエージェントごとにあり、どのLLMを使うか、推論とメモリをオンにするか、どのツールやナレッジソースにアクセスできるか、コードをサンドボックスで実行するかです。モデルはprovider/model-id形式の文字列で指定し、ドキュメントにはOpenAI、Anthropic、GeminiからBedrock、Groq、ローカルのOllamaまで、20を超えるプロバイダーが載っています。高価なモデルは重い推論が必要なエージェントだけに割り当て、要約には安いモデルを使いましょう。

  4. crewがローカルで期待どおりに動いたら、プロジェクトをGitHubにプッシュしてデプロイします。AMPダッシュボードでConnect GitHubをクリックするか、crewai loginと、ローカルの環境変数を読み取ってビルドをキューに入れるcrewai deploy createを実行すればよく、ドキュメントによると初回のデプロイには通常1分ほどかかります。その後URLとBearerトークンが発行され、crewは/inputs、/kickoff、/statusのエンドポイントで応答し、ダッシュボードにはStatus、Run、Executions、Metrics、Tracesのタブが並びます。

ポイント: まずツール1つ、エージェント2つのcrewを作り、そのトレースを最初から最後まで読んでから、エージェントを増やしましょう。

どんな人に向いているか?

Python開発者

ステートマシンを手で配線せずに、協調して動くエージェントが欲しい人です。CrewAIはロール、タスク、プロセスを既製のプリミティブとして提供するため、リサーチとレポート作成のパイプラインが、独自のオーケストレーション層ではなく数ファイルで済みます。デフォルトが邪魔になるときは、低レベルのアクセスも引き続き使えます。

大企業のAIエンジニア

パイロットはノートPCでは動くのに、セキュリティ部門にアクセス制御や監査証跡を問われて止まってしまう人です。EnterpriseプランではSSO、ロールベースのアクセス制御、PIIの秘匿化、自社のVPCやインフラへのデプロイが加わります。これでデモが、プラットフォームチームの承認を得られるものに変わります。

自動化・運用チーム

壊れやすいRPAスクリプトや、リードのエンリッチメントやQAレビューのような長い手作業のチェックリストを置き換えようとしている人です。crewは社内の複数のシステムからデータを取り込み、判断を加えて、人間による承認ステップへ結果を渡せます。最初のワークフローを本番に出す前に、ガードレールの整備に時間がかかると考えておきましょう。

技術系の創業者とコンサルタント

動くマルチエージェントのプロトタイプを、来四半期ではなく今週中にクライアントに見せる必要がある人です。CLIのひな形とテンプレートですぐにcrewを動かせ、無料プランならデモ用にいくつかの自動化をホストできます。月50回の実行はすぐに尽きるため、本番のアーキテクチャは別に計画してください。

学生と独学者

理論よりも、エージェント設計を実際に手を動かして練習したい人です。CrewAIはlearn.crewai.comで無料コースを提供しており、プロジェクトによると100,000人を超える開発者がそこで認定を受けています。サンプルはとっつきやすいものの、ドキュメントはPythonの基礎を知っている前提で書かれています。

ポイント: CrewAIはコードを書く人や身近にエンジニアがいる人に向いており、完全なノーコードのユーザーは、無料のStudioプランの限界に早い段階で突き当たります。

CrewAIの料金

料金は2つの層に分かれます。オープンソースのフレームワークはMITライセンスで無料なので、かかるのはLLMプロバイダーの利用料と自前のホスティング費用だけです。ホスティング型のAMPプラットフォームはワークフローの実行回数で課金され、2026年10月時点で公式の料金ページに載っているのは2つのプランだけです。エージェントのステップごとに自分のプロバイダーアカウントでLLMのトークンが消費されるため、5つのエージェントを持つcrewは、1回の実行あたり単一プロンプトのスクリプトの数倍のコストになり得ることを覚えておきましょう。

Basic
$0/月

Studio(AIコパイロット付きのビジュアルエディター)、GitHub連携、標準のツールとトリガー、トレーシング、OpenTelemetry、ガードレール、human-in-the-loopの入力、SlackやTeamsでのワークフローチャットが含まれます。厳格な上限は自動化2件、ワークフロー実行は月50回で、追加の実行を購入する選択肢はありません。サポートはコミュニティのみです。

Enterprise

個別見積もり。実行回数はワークフローに合わせて設定され、柔軟な超過利用が可能で、CrewAIクラウド、専用VPC、自社インフラのいずれにもデプロイできます。エンタープライズ向けコネクター、Microsoft EntraまたはOktaによるSSO、ロールベースのアクセス制御、PIIの秘匿化とポリシー、SlackまたはTeams経由の専任サポート、45日間のオンボーディングプログラムが加わります。現地派遣型のエンジニアリングとトレーニングは個別に販売され、公開価格の代わりにRequest trialボタンが用意されています。

ポイント: プロトタイプはオープンソースのフレームワークかBasicプランで作り、SSO、プライベートなデプロイ、月50回を超える実行が必要になってから営業に相談しましょう。

CrewAIの主な機能

ロールベースのエージェントは、ロール、ゴール、バックストーリーで定義し、任意でモデル、ツール、メモリ、推論のスイッチを加えます

YAML、JSON、Pythonのいずれでも書け、書き方を混在させることもできます。各エージェントの担当を絞ると、プロンプトが短くなり、出力の監査もしやすくなります。

CrewsとFlowsが2種類の仕事をカバーします

Crewsではエージェントが委任し合い、答えの定まらない問題に協力して取り組む一方、Flowsでは状態、条件分岐、単発のLLM呼び出しを備えたイベント駆動のステップを組めます。両者を組み合わせれば、リスクの高い部分は決定論的に保ち、あいまいな部分だけをエージェントに任せられます。

大規模なツールライブラリが最初から付属し、Web検索、Webサイトの操作、ベクトルデータベースへのクエリ、コード実行をカバーします

フレームワークはMCPサーバーをファーストクラスでサポートし、E2BとDaytona向けのネイティブなサンドボックスツールも備えています。エージェントは、APIごとに独自のアダプターを書かなくても社内APIを呼び出せます。

メモリとチェックポイントで、長いジョブを最初からやり直さずに済みます

メモリは実行をまたいで事実を保存・解決し、チェックポイントは各ステップの状態を記録するため、タスクを再生、分岐、あるいは別の入力で再実行できます。長いワークフローが終盤で失敗したときにトークンを節約できます。

モデルを柔軟に選べるので、エージェントごとに別のプロバイダーを指定できます

OpenAI、Anthropic、Gemini、Azure、Bedrock、Snowflake CortexはネイティブのSDKを使い、ローカルのOllamaモデルを含むそれ以外はLiteLLMを通じて動きます。crewを書き直さずに、重要度の低いエージェントで安いモデルを試せます。

AMPのデプロイと可観測性で、crewをAPIにできます

GitHub、Studio、CLIのいずれかからデプロイすると、RESTエンドポイント、Webhookストリーミング、ツールリポジトリ、そしてコスト集計付きで全LLM呼び出しとツール呼び出しのトレースが得られます。

ポイント: ツールの結果を捏造するエージェントを見つける最速の方法なので、トレーシングは初日からオンにしましょう。

EnterpriseプランのガバナンスコントロールにはSSO、RBAC、監査証跡、人間による承認ゲートに加え、各LLM呼び出しとツール呼び出しにPIIの秘匿化とポリシーチェックを差し込むランタイムフックが含まれます

評価ツールとの連携はArize、Galileo、Datadog、Patronusに対応しています。これらは、本番導入の前にコンプライアンスチームが確認する項目です。

CrewAIの長所と短所

長所

最大の魅力はメンタルモデルです。仕事を役割の明確な専門家チームとして記述するほうが、ノードのグラフよりも考えやすく、G2のレビュアーは協調するエージェントをすぐに動かせる点を繰り返し称賛しています。エージェントごとにモデルを差し替えられ、プライバシーのためにローカルモデルを使え、すべてをMITライセンスのプレーンなPythonで管理できるのでベンダーロックインもありません。プロジェクトは非常に活発で、ほぼ毎週新しいリリースが出ており、コミュニティも大きく、無料の認定コースもあります。ノートPCでは手に負えなくなっても、同じコードをトレーシングとAPI付きでAMPにデプロイできます。まずはオープンソース版から始め、ホスティングやガバナンスが必要になったときにだけAMPへ移りましょう。

短所

デモを手早く作れる抽象化は、エージェントが実際に何をしているかも隠してしまいます。ユーザーからは、ツールの使用中やエージェント同士のやり取りでエージェントがループし、時間とAPI予算を浪費するという報告があり、よく知られたGitHubのバグでは、エージェントがツールを呼び出さずに偽のツール観測結果を生成していました。オープンなissueでは、再試行されたタスクが副作用のあるツールを再実行し、たとえばメールを2回送ってしまう可能性が指摘されています。マルチエージェントの実行はトークンコストも何倍にも膨らませ、無料プランは実行50回が上限で、Enterpriseの料金は公開されていません。エージェントに不慣れな開発者の中には、ドキュメントが難解だと感じる人も少なくありません。データを変更するツールには冪等性のチェックを加え、トレーシングはオンのままにしておきましょう。

こんな時にCrewAIを使いましょう…

  • Pythonでマルチエージェントのリサーチ・レポート作成パイプラインを構築したい。
  • 1つの複雑な仕事を、専門化したAIエージェントに分担させたい。
  • オープンソースのフレームワークで、エージェントのワークフローを素早くプロトタイプしたい。
  • 1つのワークフローの中で異なるLLMプロバイダーを組み合わせたい。
  • Ollama経由のローカルモデルでエージェントを動かしたい。
  • トレーシング内蔵のREST APIとしてcrewをデプロイしたい。
  • 壊れやすいRPAスクリプトを、判断のできるエージェントに置き換えたい。
  • 自動化された業務プロセスに、人間による承認ステップを加えたい。
  • ガバナンスの効いたエージェントを、自社のVPC内でセルフホストしたい。

CrewAIの代替ツール

LangGraphOpenAI Agents SDKDifyRelevance AILindy

CrewAIのレビュー

G2の開発者によると、協調するエージェントのセットアップや別のモデルへの差し替えは手早くできるものの、ツール呼び出しや引き継ぎの際にエージェントがループし、時間とAPIクレジットを消費することがあります。

複数のレビュアーは多段階の作業に向いたロールベースの構造を評価する一方で、学習曲線が急だとし、エージェント初心者にもっとわかりやすいドキュメントを求めています。

Studioのユーザーは、コードをすべて書かずにワークフローを構築・テストできる点を評価する一方、多段階の実行での遅延や、高いと感じる自動化の料金に不満を述べています。

GitHubのユーザーは、エージェントがツールを呼び出さずにその出力をシミュレートすることや、再試行で副作用が繰り返されうることなど、信頼性の欠陥を指摘しており、これは本番利用で問題になります。

Hacker Newsでは、フレームワークの層があると本番でのデバッグがつらくなるとして、モデルSDKの薄いラッパーを好む開発者がいる一方、複雑で可観測性の高いマルチモデル構成ではフレームワークが元を取れるという開発者もいます。

よくある質問

CrewAIは無料ですか?

オープンソースのフレームワークはMITライセンスで無料で、支払うのは呼び出すLLMのAPI料金だけです。ホスティング型のBasicプランも無料ですが、自動化2件、ワークフロー実行は月50回までに制限されています。

CrewAIはLangChainに依存していますか?

いいえ。READMEでは、CrewAIはエージェント、タスク、crew、flow、ツールのための独自のプリミティブを持つ、独立したPythonフレームワークとして説明されています。

CrewAIはどのLLMに対応していますか?

ドキュメントには、OpenAI、Anthropic、Google Gemini、Azure、AWS Bedrock、Mistral、Groq、IBM watsonxなど、20を超えるプロバイダーが載っています。ローカルモデルはOllamaまたはLM Studio経由で動作します。

必要なPythonのバージョンは?

CrewAIにはPython 3.10以上、3.14未満が必要です。ドキュメントでは、uvパッケージマネージャーでのインストールが推奨されています。

CrewAIはデータを収集しますか?

フレームワークはバージョン番号、エージェント数、ツール名などの匿名テレメトリを送信しますが、デフォルトではプロンプトやタスクの出力は送信しません。環境変数OTEL_SDK_DISABLEDをtrueに設定すれば無効にできます。

CrewAIを本番環境でセルフホストできますか?

はい。オープンソースのフレームワークはどのインフラでも実行でき、EnterpriseプランはSSOとロールベースのアクセス制御付きで、自社のVPCやオンプレミス環境へのデプロイに対応しています。

CrewAIにAPIはありますか?

AMPにデプロイされたすべてのcrewには、URL、Bearerトークン、そして必要な入力の読み取り、実行の開始、ステータスの確認を行うRESTエンドポイントが付与されます。個人アクセストークンを使えば、CIからcrewを再デプロイすることもできます。

CrewAI Enterpriseの料金はいくらですか?

Enterpriseの料金は見積もり制で、ワークフローに合わせて設定され、追加の実行には柔軟な超過利用が適用されます。料金ページからトライアルをリクエストできます。

CrewAIを試してみませんか?
CrewAIを試す