CrewAI

AI-agentenBijgewerkt op 14 november 2026

Open-source Python-framework en beheerd platform voor het bouwen van crews van rolgebaseerde AI-agents en het draaien ervan als bedrijfsworkflows met governance.

InvoerTextCodeAPIUitvoerTextAutomationStructured Data

We kunnen een commissie ontvangen als je je via onze links aanmeldt. Dat heeft geen invloed op onze reviews.

Wat is CrewAI?

CrewAI is een Python-framework met MIT-licentie, plus een commercieel platform genaamd CrewAI AMP, voor het orkestreren van meerdere LLM-agents die elk een rol, een doel en een achtergrondverhaal krijgen en vervolgens een taak onderling verdelen. In plaats van één gigantische prompt die tegelijk onderzoek moet doen, moet schrijven en moet reviewen, definieer je een onderzoeker, een analist en een redacteur, geef je elk daarvan eigen tools en een eigen model, en laat je ze het werk doorgeven via een sequentieel of door een manager aangestuurd proces. Flows voegen event-gedreven controle met state en vertakkingen toe wanneer je deterministische stappen nodig hebt. De open-source repo heeft bijna 60.000 sterren op GitHub en brengt vrijwel elke week een release uit. Het zwakke punt is debuggen: wanneer agents in een lus raken of stilletjes een toolaanroep overslaan, maakt de abstractie de oorzaak moeilijk te zien. Kies het als je in Python schrijft en binnen een middag multi-agentprototypes werkend wilt hebben.

Hoe begin je met CrewAI?

  1. Je hebt twee instappunten. Developers installeren de open-source CLI: zorg dat je Python 3.10 tot 3.13 draait, installeer de pakketbeheerder uv en voer daarna uv tool install crewai uit. Wil je liever geen terminal aanraken, meld je dan aan voor het gratis Basic-abonnement op app.crewai.com en open Studio, de visuele editor met een AI-copilot, waar je de workflow in gewone taal beschrijft en een crew krijgt die je later naar Python kunt exporteren.

  2. Je eerste echte scenario aan de codekant begint met crewai create crew my_project. De standaardopzet gebruikt nu JSON-bestanden: elke agent staat in agents/*.jsonc, terwijl taken en crew-instellingen in crew.jsonc staan. Voeg de vlag --classic toe als je de oudere indeling met agents.yaml, tasks.yaml en crew.py verkiest. Zet je modelsleutel in .env, voer crewai install uit en daarna crewai run, en de CLI vraagt je om eventuele ontbrekende invoerplaatshouders.

  3. De instellingen die de resultaten bepalen, gelden per agent: welk LLM het gebruikt, of redeneren en geheugen aanstaan, bij welke tools en kennisbronnen het kan, en of het code in een sandbox uitvoert. Modellen stel je in met een string provider/model-id, en de documentatie noemt meer dan 20 providers, van OpenAI, Anthropic en Gemini tot Bedrock, Groq en lokale Ollama. Geef het dure model alleen aan de agent die zwaar moet redeneren en gebruik een goedkoper model voor samenvattingen.

  4. Werkt de crew lokaal naar behoren, push het project dan naar GitHub en deploy het. Je kunt in het AMP-dashboard op Connect GitHub klikken, of crewai login en crewai deploy create uitvoeren, dat je lokale omgevingsvariabelen inleest en de build in de wachtrij zet; volgens de documentatie duurt een eerste deployment meestal ongeveer een minuut. Daarna krijg je een URL en een Bearer-token, en de crew reageert op de endpoints /inputs, /kickoff en /status, met de tabbladen Status, Run, Executions, Metrics en Traces in het dashboard.

Conclusie: bouw eerst een crew van twee agents met één tool, lees de trace van begin tot eind en voeg pas daarna meer agents toe.

Voor wie is het?

Python-developers

Je wilt agents die samenwerken zonder dat je met de hand een state machine in elkaar zet. CrewAI geeft je rollen, taken en processen als kant-en-klare bouwstenen, zodat een pijplijn voor onderzoek en rapportage een paar bestanden kost in plaats van een eigen orkestratielaag. Je houdt nog steeds toegang op laag niveau wanneer de standaardinstellingen in de weg zitten.

AI-engineers bij grotere bedrijven

Je pilots werken op een laptop, maar lopen vast zodra security vragen stelt over toegangsbeheer en audit trails. De Enterprise-tier voegt SSO, rolgebaseerde toegang, PII-redactie en deployment in je eigen VPC of infrastructuur toe. Zo wordt een demo iets waar een platformteam mee akkoord kan gaan.

Automatiserings- en operationsteams

Je vervangt broze RPA-scripts of lange handmatige checklists, zoals leadverrijking of QA-review. Crews kunnen data uit meerdere interne systemen ophalen, een afweging maken en de resultaten doorgeven aan een stap voor menselijke goedkeuring. Reken erop dat je tijd kwijt bent aan guardrails voordat de eerste workflow live gaat.

Technische founders en consultants

Je moet een klant deze week een werkend multi-agentprototype laten zien, niet volgend kwartaal. De CLI-scaffold en templates brengen je snel naar een draaiende crew, en met het gratis abonnement kun je een paar automatiseringen hosten voor een demo. Plan je productiearchitectuur apart, want 50 runs per maand zijn snel op.

Studenten en autodidacten

Je wilt praktijkervaring met agentontwerp in plaats van theorie. CrewAI biedt gratis cursussen aan op learn.crewai.com, en volgens het project zijn daar meer dan 100.000 developers mee gecertificeerd. De voorbeelden zijn toegankelijk, al gaat de documentatie ervan uit dat je basiskennis van Python al hebt.

Conclusie: CrewAI past bij mensen die programmeren of engineers in de buurt hebben; pure no-codegebruikers lopen al vroeg tegen de grenzen van het gratis Studio-abonnement aan.

Prijzen van CrewAI

De prijzen bestaan uit twee lagen. Het open-source framework is gratis onder de MIT-licentie, dus de enige lopende kosten zijn de rekening van je LLM-provider en je eigen hosting. Het gehoste AMP-platform rekent af per workflow-uitvoering, en de officiële prijspagina vermeldt per oktober 2026 slechts twee tiers. Onthoud dat elke agentstap LLM-tokens verbruikt op je eigen provideraccount, dus een crew met vijf agents kan per run een veelvoud kosten van een script met één prompt.

Basic
$0/maand

Inclusief Studio (de visuele editor met AI-copilot), GitHub-integratie, standaardtools en triggers, tracing, OpenTelemetry, guardrails, human-in-the-loop-invoer en workflowchat in Slack of Teams. De harde limieten zijn 2 automatiseringen en 50 workflow-uitvoeringen per maand, zonder mogelijkheid om extra uitvoeringen bij te kopen. Support loopt alleen via de community.

Enterprise

Op maat. Het aantal uitvoeringen wordt afgestemd op je workflows met flexibele overschrijding, en je kunt deployen op de CrewAI-cloud, een dedicated VPC of je eigen infrastructuur. Het voegt enterprise-connectors toe, SSO met Microsoft Entra of Okta, rolgebaseerd toegangsbeheer, PII-redactie en beleidsregels, dedicated support via Slack of Teams en een onboardingprogramma van 45 dagen. Forward-deployed engineering en training worden à la carte verkocht, en er is een knop Request trial in plaats van een openbare prijs.

Conclusie: bouw prototypes op het open-source framework of het Basic-abonnement, en praat pas met sales wanneer je SSO, een private deployment of meer dan 50 runs per maand nodig hebt.

Belangrijkste functies van CrewAI

Rolgebaseerde agents worden gedefinieerd met een rol, doel en achtergrondverhaal, plus een optioneel model, tools, geheugen en een schakelaar voor redeneren. Je kunt ze in YAML, JSON of Python schrijven en de stijlen combineren. Door elke agent smal te houden worden prompts korter en zijn outputs makkelijker te controleren.

Crews en Flows dekken twee soorten werk

Met Crews kunnen agents taken delegeren en samenwerken aan open problemen, terwijl Flows je event-gedreven stappen geven met state, voorwaardelijke vertakkingen en losse LLM-aanroepen. Door ze te combineren houd je de riskante delen deterministisch en geef je alleen de vage delen aan agents.

Er zit standaard een grote toolbibliotheek bij, met webzoeken, interactie met websites, queries op vectordatabases en code-uitvoering. Het framework heeft volwaardige ondersteuning voor MCP-servers en native sandboxtools voor E2B en Daytona. Agents kunnen je interne API’s aanroepen zonder dat je voor elke API een eigen adapter schrijft.

Geheugen en checkpointing voorkomen dat lange taken opnieuw beginnen

Het geheugen slaat feiten over runs heen op en lost ze op, en checkpointing legt de state bij elke stap vast, zodat je een taak opnieuw kunt afspelen, forken of met andere invoer opnieuw kunt draaien. Dat bespaart tokens wanneer een lange workflow vlak voor het einde mislukt.

Modelflexibiliteit betekent dat elke agent naar een andere provider kan wijzen

OpenAI, Anthropic, Gemini, Azure, Bedrock en Snowflake Cortex gebruiken native SDK’s, en de rest, inclusief lokale Ollama-modellen, draait via LiteLLM. Je kunt goedkopere modellen testen op agents waar weinig van afhangt zonder de crew te herschrijven.

AMP-deployment en observability maken van een crew een API

Je deployt vanuit GitHub, Studio of de CLI en krijgt daarna REST-endpoints, webhook-streaming, een toolrepository en traces van elke LLM- en toolaanroep met kostenoverzicht.

Conclusie: zet tracing vanaf dag één aan, want zo betrap je het snelst een agent die een toolresultaat verzint.

Governance-instellingen in de Enterprise-tier omvatten SSO, RBAC, audit trails, menselijke goedkeuringsstappen en runtime-hooks die PII-redactie en beleidscontroles in elke LLM- en toolaanroep injecteren. Integraties voor evaluatie dekken Arize, Galileo, Datadog en Patronus. Dit zijn de onderdelen waar complianceteams naar vragen voordat iets in productie gaat.

Voor- en nadelen van CrewAI

Voordelen

Het denkmodel is de grootste trekpleister. Werk beschrijven als een team van specialisten met duidelijke taken is makkelijker te overzien dan een graaf van nodes, en reviewers op G2 prijzen herhaaldelijk hoe snel ze samenwerkende agents aan de praat krijgen. Je kunt per agent van model wisselen, lokale modellen gebruiken voor privacy en alles in gewoon Python houden onder een MIT-licentie, zonder vendor lock-in. Het project is erg actief, met bijna elke week nieuwe releases, een grote community en gratis certificeringscursussen. Ben je een laptop ontgroeid, dan deployt dezelfde code naar AMP met tracing en een API erbij. Begin met de open-source versie en stap pas over op AMP wanneer je hosting of governance nodig hebt.

Nadelen

De abstractie die demo’s snel maakt, verbergt ook wat agents eigenlijk doen. Gebruikers melden dat agents in een lus raken tijdens toolgebruik of uitwisselingen tussen agents, wat tijd en API-budget verspilt, en een bekende bug op GitHub liet zien dat agents nep-toolobservaties produceerden in plaats van de tool aan te roepen. Een openstaande issue vermeldt dat opnieuw geprobeerde taken tools met neveneffecten opnieuw kunnen uitvoeren, zoals een e-mail twee keer versturen. Multi-agentruns vermenigvuldigen bovendien de tokenkosten, het gratis abonnement beperkt je tot 50 uitvoeringen en de prijzen van Enterprise zijn niet openbaar. Verschillende developers vinden de documentatie lastig als ze nieuw zijn met agents. Voeg idempotentiecontroles toe aan elke tool die data wijzigt, en laat tracing aanstaan.

Gebruik CrewAI als je…

  • Multi-agentpijplijnen voor onderzoek en rapportage in Python wilt bouwen.
  • Eén complexe taak over gespecialiseerde AI-agents wilt verdelen.
  • Snel prototypes van agentworkflows wilt maken met een open-source framework.
  • Verschillende LLM-providers binnen één workflow wilt combineren.
  • Agents via Ollama op lokale modellen wilt draaien.
  • Crews als REST API’s met ingebouwde tracing wilt deployen.
  • Broze RPA-scripts wilt vervangen door agents die zelf een afweging kunnen maken.
  • Stappen voor menselijke goedkeuring wilt toevoegen aan geautomatiseerde bedrijfsprocessen.
  • Agents met governance zelf wilt hosten binnen je eigen VPC.

Alternatieven voor CrewAI

LangGraphOpenAI Agents SDKDifyRelevance AILindy

Recensies van CrewAI

Developers op G2 zeggen dat het opzetten van samenwerkende agents en het inwisselen van andere modellen snel gaat, maar dat agents tijdens toolaanroepen of overdrachten in een lus kunnen raken, wat tijd en API-tegoed kost.

Verschillende reviewers waarderen de rolgebaseerde structuur voor werk in meerdere stappen, maar noemen de leercurve steil en willen documentatie die vriendelijker is voor mensen die nieuw zijn met agents.

Gebruikers van Studio waarderen dat ze workflows kunnen bouwen en testen zonder alle code te schrijven, maar klagen over vertraging bij runs met meerdere stappen en over automatiseringsprijzen die ze hoog vinden.

Gebruikers op GitHub hebben gewezen op tekortkomingen in de betrouwbaarheid, zoals agents die tooloutput simuleren in plaats van de tool aan te roepen en retries die neveneffecten kunnen herhalen, wat van belang is voor gebruik in productie.

Op Hacker News zeggen sommige developers dat frameworklagen debuggen in productie pijnlijk maken en geven ze de voorkeur aan dunne wrappers rond model-SDK’s, terwijl anderen zeggen dat frameworks zich terugbetalen bij complexe, observeerbare opstellingen met meerdere modellen.

Veelgestelde vragen

Is CrewAI gratis?

Het open-source framework is gratis onder de MIT-licentie, en je betaalt alleen voor de LLM-API’s die je aanroept. Het gehoste Basic-abonnement is ook gratis, maar beperkt tot 2 automatiseringen en 50 workflow-uitvoeringen per maand.

Is CrewAI afhankelijk van LangChain?

Nee. De README beschrijft CrewAI als een zelfstandig Python-framework met eigen bouwstenen voor agents, taken, crews, flows en tools.

Welke LLM’s ondersteunt CrewAI?

De documentatie noemt meer dan 20 providers, waaronder OpenAI, Anthropic, Google Gemini, Azure, AWS Bedrock, Mistral, Groq en IBM watsonx. Lokale modellen werken via Ollama of LM Studio.

Welke Python-versie heb ik nodig?

CrewAI vereist Python 3.10 of nieuwer en lager dan 3.14. De documentatie raadt aan het te installeren met de pakketbeheerder uv.

Verzamelt CrewAI mijn gegevens?

Het framework verstuurt anonieme telemetrie zoals versienummers, aantallen agents en toolnamen, maar standaard geen prompts of taakoutputs. Je kunt dit uitschakelen door de omgevingsvariabele OTEL_SDK_DISABLED op true te zetten.

Kan ik CrewAI zelf hosten in productie?

Ja. Je kunt het open-source framework op elke infrastructuur draaien, en het Enterprise-abonnement ondersteunt deployment in je eigen VPC of on-premise omgeving met SSO en rolgebaseerde toegang.

Heeft CrewAI een API?

Elke crew die naar AMP is gedeployd, krijgt een URL, een Bearer-token en REST-endpoints om de vereiste invoer op te vragen, een run te starten en de status ervan te controleren. Je kunt crews ook opnieuw deployen vanuit CI met een persoonlijk toegangstoken.

Wat kost CrewAI Enterprise?

De prijs van Enterprise is gebaseerd op een offerte en afgestemd op je workflows, met flexibele overschrijding voor extra uitvoeringen. Je kunt een proefperiode aanvragen via de prijspagina.

Klaar om CrewAI te proberen?
Probeer CrewAI