CrewAI
역할을 나눈 여러 에이전트가 협업하도록 구성하는 프레임워크
지표
GitHub API 에서 직접 읽은 값입니다
GitHub 별59,718
라이선스MIT저장소 공개
주 언어Python2023-10-27 공개
마지막 커밋2026-10-15확인 2026-10-15
별 수 추이는 기록이 쌓인 뒤에 보여 줍니다 — 과거 값은 소급해 만들 수 없습니다.
무엇을 하는 도구인가
여러 에이전트에 역할(role), 목표(goal), 작업(task), 도구를 각각 할당하고 이들이 순서대로 또는 서로 협업하며 결과를 주고받도록 구성하는 프레임워크다. 직접 구현하면 에이전트별 역할 분리, 작업 위임, 결과 전달 로직을 손수 짜야 하는데, CrewAI는 이를 역할·목표·백스토리를 선언하는 구조로 대체해 준다. 자율적 협업을 맡기는 'Crew' 방식과 단계를 명시적으로 통제하는 'Flow' 방식을 함께 제공해, 자유도와 통제력 사이에서 선택할 수 있게 한다. LangChain 등 다른 프레임워크의 컴포넌트에 의존하지 않고 독립적으로 만들어졌다는 점에서, 같은 층의 LangChain·LangGraph 기반 도구들과 내부 구조가 다르다.
이럴 때 고른다
- 리서처·작성자·검토자처럼 전문 역할을 나눠 순차적 또는 협업형 파이프라인을 짤 때
- 에이전트의 역할·목표·백스토리를 코드 대신 선언적으로 정의하고 싶을 때
- 자율적 협업(Crew)과 명시적 단계 제어(Flow)를 작업 성격에 따라 섞어 쓰고 싶을 때
- 특정 LLM 체인 프레임워크에 종속되지 않는 독립적인 멀티 에이전트 구조를 원할 때
어디까지만 하나
- 에이전트 간 협업 단계가 늘어날수록 호출 횟수와 토큰 사용량이 함께 늘어나므로 비용과 지연을 별도로 관리해야 한다
- Crew 방식의 자율적 위임은 실행 경로를 예측하거나 디버깅하기 어렵게 만들 수 있어, 통제가 필요한 흐름은 Flow로 따로 설계해야 한다
- 외부 도구 연결, 메모리 저장소, LLM 제공자 설정 등 실제 운영에 필요한 인프라는 CrewAI 바깥에서 직접 구성해야 한다
- 관리형 제공이 있어도 직접 호스팅하는 경우 모니터링, 로깅, 오류 복구 체계는 사용자가 따로 구축해야 한다
에이전트 프레임워크 층은 무엇을 푸나
모델 호출을 여러 단계로 엮고, 도구를 쥐여 주고, 상태를 들고 간다
언제 필요해지나 — 한 번의 호출로 끝나지 않는 일을 코드로 짤 때
같은 층의 다른 도구
층이 같다는 것은 푸는 문제가 같다는 뜻입니다 — 비교가 되는 자리입니다
| 도구 | 하는 일 | 별 | 라이선스 |
|---|---|---|---|
| CrewAI 보는 중 | 역할을 나눈 여러 에이전트가 협업하도록 구성하는 프레임워크 | 59,718 | MIT |
| LangChain | 모델·도구·데이터 연결을 공통 인터페이스로 묶는 프레임워크 | 147,847 | MIT |
| AutoGen | 에이전트 간 대화로 작업을 풀어 가는 다중 에이전트 프레임워크 | 61,414 | CC-BY-4.0 |
| LlamaIndex | 문서를 읽어 색인하고 질문에 맞는 조각을 찾아 넣는 데 초점을 둔 프레임워크 | 52,502 | MIT |
| LangGraph | 에이전트의 단계를 그래프로 정의해 분기·되돌림·사람 개입을 넣는다 | 43,299 | MIT |
| Agno | 메모리·지식·도구를 갖춘 에이전트를 가볍게 구성하는 프레임워크 | 42,739 | Apache-2.0 |
| OpenAI Agents SDK | 핸드오프·가드레일·추적을 기본으로 둔 경량 에이전트 SDK | 30,047 | MIT |
지표는 GitHub API 실측값입니다. 설명은 이 사이트가 작성했으며 공식 문서를 대체하지 않습니다 — 도입 전에 원문을 확인하세요.