CrewAI（クルーエーアイ）
CrewAIは役割ベースのマルチエージェントフレームワークで、人間のチーム構成を模倣した「クルー」「エージェント」「タスク」「プロセス」の4概念でLLMワークフローを直感的に設計できる。GitHub Star 45,000超。
CrewAI（クルーエーアイ）は、役割ベースのマルチエージェントフレームワークである。「人間のチームのようにAIエージェントを組織する」という設計思想に基づき、各エージェントに役割（Role）・目標（Goal）・背景ストーリー（Backstory）を付与してタスクを遂行させる。2024年の公開以来、GitHub Star 45,000超を記録し、AutoGen・LangGraphと並ぶ主要MASフレームワークの一つ。
概要
CrewAIの設計は4つの中核概念で構成される。Agent（役割を持つ個別エージェント）、Task（各エージェントに割り当てられるタスク）、Crew（エージェントとタスクをまとめたチーム）、Process（タスク実行順序: sequential / hierarchical）。この構造により、プロンプトエンジニアリングの知識がなくても、「誰が」「何を」「どの順で」行うかを自然に定義できる。
2026年のCrewAI 0.80では、Flow（ワークフロー制御）・Knowledge（知識ベース統合）・Memory（短期/長期/エンティティメモリ）・CrewAI Enterprise（商用SaaS）が追加され、本格的な本番運用に対応している。
主な特徴・仕組み
- 役割ベース設計: 各エージェントにRole（職種）・Goal（目標）・Backstory（経験・専門性）を文字列で定義。LLMが役割を「演じる」ことで、出力の一貫性と専門性が向上する
- タスク定義: description（タスク内容）・expected_output（期待する出力形式）・agent（担当エージェント）を指定。Pydanticモデルで出力スキーマを型安全に定義可能
- プロセス制御:
sequential（直列実行）とhierarchical（マネージャーエージェントがタスク割り当てを動的に決定）の2モード - ツール統合:
@toolデコレータでPython関数をツール化。SerpAPI・Browserless・FileRead/Write・CodeInterpreter等の組み込みツールも利用可能 - メモリシステム: Short-Term Memory（会話履歴）・Long-Term Memory（SQLiteベースの永続記憶）・Entity Memory（人物/組織等の関係記憶）の3層構造
- Knowledge: RAGベースの知識統合。PDF・テキスト・JSON等のソースをエージェントの参照知識として登録可能
- Flow: CrewAI 0.80で追加されたワークフロー制御機能。
@start・@listen・@routerデコレータでイベント駆動の複雑なフローを定義 - マルチモデル対応: OpenAI・Anthropic Claude・Azure・Ollama・LiteLLM対応。エージェントごとに異なるモデルを指定可能
Agent定義の基本構造
| パラメータ | 説明 | 例 |
|---|---|---|
| role | エージェントの職種・役割 | Senior Data Analyst |
| goal | 達成すべき目標 | Analyze sales data and identify trends |
| backstory | 経験・専門性の背景説明 | 10年の分析経験を持つシニアアナリスト |
| tools | 利用可能なツールのリスト | [search_tool, calculator] |
| llm | 使用するLLMモデル | gpt-4o / claude-3.5-sonnet |
| verbose | デバッグ出力の有効化 | True / False |
| allow_delegation | 他エージェントへの委譲許可 | True（hierarchicalで有効） |
実装パターン例
コンテンツ制作クルー
- ResearcherAgent: Web検索でトピックの最新情報を収集（role: Senior Researcher, tools: [SerperDevTool]）
- WriterAgent: 収集情報を基に記事を執筆（role: Content Writer, backstory: SEO最適化の専門家）
- EditorAgent: 記事の品質・事実確認・文法チェック（role: Editor, expected_output: 校正済み記事テキスト）
Process=sequentialで「調査→執筆→編集」の3段パイプラインを構成。各タスクの出力が次タスクのコンテキストとして自動的に渡される。
AutoGen・LangGraphとの使い分け
| 観点 | CrewAI | AutoGen | LangGraph |
|---|---|---|---|
| 設計アプローチ | 役割ベース | 会話ベース | グラフベース |
| 学習コスト | 低い | 中程度 | 高い |
| 柔軟性 | 中程度 | 高い | 最高 |
| 適用領域 | 定型ワークフロー | 動的対話 | 複雑な分岐・ループ |
| 本番運用 | CrewAI Enterprise | 自前構築 | LangGraph Cloud |
よくある質問（FAQ）
Q1: CrewAIで最初に作るべきワークフローは？ A: 「リサーチャー→ライター→レビュアー」の3エージェント直列パイプラインが定番。Process=sequentialで実装でき、各エージェントの役割分担が明確なため学習に最適。所要時間5分で動作確認まで可能。
Q2: CrewAI EnterpriseとOSS版の違いは？ A: OSS版はコア機能（Agent/Task/Crew/Process/Flow）を全て含む。Enterprise版はGUI管理画面・チーム間共有・デプロイ自動化・モニタリングダッシュボード・SLA保証を追加した商用SaaS。個人開発やPoC段階ではOSS版で十分。
Q3: CrewAIの処理が遅い場合の改善策は？ A: エージェントごとにモデルを使い分ける（判断エージェント: GPT-4o、実行エージェント: GPT-4o-mini）のが最も効果的。verbose=Trueで各ステップの所要時間を確認し、ボトルネックのエージェントを特定してプロンプト最適化またはツール追加で対応する。
まとめ
- CrewAIは役割ベース設計で直感的にマルチエージェントワークフローを構築できるフレームワーク
- Agent・Task・Crew・Processの4概念で「誰が何をどの順で」を自然に定義
- sequential（直列）とhierarchical（階層型）の2プロセスモードを提供
- 2026年のv0.80でFlow・Knowledge・Memoryが追加され本番運用に対応
- 学習コストが低くPoC構築に最適、本格運用にはCrewAI Enterpriseも選択肢