CrewAI

CrewAI för mediehus: ett öppet ramverk med en företagsplattform för redaktioner med egen utveckling

CrewAI har två ansikten som en digitalchef bör hålla isär. Det ena är ett ramverk med öppen källkod. På GitHub beskrivs det som ett ramverk för att orkestrera rollspelande, autonoma AI-agenter¹, med MIT-licens², och licensfilen innehåller MIT-licensens rättighetsklausul³. Sidan visade 60,7 tusen stjärnor vid kontrollen⁴. Det andra är företagsplattformen CrewAI AMP. Den ska hjälpa kunden att köra, följa upp och skala sina agentgrupper i produktion⁵, och den bygger vidare på ramverket med funktioner för drift, samarbete och tillväxt⁶.

I den här jämförelsen får CrewAI sjunde plats för ett mediehus. Plattformen har en detaljerad behörighetsmodell^7,8,9, mänskliga godkännandesteg under körning¹⁰, spårning av varje modellanrop¹¹ och möjlighet att köra i kundens egen miljö¹². Den hamnar sist eftersom ingen certifiering som SOC 2 eller ISO 27001 nämns på de sidor vi öppnade, eftersom bygget utgår från kod och kommandorad^13,14, och eftersom det kostnadsfria Basic-alternativet är begränsat till 50 körningar per månad¹⁵.

Bolaget och produkten

Startsidan placerar CrewAI som en företagsplattform för att bygga och köra agenter¹⁶ och som en enhetlig plattform för bygge och körning som styrs centralt¹⁷. Bolaget säger att 65 procent av Fortune 500 använder CrewAI¹⁸, vilket är en uppgift från bolaget. README-filen beskriver produkten som byggd på team av AI-agenter, kallade Crews, och händelsestyrda Flows¹⁹. Bland funktionerna nämns en gemensam kontrollpanel där agenter och arbetsflöden hanteras, följs och skalas, samt spårning med mätvärden, loggar och spår i realtid^20,21.

Kontrollpanelen sitter i körvägen för varje arbetsflöde, så att samspelet mellan agenter går att observera, följer reglerna och kan backas²². Spårning i realtid täcker varje modellanrop, verktygsanrop och minnesläsning, med full kostnadsredovisning¹¹. Körningskrokar lägger in maskering av personuppgifter och policykontroller vid varje modell- och verktygsanrop²³. Man kan bygga i en visuell redigerare som inte kräver kod, och resultatet går att exportera till Python²⁴. Den som vill styra allt själv har ett kodbaserat API¹³.

Den automatiska byggaren för flera agenter leds av 700 000 mönster för agentarbetsflöden, enligt bolaget²⁵. Funktionen Discovery håller mönster från miljarder tidigare agentkörningar mot de ärenden, chattar, appar och flöden som kunden själv har²⁶. Delen Optimize rymmer tester mot flera modeller, så att modellen kan bytas medan agenterna körs²⁷. Crew Studio är ett gränssnitt med låg kod eller ingen kod där agentgrupper skapas och justeras²⁸.

Införande och stöd

För utvecklare börjar det med kommandoraden. Ett nytt JSON-baserat projekt skapas med kommandot crewai create crew²⁹, och agenterna definieras i filerna agents/*.jsonc¹⁴. Att komma igång börjar med att registrera ett konto i fyra steg³⁰. Koden kan nå driften via ett kopplat GitHub-förråd³¹, och mer avancerade flöden går via CrewAI:s kommandorad³². Vid GitHub-driftsättning lagras CrewAI:s token och automatiseringens UUID som hemligheter i förrådet³³, och en etikett på en pull request startar en driftsättning därifrån³⁴. Crew Studio-bygge kan driftsättas i gränssnittet utan kod³⁵.

I Enterprise ingår en onboarding som tar 45 dagar och som ska lägga grunden för agenter i produktion över hela verksamheten³⁶. Konsultarbete med utvecklingsinsatser och utbildning kan köpas separat à la carte³⁷. Bygget utgår från kod, och en redaktion utan egen teknikavdelning behöver köpa in den hjälpen. Onboardingen på 45 dagar är tänkt som en grund för produktion, och sidan anger inte när den första agenten är i drift.

Integrationer och kanaler

Dokumentationen har en sida per koppling, från Asana till Zendesk³⁸. Avsnittet om utlösare innehåller en Zapier-utlösare³⁹, och webbhook-strömning skickar händelser och uppdateringar i realtid till kundens system⁴⁰. Det finns en instruktion för export via OpenTelemetry, och en egen sida för Datadog^41,42. Enterprise-planen innehåller företagskopplingar medan Basic-kolumnen visar ett streck⁴³. Export som MCP-server ingår i både Basic och Enterprise⁴⁴, liksom export som UI-komponent⁴⁵.

Marknadsplatsen är till för att hitta, installera och styra återanvändbara tillgångar för företagets agenter⁴⁶. I agentförråden sparas agentdefinitioner som sedan kan delas och användas om av olika team och projekt⁴⁷. Under Verktyg och integrationer ansluts externa appar och förvaltas de interna verktyg som agenterna får använda⁴⁸. Inga redaktionssystem, prenumerationssystem eller annonssystem nämns vid namn bland de uppgifter vi samlade, och ramverket ger i stället möjlighet att skriva egna kopplingar.

Säkerhet och certifieringar

Här finns plattformens tydligaste lucka. Sidfoten länkar till ett säkerhetscenter⁴⁹, men sidan visar bara sin rubrik i den sparade kopian och inga certifieringar nämns där⁵⁰. SOC 2, ISO 27001 eller andra certifieringar nämns inte på de sparade CrewAI-sidorna. Det som finns att läsa är funktioner. Enterprise-planen innehåller enkel inloggning med Microsoft Entra och Okta⁵¹ och rollbaserad åtkomstkontroll, medan Basic visar ett streck⁵². Styrningen omfattar enkel inloggning, RBAC, arbetsbelastningsidentitet, maskering av personuppgifter och policyer⁵³, och RBAC och revision ger detaljerad kontroll, oföränderliga granskningsspår och IAM för företag⁵⁴.

Hallucinationsskyddet är en företagsfunktion som kontrollerar AI-genererat innehåll⁵⁵. Funktionen för maskering hittar personuppgifter i spåren från crews och flöden och döljer dem⁵⁶. Den är en del av Enterprise-planen⁵⁷. På sidan om maskering pekas GDPR, HIPAA och PCI-DSS ut som regelverk som är svåra att leva upp till utan den⁵⁸. Maskeringen måste slås på manuellt för varje driftsättning⁵⁹, och varje aktiverad entitet ger extra bearbetningsbelastning⁶⁰. Känsliga data maskeras innan de lagras i spår⁶¹.

För en redaktion är maskering av personuppgifter relevant, eftersom källskydd och uppgifter om privatpersoner kan hamna i spåren. Funktionen är dokumenterad, och en certifiering som visar att den revideras av tredje part finns inte bland uppgifterna.

Styrning och kontroll

RBAC i CrewAI AMP bygger på två lager: funktionsbehörigheter och behörigheter på entitetsnivå⁷. Två roller är färdiga, Owner och Member, och dessutom går det att skapa egna⁸. Rollen Owner har full tillgång till alla funktioner och inställningar och kan inte begränsas⁶². Rollen Member har läsrätt till de flesta funktioner och hanteringsrätt för miljövariabler, modellanslutningar och Studio-projekt⁶³. Egna roller kan skräddarsys efter ett teams behov⁹. För varje funktion väljs Manage, Read eller ingen åtkomst^64,65. Undantaget är miljövariabler, modellanslutningar och Studio-projekt, där Read inte finns som val^64,65.

Privata automatiseringar kan bara ses och användas av de personer och roller som står på en lista, med undantag för organisationens ägare som alltid har tillträde^66,67. Behörighetstypen human_in_the_loop gäller svar på begäranden om mänskligt godkännande⁶⁸. Startsidan nämner också godkännandesteg där en människa kan ingripa under körning¹⁰. Ner på enskild entitet går det att styra vilka roller eller personer som får se eller ändra en viss miljövariabel⁶⁹.

Just godkännandestegen är det som en redaktion bör testa först, eftersom de motsvarar publiceringsgodkännandet. Sidorna visar att de finns och vilken behörighet som styr dem, men visar inget exempel på hur ett godkännande av en text ser ut.

Enkel inloggning med just-in-time-provisionering ger användare och teamåtkomst från identitetsleverantörens grupper⁷⁰. Sidan klargör att den inte är katalogsynk eller SCIM⁷¹, och att SAML-anslutningar för Entra ID, Okta, Keycloak och Auth0 får gruppmappningen automatiskt när anslutningen blir aktiv⁷². Kopplingar mellan grupper och team ger eller drar in teamåtkomst som styrs via SSO⁷³. Medlemskap som lagts in direkt i CrewAI påverkas däremot inte av SSO-avstämningen⁷⁴. Att ta bort en användares SSO-tilldelning stoppar framtida inloggningar men raderar inte användaren direkt⁷⁵.

Hosting och datahantering

Det här är en styrka. Företagskunden väljer mellan CrewAI:s eget moln, en egen virtuell miljö eller helt egen infrastruktur¹². Dedikerad VPC är ett alternativ för Enterprise, och Basic-kolumnen visar ett streck⁷⁶. Plattformen kan också driftsätta team av agenter på hanterad infrastruktur med några klick⁷⁷, och agenterna övervakas med detaljerade körningsspår och loggar⁷⁸.

För ett förlag med krav på att hålla data i Sverige eller EU är möjligheten till egen infrastruktur den mest användbara uppgiften i hela underlaget för CrewAI, eftersom ett val av region då ligger hos kunden. Vilken region CrewAI:s eget moln använder anges inte bland de uppgifter vi samlade.

Priser och köp

Basic är kostnadsfritt och innehåller en gräns på 50 arbetsflödeskörningar per månad¹⁵. I planen ingår den visuella redigeraren med AI-copilot⁷⁹ och GitHub-integrationen⁸⁰, och den presenteras som ett första steg mot ett agentiskt arbetsflöde⁸¹. Studio med visuell redigerare räknas bland Basic-planens funktioner⁸².

Enterprise anges som Custom och utgår från allt i den kostnadsfria planen plus styrning⁸³. Planen innehåller flexibel överförbrukning för fler körningar⁸⁴, en onboarding på 45 dagar³⁶ och konsultinsatser à la carte³⁷. Den beskrivs som ett sätt att skala agentisk AI i hela organisationen med den styrning som krävs för att hålla den i produktion⁸⁵. Ett belopp finns inte i det underlag vi samlade.

Där CrewAI passar

Målgruppen är enligt startsidan affärsteam och tekniska team som bygger agenter, medan plattformsteam har kontrollen över dem⁸⁶. Bolaget beskriver tre steg. I första steget är teamet redo för agenter och behöver en stabil grund⁸⁷. I det andra har piloter lanserats och agenterna ska i produktion⁸⁸, och i det tredje körs agenterna och spridningen måste hanteras⁸⁹.

Bland kundexemplen finns Docusign, som kortade tiden till första kontakt med nya leads genom att samla och bedöma leaddata ur flera interna system⁹⁰, General Assembly, som tog fram kurser i större skala med en agentgrupp⁹¹, och Gelato, som varje månad berikar över 3 000 leads⁹². Ett exempel nämner att test av röstagenter minskade QA-tiden från 74 till 3 timmar⁹³, och Piracanjuba redovisar 95 procent träffsäkra svar i kundtjänst⁹⁴. Alla påståenden är bolagets egna, och ingen av kunderna är ett mediehus.

Passformen för ett mediehus gäller en redaktion eller ett förlag med en egen utvecklingsgrupp som vill bygga specialbyggda agenter mot egna system och köra dem på egen infrastruktur. Det är en tolkning av vad sidorna beskriver.

Där det finns svagheter

Basic-planen har högst 50 körningar, och Enterprise anges som Custom⁹⁵. På Basic får man hjälp av communityn, och Enterprise tillför dedikerad support och kontakt via Slack eller Teams⁹⁶. Överskrider en SAML-assertion gränsen på 150 grupper hoppar Entra över grupplistan⁹⁷, och ändringar i grupper får effekt först vid användarens nästa inloggning⁹⁸. Att uppdatera en befintlig session stämmer inte av teamåtkomsten⁹⁹, och gruppmedlemskap i Entra ID kräver Microsoft Entra ID P1 eller P2¹⁰⁰. Rättigheten Read på organization_settings ger en titt på fliken Members, men ingen väg in på själva inställningssidan¹⁰¹. Zip-driftsättningar förutsätter att organisationen inte har stängt av dem i organisationsinställningarna¹⁰², och driftsättning från GitHub kräver rättigheten Read på crews_dashboards¹⁰³.

Dessutom saknas uppgifter om certifieringar, om vilken region CrewAI:s eget moln använder och om vilken hjälp ett mediehus utan egna utvecklare kan få utöver de separat köpta insatserna³⁷.

Frågor att ställa innan ni väljer CrewAI

CrewAI är det alternativ som kräver mest av köparen. Sju frågor bör få svar före en pilot.

1. Vem hos oss bygger och underhåller agenterna, och behöver vi köpa in utvecklingsinsatser à la carte^13,14,37? 2. Vilka certifieringar och rapporter finns, när säkerhetscentret bara visar sin rubrik^49,50? 3. Ska vi köra på CrewAI:s moln, i vår egen virtuella miljö eller på egen infrastruktur, och i vilken region ligger molnet¹²? 4. Hur slås maskeringen av personuppgifter på för varje driftsättning, och vad kostar den extra bearbetningen^59,60? 5. Hur ser ett godkännande av en text ut när en människa svarar på en begäran under körning^10,68? 6. Vilka grupper i vår identitetsleverantör kopplas till vilka team, och vad händer när en användare har fler än 150 grupper i Entra^70,97,100? 7. Hur många körningar går åt per månad, och vad kostar överförbrukning på Enterprise^15,84?

Svaren avgör om CrewAI är ett verktyg för ett tekniskt team på redaktionen eller en plattform som ett mediehus utan utvecklare ska låta bli.

CrewAI kriterium för kriterium

De sju kriterierna ger följande läsning av underlaget.

1. Införandestöd: 45 dagars onboarding och konsultinsatser à la carte^36,37. 2. Tid till produktion: ingen tidplan för den första agenten, men driftsättning via GitHub eller kommandorad^31,32. 3. Räckvidd: en dokumentationssida per koppling, Zapier-utlösare och webbhooks^38,39,40. 4. Säkerhet: inga certifieringar nämns, men maskering av personuppgifter finns⁵⁶. 5. Styrning: rollbaserad åtkomst i två lager och mänskliga godkännandesteg^7,10. 6. Prismodell: gratis Basic med 50 körningar och anpassat Enterprise-pris^15,83. 7. Drift och data: eget moln, egen virtuell miljö eller egen infrastruktur¹².

Slutsats

CrewAI får plats 7 för mediehus eftersom bygget utgår från kod och kommandorad^13,14, certifieringar inte nämns och gratisnivån är liten¹⁵. Styrkorna är den detaljerade behörighetsmodellen^7,8, mänskliga godkännandesteg¹⁰ och möjligheten att köra på egen infrastruktur¹². En redaktion med egna utvecklare och ett uttalat krav på egen drift kan med rätta flytta CrewAI högre.