CrewAI: Framework Multi-Agent dạng Vai trò — Đường đến Production Nhanh Nhất

Bài 1, chúng ta đã đề cập LangGraph — tiêu chuẩn production cho workflow agent phức tạp, có kiểm toán. LangGraph mạnh mẽ, nhưng nó đòi hỏi tư duy dạng graph. Đôi khi bạn không cần graph. Đôi khi bạn cần một đội.

CrewAI cho bạn một đội.

Thay vì định nghĩa nodes và edges, bạn định nghĩa agents với vai trò, mục tiêu và tính cách. Một crew các agent hợp tác để hoàn thành task — chuyển output, phân công công việc và tự sửa lỗi. Mô hình tư duy này dễ hiểu ngay lập tức với product managers, stakeholders và developers.

Hơn 32,000 sao GitHub và đang tăng nhanh. CrewAI gọi vốn năm 2025 và ra mắt enterprise features. Đó là đường nhanh nhất từ concept đến working demo — và ngày càng nhiều, từ demo đến production.

CrewAI Là Gì?#

CrewAI là framework orchestration multi-agent dạng vai trò. Bạn định nghĩa agents như các vai trò với mục tiêu và backstory cụ thể. Một crew là đội agent làm việc cùng nhau trên các task. Framework xử lý delegation, tool assignment và output passing.

1
from crewai import Agent, Task, Crew, Process
2

3
researcher = Agent(
4
    role="Chuyên viên Phân tích Thị trường",
5
    goal="Tìm dữ liệu định giá và định vị của đối thủ",
6
    backstory="Bạn là nhà phân tích cao cấp đã theo dõi thị trường này 10 năm.",
7
    tools=[web_search, database_query],
8
    verbose=True
9
)
10

11
analyst = Agent(
12
    role="Chiến lược gia Định giá",
13
    goal="Đề xuất giá tối ưu dựa trên dữ liệu thị trường",
14
    backstory="Bạn đã tối ưu định giá cho hơn 50 thương hiệu e-commerce.",
15
    tools=[calculator, reporting_tool]
16
)
17

18
crew = Crew(
19
    agents=[researcher, analyst],
20
    tasks=[research_task, analysis_task],
21
    process=Process.sequential
22
)

Năm dòng định nghĩa một chuyên gia. Mười dòng định nghĩa một đội. Hai mươi dòng định nghĩa workflow hoàn chỉnh. Tính dễ đọc này là siêu năng lực của CrewAI — stakeholders phi kỹ thuật có thể đọc và đề xuất thay đổi định nghĩa agent mà không cần chạm code.

Khái Niệm Cốt Lõi#

Agents (Vai trò)#

Mỗi agent có:

Trường	Mục đích	Ví dụ
`role`	Chức danh	”Senior Data Scientist”
`goal`	Mục tiêu	”Trích xuất insights từ dữ liệu khách hàng”
`backstory`	Ngữ cảnh và tính cách	”Bạn đã làm e-commerce 8 năm”
`tools`	Công cụ có thể dùng	`[web_search, sql_query, calculator]`
`allow_delegation`	Có thể nhờ agent khác?	`True`

Backstory không chỉ là trang trí. Nó ảnh hưởng trực tiếp đến cách LLM diễn giải hướng dẫn và ra quyết định. Agent “kiểm toán viên hoài nghi” và agent “chiến lược gia sáng tạo” sẽ tạo ra output rất khác nhau từ cùng một task.

Tasks#

Tasks mô tả những gì cần làm:

1
research_task = Task(
2
    description="Nghiên cứu top 5 đối thủ và bảng giá",
3
    expected_output="Bảng markdown với tên đối thủ, giá và tính năng chính",
4
    agent=researcher,
5
    async_execution=False
6
)

Crews và Processes#

Crew định nghĩa cách agent hợp tác:

1
crew = Crew(
2
    agents=[researcher, analyst, writer],
3
    tasks=[research_task, analysis_task, report_task],
4
    process=Process.sequential,
5
    verbose=True,
6
    memory=True
7
)

Hai process built-in:

Process	Hành vi	Tốt nhất cho
`sequential`	Task chạy tuần tự	Pipeline rõ ràng, không phân nhánh
`hierarchical`	Manager agent phân công	Task phức tạp cần phối hợp

CrewAI vs LangGraph: Chọn Cái Nào#

Khía cạnh	CrewAI	LangGraph
Mô hình tư duy	Vai trò và đội	Nodes và edges
Thời gian thiết lập	Giờ → demo	Ngày → production
Dễ đọc phi kỹ thuật	Xuất sắc	Kém
Thực thi xác định	Hạn chế	Full control
Human-in-the-loop	Qua callbacks	Native (pause/resume)
Compliance audit	Thủ công	Built-in graph traces
Sao GitHub	32k	126k

Chọn CrewAI khi:

Cần demo nhanh — giờ, không phải ngày
Stakeholders phi kỹ thuật cần hiểu hành vi agent
Workflow là pipeline tuần tự hoặc delegation đơn giản
Đang prototype multi-agent trước khi chọn framework

Chọn LangGraph khi:

Cần execution paths xác định, có audit
Compliance và human-in-the-loop bắt buộc
Workflow có branching, cycles, parallel execution phức tạp
Xây dựng production với yêu cầu reliability cao

Giới Hạn#

Kiểm soát graph hạn chế — sequential và hierarchical cover 80% use case, 20% còn lại cần LangGraph
Quản lý state — Shared state hoạt động tốt cho pipeline nhưng messy với circular dependencies
Observability — CrewAI track metrics cơ bản, nhưng LangSmith chi tiết hơn
Scale — Ở 15k+ request/ngày, memory system có thể thành bottleneck

Tiếp Theo#

Bài	Framework
1	LangGraph
2	CrewAI (bài này)
3	AutoGen (Microsoft)
4	Claude Agent SDK (Anthropic)
5	OpenAI Agents SDK
6	So sánh cuối

Series: AI Agent Frameworks 2026 — So sánh Production. Bài 2: CrewAI. Bài 3: AutoGen → sắp tới.