CrewAI cùng với AutoGen, LangGraph là 3 framework multi-agent hot nhất 2026. Khác biệt CrewAI: API đơn giản, declarative, focus "role + task + tool" rất gần với cách dev VN nghĩ. Học 30 phút là viết được crew đầu tiên.
Bài này hướng dẫn self-host CrewAI trên VPS Ubuntu, build crew 3 agent (Researcher + Writer + Editor) cho task content marketing tự động, gắn Claude + GPT mix. Phù hợp dev/marketer VN muốn explore multi-agent workflow practical.
Mục tiêu cuối bài: bạn có CrewAI service chạy trên VPS, mỗi sáng tự động research topic, viết draft blog 1500 từ, edit lại, push vào WordPress draft. Time saved: 2-3 giờ/blog. Cost: ~0.5-1$ mỗi blog.
1. CrewAI vs AutoGen vs LangGraph
| Framework | Triết lý | Code style | Maturity |
|---|---|---|---|
| CrewAI | Role + Task + Tool, sequential/hierarchical | Declarative YAML/Python | v0.80+ ổn định |
| AutoGen (Microsoft) | Conversation pattern, RoundRobin/Swarm | Python lập trình | v0.4 stable |
| LangGraph (LangChain) | State machine graph, control flow tùy biến | Python low-level | Mature |
CrewAI dễ học nhất, AutoGen mạnh nhất cho conversation pattern phức tạp, LangGraph linh hoạt nhất cho flow tùy biến. Mình thường khuyên người mới dùng CrewAI trước, sau nâng cấp AutoGen/LangGraph khi cần.
2. Yêu cầu VPS
- RAM: 2GB tối thiểu, 4GB khuyến nghị (cho crew >3 agent chạy song song).
- vCPU: 2.
- SSD: 20GB.
- Ubuntu 22.04/24.04, Python 3.10+.
- Network: tới Anthropic/OpenAI ổn định.
3. Cài CrewAI
sudo apt updatesudo apt install -y python3-pip python3-venv # Virtualenvpython3 -m venv ~/crewai-venvsource ~/crewai-venv/bin/activate # Cài CrewAI + tools optionalpip install -U crewai 'crewai[tools]'pip install -U anthropic openai # Kiểm tracrewai --version4. Tạo project crew đầu tiên
# CrewAI có CLI scaffoldcrewai create crew content_factorycd content_factory # Cấu trúc:# src/content_factory/# config/agents.yaml# config/tasks.yaml# crew.py# main.py# .env5. Khai báo agent trong YAML
# config/agents.yamlresearcher: role: "Researcher chuyên về tech VPS Việt Nam" goal: "Tìm thông tin chính xác và mới nhất về {topic}, ưu tiên nguồn tiếng Anh và VN" backstory: "Bạn là researcher 10 năm kinh nghiệm công nghệ, đọc nhanh, lọc tin tốt." writer: role: "Blog writer tiếng Việt" goal: "Viết bài blog SEO 1500-2000 từ về {topic} dựa trên research" backstory: "Bạn là blogger viết tốt cho audience dev VN, văn phong thân thiện chuyên gia." editor: role: "Editor và SEO specialist" goal: "Review bài viết, sửa lỗi, tối ưu SEO, đảm bảo structure H2/H3 chuẩn" backstory: "Bạn là editor 8 năm content marketing, biết Yoast SEO, structure cho rank."6. Khai báo task trong YAML
# config/tasks.yamlresearch_task: description: | Tìm hiểu sâu về topic: {topic} Output: bullet list 10 điểm quan trọng, mỗi điểm 2-3 câu, kèm source URL. expected_output: "Markdown 10 bullet với source URL" agent: researcher write_task: description: | Viết blog 1500-2000 từ tiếng Việt về {topic} dựa trên research từ Researcher. Structure: TL;DR -> 8-10 H2 -> kết luận. Tone chuyên gia thân thiện. expected_output: "Markdown blog full structure" agent: writer edit_task: description: | Review bài blog, fix grammar, optimize SEO (focus_kw: {focus_kw}), đảm bảo từ khóa xuất hiện trong title, H2, paragraph đầu. expected_output: "Markdown blog đã edit" agent: editor7. Define Crew trong Python
# src/content_factory/crew.pyfrom crewai import Agent, Crew, Task, Processfrom crewai.project import CrewBase, agent, task, crewfrom crewai_tools import SerperDevToolfrom langchain_anthropic import ChatAnthropicfrom langchain_openai import ChatOpenAI @CrewBaseclass ContentFactoryCrew: agents_config = "config/agents.yaml" tasks_config = "config/tasks.yaml" @agent def researcher(self) -> Agent: return Agent( config=self.agents_config["researcher"], llm=ChatAnthropic(model="claude-sonnet-4-7-20260301"), tools=[SerperDevTool()], verbose=True ) @agent def writer(self) -> Agent: return Agent( config=self.agents_config["writer"], llm=ChatAnthropic(model="claude-sonnet-4-7-20260301"), verbose=True ) @agent def editor(self) -> Agent: return Agent( config=self.agents_config["editor"], llm=ChatOpenAI(model="gpt-5-mini"), verbose=True ) @task def research_task(self) -> Task: return Task(config=self.tasks_config["research_task"]) @task def write_task(self) -> Task: return Task(config=self.tasks_config["write_task"]) @task def edit_task(self) -> Task: return Task(config=self.tasks_config["edit_task"], output_file="blog.md") @crew def crew(self) -> Crew: return Crew( agents=self.agents, tasks=self.tasks, process=Process.sequential, verbose=True )8. File .env và main.py
# .envANTHROPIC_API_KEY=sk-ant-api03-xxxOPENAI_API_KEY=sk-xxxSERPER_API_KEY=xxx # google search tool# src/content_factory/main.pyfrom content_factory.crew import ContentFactoryCrew def run(): inputs = { "topic": "Cloud VPS cho dev VN 2026", "focus_kw": "cloud vps dev vn" } result = ContentFactoryCrew().crew().kickoff(inputs=inputs) print(result) if __name__ == "__main__": run()# Chạycrewai run# Hoặc python -m content_factory.mainTrong 2-4 phút, crew sẽ research (gọi Serper search), viết draft 1500 từ, edit lại. Output lưu vào blog.md.
9. Tích hợp với WordPress qua REST API
# Thêm task push WordPresspush_to_wp_task: description: | Đọc file blog.md, POST tới WordPress REST API tạo post draft. Endpoint: https://your-domain.com/wp-json/wp/v2/posts Auth: application password expected_output: "post_id của draft tạo được" agent: editor# Tool custom Pythonfrom crewai_tools import toolimport requests, base64 @tool("PostToWordPress")def post_to_wp(title: str, content: str, status: str = "draft") -> str: """Post bài lên WordPress qua REST API""" user = "admin" pwd = "your_app_password" auth = base64.b64encode(f"{user}:{pwd}".encode()).decode() r = requests.post( "https://your-domain.com/wp-json/wp/v2/posts", headers={"Authorization": f"Basic {auth}"}, json={"title": title, "content": content, "status": status} ) return f"Post created with ID {r.json()['id']}"10. Hierarchical process: Manager agent
CrewAI hỗ trợ 2 process: Sequential (chạy task theo thứ tự) và Hierarchical (manager agent delegate task cho worker agent động).
# Hierarchical: thêm managerreturn Crew( agents=[researcher, writer, editor], tasks=[main_task], process=Process.hierarchical, manager_llm=ChatAnthropic(model="claude-opus-4-7"), verbose=True)Hierarchical phù hợp khi task không xác định trước thứ tự. Manager (thường dùng Opus mạnh hơn) sẽ decide gọi agent nào, đợi kết quả, chia lại task. Cost cao hơn nhưng smart hơn.
11. Schedule crew chạy daily
# Cron 6h sáng hằng ngàycrontab -e 0 6 * * * cd /home/dev/content_factory && /home/dev/crewai-venv/bin/python -m content_factory.main >> /var/log/crew.log 2>&1Mỗi sáng có 1 blog draft mới trong WordPress, editor chỉ review + tinh chỉnh + publish. Tiết kiệm 2-3 giờ/blog, scale 5-10 blog/tuần dễ.
12. Tối ưu cost
- Mix model: Claude Sonnet cho researcher + writer, GPT-5-mini cho editor đơn giản.
- Max iter: set Agent(max_iter=5) tránh agent loop tốn token.
- Prompt caching: Claude hỗ trợ cache 1h, repeat task cùng research base giảm 80% cost.
- Memory: Crew.memory=False khi không cần (tiết kiệm context).
- Monitor: log token usage qua callback, alert khi vượt budget.
FAQ
CrewAI khác LangChain Agent như thế nào?
LangChain Agent là single-agent ReAct pattern (Reasoning + Acting). CrewAI multi-agent với role-based. CrewAI dùng LangChain dưới hood cho LLM client + tool, nhưng abstract cao hơn. Khi cần đa role cộng tác, CrewAI cleaner. Khi cần 1 agent thông minh dùng nhiều tool, LangChain Agent đủ.
CrewAI có miễn phí không?
CrewAI framework Python hoàn toàn miễn phí MIT license. CrewAI Plus (cloud dashboard, deploy, monitor) ~99$/tháng cho team enterprise. Cá nhân + startup nhỏ chỉ cần framework free, deploy trên VPS riêng. Cost duy nhất: API model (Claude/GPT).
Multi-agent có cần GPU không?
Không. CrewAI chỉ orchestrate, model chạy ở API (Claude, GPT) hoặc Ollama (CPU OK cho 7B). VPS CPU 2-4GB chạy được. Cần GPU khi tự host model lớn (Llama 70B) local, không phải yêu cầu framework.
Có tool ngoài cho CrewAI: scraping, file, DB không?
Có. crewai_tools package có sẵn ~30 tool: SerperDevTool (search), ScrapeWebsiteTool, FileReadTool, DirectoryReadTool, PGSearchTool, GithubSearchTool. Tự viết tool dễ với decorator @tool. MCP server cũng tích hợp được qua adapter community.
Cách debug khi agent loop hoặc trả output sai?
Bật verbose=True trên Agent và Crew, log full conversation. Set max_iter giới hạn vòng. Thêm callback callback_handler để intercept mỗi step. Reduce complexity: chia task lớn thành sub-task nhỏ, mỗi sub-task 1 agent rõ ràng. Tránh prompt mơ hồ ("hãy làm sao cho tốt").
CrewAI có support tiếng Việt tốt?
Tự thân CrewAI không liên quan ngôn ngữ - chất lượng phụ thuộc model. Claude Sonnet 4.7 và GPT-5 viết tiếng Việt tự nhiên, agent role/goal/backstory viết tiếng Việt OK. Mình hay viết role/goal tiếng Việt, task description tiếng Việt + technical term tiếng Anh, output tự nhiên VN.
