আপনার CrewAI দল আপনার ল্যাপটপে দারুণ চলে। agent একে অপরের সাথে কথা বলে, researcher writer-কে hand off করে, পুরোটা গুনগুন করে — ঠিক ততক্ষণ যতক্ষণ না আপনি ঢাকনা বন্ধ করেন আর সব থামে। বা আপনার wifi একটি কাজের মাঝপথে পড়ে। বা আপনি reboot করে restart করতে ভুলে যান।
যে দল শুধু আপনি দেখাকালীন চলে তা automation নয়। এটি একটি demo। এটিকে একটি VPS-এ সরানোই এটিকে এমন কিছুতে পরিণত করে যা আপনি ঘুমানোর সময় আসলে কাজ করে।
একটি সার্ভার কেন, আপনার মেশিন নয়
প্রস্তাব সরল: একটি VPS একটি কম্পিউটার যা কখনও তার ঢাকনা বন্ধ করে না। এর একটি স্থির IP আছে, এটি ঘুমায় না, আর process মরলে এটি নিজেকে ফিরিয়ে আনতে পারে। একটি multi-agent দলের জন্য — যা ডিজাইন অনুসারে দীর্ঘ, বকবকে, multi-step কাজ চালায় — সেটি "এটি একবার কাজ করেছিল" ও "এটি তিন সপ্তাহ ধরে চলছে"-র মধ্যে পার্থক্য।
একটি দ্বিতীয় কারণ আছে যা মানুষকে একটি ভালো উপায়ে হোঁচট খাওয়ায়: আপনার একটি শক্তিশালী মেশিন লাগে না। এর পরে আরও, কারণ এটাই সবাই প্রথমে জিজ্ঞেস করে।
না, আপনার একটি GPU লাগে না
এই অংশটা মানুষ agent হোস্টিং নিয়ে ভুল করে। CrewAI একটি orchestrator। এটি ঠিক করে কোন agent কাজ করে, কোন ক্রমে, কোন context সহ — আর তারপর এটি একটি language মডেলকে আসল যুক্তি করতে বলে। সেই মডেল প্রায় সবসময় একটি API-র পেছনে থাকে: আপনি OpenAI বা Anthropic-এ একটি request পাঠান, তারা এটি তাদের GPU-তে চালায়, আপনি টেক্সট ফেরত পান।
তাই আপনার সার্ভার তিনটি জিনিস করে: Python চালায়, দলের state ধরে, ও HTTPS call করে। এর কিছুই একটি GPU ছোঁয় না। একটি সাধারণ CPU VPS ঠিক সঠিক। এটি শুধু তখনই বদলায় যদি আপনি মডেলটিও local-ভাবে চালাতে চান — কিন্তু সেটি একটি আলাদা, ভারী প্রকল্প, আর বেশিরভাগ দল করে না।
ব্যবহারিকভাবে: একটি 1–2 GB প্ল্যান একটি ছোট দল ঘাম না-ঝরিয়ে চালায়। 4 GB-তে যান যদি আপনি একসাথে কয়েকটি দল চালান, RAM-এ বড় কথোপকথন-history রাখেন, বা দীর্ঘমেয়াদি agent memory-র জন্য একটি vector database জোড়েন।
আসল সেটআপ
তাজা Ubuntu বক্স, অর্ডারের প্রায় এক মিনিট পরে root। এই যে পুরোটা:
# Python + venv
apt update && apt install -y python3-venv python3-pip
python3 -m venv ~/crew && source ~/crew/bin/activate
# CrewAI
pip install crewai crewai-tools
# আপনার প্রকল্প
mkdir ~/mycrew && cd ~/mycrew
# আপনার crew.py ও .env এখানে কপি করুন (scp / git clone)
আপনার .env সেই একটি secret ধরে যা গুরুত্বপূর্ণ — LLM API key:
OPENAI_API_KEY=sk-...
# বা ANTHROPIC_API_KEY, ইত্যাদি
তারপর একটি স্বাভাবিক python crew.py এটি চালায়। ওটা ম্যানুয়াল সংস্করণ। এটি কাজ করে, কিন্তু আপনার SSH সেশন বন্ধ হওয়ার মুহূর্তে এটি মরে — যা আমাদের একটি সার্ভারের আসল বিন্দুতে আনে।
systemd দিয়ে জীবিত রাখুন
tmux একটি দ্রুত পরীক্ষার জন্য ঠিক। আসল যেকোনো কিছুর জন্য, systemd ব্যবহার করুন — এটি দল ক্র্যাশ করলে restart করে ও reboot-এ তুলে আনে। এটি /etc/systemd/system/mycrew.service-এ ফেলুন:
[Unit]
Description=CrewAI crew
After=network-online.target
[Service]
WorkingDirectory=/root/mycrew
ExecStart=/root/crew/bin/python /root/mycrew/crew.py
Restart=always
RestartSec=5
EnvironmentFile=/root/mycrew/.env
[Install]
WantedBy=multi-user.target
systemctl daemon-reload
systemctl enable --now mycrew
journalctl -u mycrew -f # এটিকে কাজ করতে দেখুন
এখন দল boot-এ চলে, failure-এ restart হয়, ও আপনি পড়তে-পারা সর্বত্র log করে। ল্যাপটপ বন্ধ করুন — এটি পরোয়া করে না।
এর জন্য পরিশোধ
Signup একটি ইমেল ও একটি এককালীন কোড — কোনো কার্ড, ID নয়। আপনি Base, Ethereum বা Polygon-এ USDC বা USDT দিয়ে একটি balance funded করেন (Base fee-তে সবচেয়ে সস্তা), আর অর্ডার তা থেকে টানে। যে দল বেশিরভাগ outbound API call করে তার জন্য, ডিফল্ট NAT প্ল্যান ঠিক ও সস্তা; শুধু তখনই একটি -ip প্ল্যান বাছুন যদি দলের inbound সার্ভিসের জন্য নিজের পাবলিক IPv4 দরকার।
একটি সুন্দর কৌশল: EQVPS-এর mcp.eqvps.com/mcp-এ একটি MCP সার্ভার আছে। provision করা নিজে আপনার দলের একটি কাজ হলে, একটি funded balance সহ একটি agent order_vps ডাকতে ও নিজে একটি বক্স দাঁড় করাতে পারে — checkout-এ কোনো মানব ছাড়া।
সৎভাবে যা বলার
আপনি LLM API key আনেন। আমরা দল হোস্ট করি, মডেল নয়। আপনার OpenAI/Anthropic বিল আলাদা ও, একটি ব্যস্ত দলের জন্য, সাধারণত বড় খরচ — VPS সস্তা অংশ।
এটি CPU-only, জার্মানিতে একটি datacenter। কোনো local GPU inference নেই, আর আপনার ব্যবহারকারী বা API ইউরোপ-সংলগ্ন হলে latency সবচেয়ে ভালো। US-hosted LLM API-তে আঘাত করা একটি দলের জন্য অতিরিক্ত hop মিলিসেকেন্ড — মডেল latency-র পাশে অপ্রাসঙ্গিক — তবে জানা ভালো।
আপনার মডেল নয়, আপনার memory-র জন্য size করুন। আপনার RAM-ব্যবহার আসলে যা বাড়ায় তা হলো কথোপকথন-history ও আপনি যোগ করা যেকোনো vector store, agent-সংখ্যা নয়। একদিন journalctl ও htop দেখুন ও দরকার হলে resize করুন।
মোদ্দা কথা
একটি CrewAI দল এমন কিছুতে থাকে যা ঘুমায় না। পদক্ষেপ ছোট: একটি CPU VPS, pip install crewai, একটি systemd unit, একটি .env-এ আপনার API key। দশ মিনিট আর আপনার দল "যখনই ল্যাপটপ খোলা"-র বদলে 24/7 চলছে। প্রায় এক মিনিটে root, ক্রিপ্টোতে পরিশোধ, memory বললে resize করুন — আর agent-দের কাজে লেগে থাকতে দিন।
মন্তব্য
এখনো কোনো মন্তব্য নেই। প্রথম হোন।