Har jeg brug for en GPU for at køre CrewAI?

Nej — ikke til den sædvanlige opsætning. CrewAI orkestrerer agenter; den faktiske tænkning sker i en LLM, du kalder over et API (OpenAI, Anthropic osv.). Din server kører bare Python, holder hold-logikken og laver HTTP-kald. Det er CPU- og RAM-arbejde, ikke GPU. Du ville kun ønske en GPU, hvis du også kører modellen lokalt (f.eks. via Ollama), hvilket er en anden, meget tungere opsætning.

Hvilken størrelse VPS har jeg brug for?

De fleste hold er lette på boksen, fordi det tunge løft er eksternt. Et 1–2 GB RAM-abonnement håndterer et lille hold komfortabelt. Skalér til 4 GB, hvis du kører flere hold, holder lange samtalehistorikker i hukommelsen eller tilføjer et vektorlager til agent-hukommelse. Start småt — du kan skalere senere.

Hvordan holder jeg holdet kørende, efter jeg afbryder?

Kør det som en systemd-tjeneste (anbefalet) eller i tmux til hurtige tests. systemd genstarter det, hvis det crasher, og starter det ved boot — hvilket er hele pointen med at flytte væk fra din bærbare. Der er et fuldt mønster nedenfor.

Kan jeg betale uden et kort eller ID?

Ja. EQVPS tager USDC eller USDT på Base, Ethereum eller Polygon, og der er intet identitetstjek. Tilmelding er en e-mail og en engangskode. Base har de laveste netværksgebyrer, hvis du finansierer en lille saldo.

Kan agenten leje sin egen server?

Ja — EQVPS eksponerer en MCP-server (mcp.eqvps.com/mcp), så en agent med en finansieret saldo kan kalde order_vps og provisionere en boks selv. Nyttigt, hvis et af dit holds jobs er at starte infrastruktur op.

Kør et CrewAI multi-agent-hold på en VPS

Dit CrewAI-hold kører fantastisk på din bærbare. Agenterne taler med hinanden, forskeren afleverer til skribenten, det hele summer — lige indtil du lukker låget, og det hele stopper. Eller din wifi ryger midt i en opgave. Eller du genstarter og glemmer at genstarte det.

Et hold, der kun kører, mens du kigger, er ikke automatisering. Det er en demo. At flytte det til en VPS er, hvad der forvandler det til noget, der faktisk virker, mens du sover.

Hvorfor en server, ikke din maskine

Pitchet er simpelt: en VPS er en computer, der aldrig lukker sit låg. Den har en fast IP, den sover ikke, og hvis processen dør, kan den bringe sig selv tilbage. For et multi-agent-hold — som per design kører lange, snakkesalige, multi-trins-jobs — er det forskellen mellem "det virkede én gang" og "det har kørt i tre uger".

Der er en anden grund, der snubler folk på en god måde: du har ikke brug for en kraftfuld maskine. Mere om det næst, fordi det er spørgsmålet, alle stiller først.

Nej, du har ikke brug for en GPU

Det er den del, folk får forkert om at hoste agenter. CrewAI er en orkestrator. Den beslutter, hvilken agent der handler, i hvilken rækkefølge, med hvilken kontekst — og så beder den en sprogmodel om at lave den faktiske ræsonnering. Den model bor næsten altid bag et API: du sender en forespørgsel til OpenAI eller Anthropic, de kører den på deres GPU'er, du får tekst tilbage.

Så din server gør tre ting: kører Python, holder holdets tilstand og laver HTTPS-kald. Intet af det rører en GPU. En almindelig CPU-VPS er præcis rigtig. Den eneste gang det ændrer sig, er hvis du også vil køre modellen lokalt — men det er et separat, tungere projekt, og de fleste hold gør ikke det.

Praktisk: et 1–2 GB-abonnement kører et lille hold uden at bryde en sved. Gå til 4 GB, hvis du kører flere hold på én gang, holder store samtalehistorikker i RAM eller bolter en vektordatabase på til langtids-agent-hukommelse.

Den faktiske opsætning

Frisk Ubuntu-boks, root på omkring et minut efter bestilling. Her er det hele:

# 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

# dit projekt
mkdir ~/mycrew && cd ~/mycrew
# kopiér din crew.py og .env herop (scp / git clone)

Din .env holder den ene hemmelighed, der betyder noget — LLM-API-nøglen:

OPENAI_API_KEY=sk-...
# eller ANTHROPIC_API_KEY osv.

Så kører en normal python crew.py det. Det er den manuelle version. Den virker, men den dør i det øjeblik, din SSH-session lukker — hvilket bringer os til den faktiske pointe med en server.

Hold det i live med systemd

tmux er fint til en hurtig test. Til noget rigtigt, brug systemd — det genstarter holdet, hvis det crasher, og bringer det op ved genstart. Drop dette i /etc/systemd/system/mycrew.service:

[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   # se det arbejde

Nu kører holdet ved boot, genstarter ved fejl og logger overalt, du kan læse dem. Luk din bærbare — det er ligeglad.

At betale for det

Tilmelding er en e-mail og en engangskode — intet kort, intet ID. Du finansierer en saldo med USDC eller USDT på Base, Ethereum eller Polygon (Base er billigst på gebyrer), og ordrer trækker fra den. For et hold, der mest laver udgående API-kald, er standard-NAT-abonnementet fint og billigere; vælg kun et -ip-abonnement, hvis holdet har brug for sin egen offentlige IPv4 til indgående tjenester.

Ét rart trick: EQVPS har en MCP-server på mcp.eqvps.com/mcp. Hvis provisionering selv er et af dit holds jobs, kan en agent med en finansieret saldo kalde order_vps og rejse en boks på egen hånd — intet menneske ved checkout.

Hvad der er ærligt at sige

Du medbringer LLM-API-nøglerne. Vi hoster holdet, ikke modellen. Din OpenAI/Anthropic-regning er separat og er for et travlt hold som regel den større omkostning — VPS'en er den billige del.

Det er kun CPU, ét datacenter i Tyskland. Ingen lokal GPU-inferens, og latens er bedst, hvis dine brugere eller API'er er Europa-nære. For et hold, der rammer US-hostede LLM-API'er, er det ekstra hop millisekunder — irrelevant ved siden af model-latens — men værd at vide.

Dimensionér efter din hukommelse, ikke efter din model. Den ting, der faktisk vokser dit RAM-forbrug, er samtalehistorik og ethvert vektorlager, du tilføjer, ikke antallet af agenter. Hold øje med journalctl og htop en dag og skalér, hvis du har brug for det.

Konklusionen

Et CrewAI-hold hører hjemme på noget, der ikke sover. Trækket er kort: en CPU-VPS, pip install crewai, en systemd-unit, din API-nøgle i en .env. Ti minutter og dit hold kører 24/7 i stedet for "når som helst den bærbare er åben". Root på omkring et minut, betal i krypto, skalér når hukommelsen fortæller dig det — og lad agenterne komme videre med det.