आपका CrewAI क्रू आपके लैपटॉप पर बढ़िया चलता है। एजेंट एक-दूसरे से बात करते हैं, शोधकर्ता लेखक को सौंपता है, पूरी चीज़ गुनगुनाती है — ठीक उस पल तक जब आप ढक्कन बंद करते हैं और सब रुक जाता है। या आपका wifi काम के बीच गिरता है। या आप रीबूट करते हैं और इसे रीस्टार्ट करना भूल जाते हैं।
एक क्रू जो सिर्फ़ तब चलता है जब आप देख रहे हों, ऑटोमेशन नहीं है। यह एक डेमो है। इसे एक VPS पर ले जाना ही वह है जो इसे कुछ ऐसा बनाता है जो असल में तब काम करता है जब आप सोते हैं।
एक सर्वर क्यों, आपकी मशीन नहीं
पिच सरल है: एक VPS एक कंप्यूटर है जो कभी अपना ढक्कन बंद नहीं करता। इसका एक तय IP है, यह सोता नहीं, और अगर प्रोसेस मरे यह ख़ुद को वापस ला सकता है। एक मल्टी-एजेंट क्रू के लिए — जो डिज़ाइन से लंबे, बातूनी, बहु-चरण काम चलाता है — यही फ़र्क़ है "यह एक बार काम किया" और "यह तीन हफ़्ते से चल रहा है" के बीच।
एक दूसरी वजह है जो लोगों को अच्छे तरीक़े से चौंकाती है: आपको एक शक्तिशाली मशीन नहीं चाहिए। इस पर आगे और, क्योंकि यह वह सवाल है जो हर कोई पहले पूछता है।
नहीं, आपको एक GPU नहीं चाहिए
यही वह हिस्सा है जिसे लोग एजेंट होस्ट करने के बारे में ग़लत समझते हैं। CrewAI एक ऑर्केस्ट्रेटर है। यह तय करता है कि कौन-सा एजेंट काम करे, किस क्रम में, किस संदर्भ के साथ — और फिर यह एक भाषा मॉडल से असली तर्क करने को कहता है। वह मॉडल लगभग हमेशा एक API के पीछे रहता है: आप OpenAI या Anthropic को एक अनुरोध भेजते हैं, वे इसे अपने GPU पर चलाते हैं, आपको टेक्स्ट वापस मिलता है।
तो आपका सर्वर तीन चीज़ें करता है: Python चलाना, क्रू का स्टेट रखना, और HTTPS कॉल करना। इनमें से कुछ भी एक GPU को नहीं छूता। एक सादा CPU VPS ठीक सही है। यह सिर्फ़ तब बदलता है अगर आप मॉडल भी स्थानीय रूप से चलाना चाहें — पर वह एक अलग, भारी प्रोजेक्ट है, और ज़्यादातर क्रू नहीं करते।
व्यावहारिक रूप से: एक 1–2 GB प्लान एक छोटे क्रू को बिना पसीना बहाए चलाता है। 4 GB पर जाएँ अगर आप एक साथ कई क्रू चला रहे हैं, RAM में बड़े बातचीत इतिहास रख रहे हैं, या दीर्घकालिक एजेंट मेमोरी के लिए एक वेक्टर डेटाबेस जोड़ रहे हैं।
असली सेटअप
ताज़ा Ubuntu बॉक्स, ऑर्डर के लगभग एक मिनट बाद root। यहाँ पूरी चीज़ है:
# 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
# आपका प्रोजेक्ट
mkdir ~/mycrew && cd ~/mycrew
# अपनी crew.py और .env यहाँ ऊपर कॉपी करें (scp / git clone)
आपका .env एकमात्र सीक्रेट रखता है जो मायने रखता है — LLM API कुंजी:
OPENAI_API_KEY=sk-...
# या ANTHROPIC_API_KEY, आदि।
फिर एक सामान्य python crew.py इसे चलाता है। यह मैनुअल संस्करण है। यह काम करता है, पर यह उस पल मर जाता है जब आपका SSH सत्र बंद होता है — जो हमें एक सर्वर के असली मक़सद पर लाता है।
systemd से इसे ज़िंदा रखें
tmux एक झटपट परीक्षण के लिए ठीक है। किसी भी असली चीज़ के लिए, systemd इस्तेमाल करें — यह क्रू को रीस्टार्ट करता है अगर यह क्रैश हो और इसे रीबूट पर ऊपर लाता है। इसे /etc/systemd/system/mycrew.service में डालें:
[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 # इसे काम करते देखें
अब क्रू बूट पर चलता है, विफलता पर रीस्टार्ट होता है, और हर जगह लॉग करता है जहाँ आप पढ़ सकते हैं। अपना लैपटॉप बंद करें — इसे परवाह नहीं।
इसके लिए भुगतान
साइनअप एक ईमेल और एक बार का कोड है — कोई कार्ड नहीं, कोई ID नहीं। आप Base, Ethereum या Polygon पर USDC या USDT से एक बैलेंस भरते हैं (Base फ़ीस पर सबसे सस्ता है), और ऑर्डर उससे निकलते हैं। एक क्रू के लिए जो ज़्यादातर आउटबाउंड API कॉल करता है, डिफ़ॉल्ट NAT प्लान ठीक और सस्ता है; एक -ip प्लान सिर्फ़ तब चुनें जब क्रू को इनबाउंड सेवाओं के लिए अपना ख़ुद का सार्वजनिक IPv4 चाहिए।
एक अच्छी तरक़ीब: EQVPS का mcp.eqvps.com/mcp पर एक MCP सर्वर है। अगर प्रोविज़निंग ख़ुद आपके क्रू के कामों में से एक है, एक फ़ंडेड बैलेंस वाला एजेंट order_vps कॉल कर सकता है और ख़ुद एक बॉक्स खड़ा कर सकता है — चेकआउट पर कोई इंसान नहीं।
ईमानदारी से क्या कहना है
आप LLM API कुंजियाँ लाते हैं। हम क्रू होस्ट करते हैं, मॉडल नहीं। आपका OpenAI/Anthropic बिल अलग है और, एक व्यस्त क्रू के लिए, आमतौर पर बड़ी लागत — VPS सस्ता हिस्सा है।
यह सिर्फ़-CPU है, यूरोप में दो लोकेशन, जर्मनी और फ़िनलैंड। कोई स्थानीय GPU इन्फ़रेंस नहीं, और लेटेंसी सबसे अच्छी है अगर आपके उपयोगकर्ता या API यूरोप-निकट हों। US-होस्टेड LLM API पर पहुँचते एक क्रू के लिए अतिरिक्त हॉप मिलीसेकंड है — मॉडल लेटेंसी के बगल में अप्रासंगिक — पर जानने लायक।
अपनी मेमोरी के लिए साइज़ करें, अपने मॉडल के लिए नहीं। जो चीज़ असल में आपका RAM उपयोग बढ़ाती है वह बातचीत इतिहास और कोई वेक्टर स्टोर है जो आप जोड़ते हैं, एजेंट्स की संख्या नहीं। एक दिन journalctl और htop देखें और ज़रूरत हो तो आकार बदलें।
निचोड़
एक CrewAI क्रू का ठिकाना कुछ ऐसा है जो सोता नहीं। कदम छोटा है: एक CPU VPS, pip install crewai, एक systemd यूनिट, आपकी API कुंजी एक .env में। दस मिनट और आपका क्रू 24/7 चल रहा है "जब भी लैपटॉप खुला हो" के बजाय। लगभग एक मिनट में root, क्रिप्टो में भुगतान, आकार बदलें जब मेमोरी आपको कहे — और एजेंट्स को इससे निपटने दें।
टिप्पणियाँ
अभी तक कोई टिप्पणी नहीं। पहले बनें।