Mi serve una GPU per far girare CrewAI?

No — non per il setup abituale. CrewAI orchestra gli agenti; il ragionamento vero avviene in un LLM che chiami tramite un'API (OpenAI, Anthropic, ecc.). Il tuo server esegue solo Python, tiene la logica della crew e fa chiamate HTTP. È lavoro di CPU e RAM, non di GPU. Vorresti una GPU solo se esegui anche il modello localmente (es. tramite Ollama), che è un setup diverso e molto più pesante.

Quale dimensione di VPS mi serve?

La maggior parte delle crew è leggera sulla macchina perché il lavoro pesante è remoto. Un piano da 1–2 GB di RAM gestisce comodamente una piccola crew. Sali a 4 GB se esegui diverse crew, tieni lunghe cronologie di conversazione in memoria, o aggiungi un vector store per la memoria degli agenti. Parti in piccolo — puoi ridimensionare dopo.

Come tengo la crew in funzione dopo la disconnessione?

Eseguila come servizio systemd (consigliato) o in tmux per test rapidi. systemd la riavvia se va in crash e la avvia al boot — che è tutto il punto di spostarsi dal laptop. C'è uno schema completo sotto.

Posso pagare senza carta o ID?

Sì. EQVPS accetta USDC o USDT su Base, Ethereum o Polygon, e non c'è controllo d'identità. La registrazione è un'email e un codice monouso. Base ha le commissioni di rete più basse se stai finanziando un piccolo saldo.

L'agente può noleggiare il proprio server?

Sì — EQVPS espone un server MCP (mcp.eqvps.com/mcp), così un agente con un saldo finanziato può chiamare order_vps e fare provisioning di una macchina da solo. Utile se uno dei lavori della tua crew è avviare infrastruttura.

Far girare una crew multi-agente CrewAI su un VPS

La tua crew CrewAI gira alla grande sul tuo laptop. Gli agenti si parlano tra loro, il ricercatore passa la mano allo scrittore, il tutto ronza — fino a quando chiudi il coperchio e tutto si ferma. O il tuo wifi cade a metà task. O riavvii e dimentichi di rilanciarla.

Una crew che gira solo mentre stai guardando non è automazione. È una demo. Spostarla su un VPS è ciò che la trasforma in qualcosa che lavora davvero mentre dormi.

Perché un server, non la tua macchina

La proposta è semplice: un VPS è un computer che non chiude mai il coperchio. Ha un IP fisso, non va in sospensione, e se il processo muore può riportarsi in vita da solo. Per una crew multi-agente — che per design esegue lavori lunghi, loquaci e a più passi — è la differenza tra "ha funzionato una volta" e "gira da tre settimane".

C'è un secondo motivo che manda in confusione la gente in senso buono: non ti serve una macchina potente. Più su questo dopo, perché è la domanda che tutti fanno per prima.

No, non ti serve una GPU

È la parte che la gente sbaglia sull'hosting degli agenti. CrewAI è un orchestratore. Decide quale agente agisce, in quale ordine, con quale contesto — e poi chiede a un modello linguistico di fare il ragionamento vero. Quel modello vive quasi sempre dietro un'API: invii una richiesta a OpenAI o Anthropic, la eseguono sulle loro GPU, ottieni testo indietro.

Quindi il tuo server fa tre cose: eseguire Python, tenere lo stato della crew e fare chiamate HTTPS. Niente di tutto ciò tocca una GPU. Un semplice VPS CPU è esattamente giusto. L'unica volta che cambia è se vuoi anche far girare il modello localmente — ma quello è un progetto separato e molto più pesante, e la maggior parte delle crew non lo fa.

In pratica: un piano da 1–2 GB fa girare una piccola crew senza battere ciglio. Sali a 4 GB se stai eseguendo diverse crew insieme, tenendo grandi cronologie di conversazione in RAM, o aggiungendo un database vettoriale per la memoria a lungo termine degli agenti.

Il setup vero

Macchina Ubuntu nuova, root in circa un minuto dopo l'ordine. Ecco tutto:

# 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

# il tuo progetto
mkdir ~/mycrew && cd ~/mycrew
# copia qui il tuo crew.py e .env (scp / git clone)

Il tuo .env contiene l'unico segreto che conta — la chiave API dell'LLM:

OPENAI_API_KEY=sk-...
# o ANTHROPIC_API_KEY, ecc.

Poi un normale python crew.py la esegue. Questa è la versione manuale. Funziona, ma muore nel momento in cui la tua sessione SSH si chiude — il che ci porta al vero punto di un server.

Tienila viva con systemd

tmux va bene per un test rapido. Per qualsiasi cosa reale, usa systemd — riavvia la crew se va in crash e la porta su al riavvio. Metti questo in /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   # guardala lavorare

Ora la crew gira al boot, si riavvia in caso di guasto e logga ovunque tu possa leggere. Chiudi il laptop — non le importa.

Pagarla

La registrazione è un'email e un codice monouso — niente carta, niente ID. Finanzi un saldo con USDC o USDT su Base, Ethereum o Polygon (Base è la più economica sulle commissioni), e gli ordini attingono da lì. Per una crew che fa per lo più chiamate API in uscita, il piano NAT predefinito va bene ed è più economico; scegli un piano -ip solo se la crew ha bisogno del proprio IPv4 pubblico per servizi in entrata.

Un bel trucco: EQVPS ha un server MCP su mcp.eqvps.com/mcp. Se il provisioning è esso stesso uno dei lavori della tua crew, un agente con un saldo finanziato può chiamare order_vps e mettere in piedi una macchina da solo — nessun umano al checkout.

Cosa è onesto dire

Le chiavi API dell'LLM le porti tu. Ospitiamo la crew, non il modello. Il tuo conto OpenAI/Anthropic è separato e, per una crew impegnata, di solito il costo maggiore — il VPS è la parte economica.

È solo-CPU, un datacenter in Germania. Nessuna inferenza locale su GPU, e la latenza è migliore se i tuoi utenti o le API sono vicini all'Europa. Per una crew che colpisce API LLM ospitate negli USA il salto extra è di millisecondi — irrilevante accanto alla latenza del modello — ma vale la pena saperlo.

Dimensiona per la tua memoria, non per il tuo modello. La cosa che fa davvero crescere l'uso della tua RAM è la cronologia delle conversazioni e qualsiasi vector store aggiungi, non il numero di agenti. Osserva journalctl e htop per un giorno e ridimensiona se serve.

La conclusione

Una crew CrewAI appartiene a qualcosa che non dorme. La mossa è breve: un VPS CPU, pip install crewai, una unit systemd, la tua chiave API in un .env. Dieci minuti e la tua crew gira 24/7 invece di "quando il laptop è aperto". Root in circa un minuto, paga in crypto, ridimensiona quando la memoria te lo dice — e lascia che gli agenti si mettano al lavoro.