Twoja drużyna CrewAI działa świetnie na laptopie. Agenci rozmawiają ze sobą, badacz przekazuje pisarzowi, całość mruczy — dopóki nie zamkniesz klapy i wszystko się nie zatrzyma. Albo Twoje wifi spada w środku zadania. Albo restartujesz i zapominasz ją uruchomić ponownie.
Drużyna, która działa tylko, gdy patrzysz, nie jest automatyzacją. To demo. Przeniesienie jej na VPS jest tym, co zamienia ją w coś, co faktycznie działa, gdy śpisz.
Dlaczego serwer, a nie Twoja maszyna
Oferta jest prosta: VPS to komputer, który nigdy nie zamyka klapy. Ma stałe IP, nie zasypia, a jeśli proces umrze, może się sam przywrócić. Dla drużyny wieloagentowej — która z założenia uruchamia długie, gadatliwe, wielokrokowe zadania — to różnica między „zadziałało raz” a „działa od trzech tygodni”.
Jest drugi powód, który potyka ludzi w dobry sposób: nie potrzebujesz mocnej maszyny. Więcej o tym dalej, bo to pytanie, które wszyscy zadają najpierw.
Nie, nie potrzebujesz GPU
To część, którą ludzie mylą co do hostowania agentów. CrewAI to orkiestrator. Decyduje, który agent działa, w jakiej kolejności, z jakim kontekstem — a potem prosi model językowy o faktyczne rozumowanie. Ten model prawie zawsze żyje za API: wysyłasz żądanie do OpenAI lub Anthropic, oni uruchamiają je na swoich GPU, dostajesz tekst z powrotem.
Więc Twój serwer robi trzy rzeczy: uruchamia Pythona, trzyma stan drużyny i wykonuje wywołania HTTPS. Nic z tego nie dotyka GPU. Zwykły VPS CPU jest dokładnie właściwy. Jedyny raz, gdy to się zmienia, to jeśli chcesz też uruchomić model lokalnie — ale to osobny, cięższy projekt, a większość drużyn tego nie robi.
W praktyce: plan 1–2 GB uruchamia małą drużynę bez najmniejszego wysiłku. Przejdź na 4 GB, jeśli uruchamiasz kilka drużyn naraz, trzymasz duże historie rozmów w RAM lub doczepiasz bazę wektorową dla pamięci długoterminowej agentów.
Faktyczna konfiguracja
Świeża maszyna Ubuntu, root w około minutę po zamówieniu. Oto całość:
# 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
# Twój projekt
mkdir ~/mycrew && cd ~/mycrew
# skopiuj tutaj swój crew.py i .env (scp / git clone)
Twój .env trzyma jeden sekret, który ma znaczenie — klucz API LLM:
OPENAI_API_KEY=sk-...
# lub ANTHROPIC_API_KEY itd.
Potem zwykłe python crew.py to uruchamia. To wersja ręczna. Działa, ale umiera w chwili, gdy Twoja sesja SSH się zamyka — co prowadzi nas do faktycznego sensu serwera.
Utrzymaj ją przy życiu z systemd
tmux jest w porządku do szybkiego testu. Dla czegokolwiek prawdziwego użyj systemd — restartuje drużynę, jeśli się wywali, i podnosi ją przy restarcie. Wrzuć to do /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 # obserwuj, jak działa
Teraz drużyna działa przy rozruchu, restartuje się przy awarii i loguje wszędzie, gdzie możesz to przeczytać. Zamknij laptop — nie obchodzi jej to.
Płacenie za to
Rejestracja to e-mail i jednorazowy kod — bez karty, bez dokumentu. Zasilasz saldo w USDC lub USDT na Base, Ethereum lub Polygon (Base jest najtańszy na opłatach), a zamówienia z niego czerpią. Dla drużyny, która głównie wykonuje wychodzące wywołania API, domyślny plan NAT jest w porządku i tańszy; wybierz plan -ip tylko, jeśli drużyna potrzebuje własnego publicznego IPv4 dla usług przychodzących.
Jedna miła sztuczka: EQVPS ma serwer MCP pod mcp.eqvps.com/mcp. Jeśli przygotowywanie serwerów jest samo jednym z zadań Twojej drużyny, agent z zasilonym saldem może wywołać order_vps i postawić maszynę sam — bez człowieka przy kasie.
Co uczciwie powiedzieć
Ty przynosisz klucze API LLM. Hostujemy drużynę, nie model. Twój rachunek OpenAI/Anthropic jest osobny i, dla zajętej drużyny, zwykle większym kosztem — VPS to tania część.
To tylko CPU, jedno centrum danych w Niemczech. Bez lokalnej inferencji GPU, a latencja jest najlepsza, jeśli Twoi użytkownicy lub API są w pobliżu Europy. Dla drużyny uderzającej w API LLM hostowane w USA dodatkowy przeskok to milisekundy — nieistotne obok latencji modelu — ale warto wiedzieć.
Dobierz rozmiar pod pamięć, nie model. Rzeczą, która faktycznie zwiększa Twoje użycie RAM, jest historia rozmów i dowolny magazyn wektorowy, który dodajesz, nie liczba agentów. Obserwuj journalctl i htop przez dzień i zmień rozmiar, jeśli trzeba.
Wniosek
Drużyna CrewAI należy do czegoś, co nie śpi. Przeniesienie jest krótkie: VPS CPU, pip install crewai, jednostka systemd, Twój klucz API w .env. Dziesięć minut i Twoja drużyna działa 24/7 zamiast „gdy laptop jest otwarty”. Root w około minutę, płatność kryptowalutą, zmiana rozmiaru, gdy pamięć każe — i pozwól agentom robić swoje.
Komentarze
Brak komentarzy. Bądź pierwszy.