Твоя CrewAI-команда отлично работает на ноутбуке. Агенты общаются между собой, ресёрчер передаёт эстафету райтеру, всё гудит — ровно до момента, когда ты закрываешь крышку и всё останавливается. Или посреди задачи отваливается wifi. Или ты перезагрузился и забыл перезапустить.
Команда, которая работает только пока ты смотришь, — это не автоматизация. Это демо. Перенос на VPS и превращает её в то, что реально работает, пока ты спишь.
Зачем сервер, а не твоя машина
Смысл простой: VPS — это компьютер, который никогда не закрывает крышку. У него фиксированный IP, он не засыпает, и если процесс умер — может сам себя поднять. Для мульти-агентной команды, которая по замыслу гоняет длинные, разговорчивые, многошаговые задачи, это разница между «сработало один раз» и «работает три недели подряд».
Есть и вторая причина, которая приятно удивляет: мощная машина не нужна. Об этом дальше — потому что это первый вопрос, который задают все.
Нет, GPU не нужен
Вот в чём ошибаются насчёт хостинга агентов. CrewAI — оркестратор. Он решает, какой агент действует, в каком порядке, с каким контекстом — а само рассуждение просит сделать языковую модель. Эта модель почти всегда живёт за API: ты шлёшь запрос в OpenAI или Anthropic, они гоняют его на своих GPU, ты получаешь текст обратно.
Так что сервер делает три вещи: крутит Python, держит состояние команды и делает HTTPS-запросы. Ничего из этого не трогает GPU. Обычный CPU-VPS — именно то, что нужно. Меняется это, только если ты хочешь гонять саму модель локально — но это отдельный, тяжёлый проект, и большинству команд он не нужен.
На практике: тариф на 1–2 ГБ гоняет небольшую команду не напрягаясь. Бери 4 ГБ, если запускаешь несколько команд сразу, держишь большие истории диалогов в RAM или прикручиваешь векторную БД для долгой памяти агентов.
Собственно настройка
Свежая Ubuntu-машина, root примерно через минуту после заказа. Вот всё целиком:
# 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
# твой проект
mkdir ~/mycrew && cd ~/mycrew
# скопируй сюда crew.py и .env (scp / git clone)
Твой .env держит единственный важный секрет — API-ключ LLM:
OPENAI_API_KEY=sk-...
# или ANTHROPIC_API_KEY и т.д.
Дальше обычный python crew.py запускает её. Это ручной вариант. Он работает, но умирает в момент закрытия SSH-сессии — что и подводит нас к главному смыслу сервера.
Держим живой через systemd
tmux годится для быстрого теста. Для чего-то настоящего — systemd: он перезапустит команду при падении и поднимет после ребута. Положи это в /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 # смотрим, как работает
Теперь команда запускается при загрузке, перезапускается при сбое и логируется туда, где ты это прочитаешь. Закрывай ноутбук — ей всё равно.
Оплата
Регистрация — email и одноразовый код, без карты и паспорта. Пополняешь баланс в USDC или USDT на Base, Ethereum или Polygon (у Base дешевле комиссии), заказы списываются с него. Для команды, которая в основном делает исходящие API-запросы, дефолтный NAT-тариф подходит и стоит дешевле; тариф с -ip бери, только если команде нужен свой публичный IPv4 под входящие сервисы.
Одна приятная штука: у EQVPS есть MCP-сервер на mcp.eqvps.com/mcp. Если разворачивание инфраструктуры — сама по себе задача твоей команды, агент с пополненным балансом может вызвать order_vps и поднять машину сам, без человека на checkout.
Что честно сказать
API-ключи LLM — твои. Мы хостим команду, а не модель. Твой счёт от OpenAI/Anthropic — отдельный, и для активной команды обычно он и есть основная статья расходов; VPS тут — дешёвая часть.
Это CPU-only, один дата-центр в Германии. Локального GPU-инференса нет, а задержка лучше, если твои пользователи или API рядом с Европой. Для команды, которая бьёт по LLM-API в США, лишний хоп — это миллисекунды, ерунда на фоне задержки самой модели, но знать стоит.
Размер считай по памяти, а не по модели. RAM растёт от истории диалогов и векторной БД, если ты её добавил, а не от числа агентов. Понаблюдай день за journalctl и htop — и расширься, если надо.
Вывод
Команде CrewAI место на том, что не засыпает. Переезд короткий: CPU-VPS, pip install crewai, systemd-юнит, API-ключ в .env. Десять минут — и команда работает 24/7, а не «пока открыт ноутбук». Root примерно за минуту, оплата криптой, расширение когда память подскажет — а дальше пусть агенты работают сами.