Чи потрібен GPU для CrewAI?

Ні — для звичайної схеми не потрібен. CrewAI оркеструє агентів; саме мислення відбувається в LLM, яку ти викликаєш по API (OpenAI, Anthropic тощо). Сервер просто крутить Python, тримає логіку команди й робить HTTP-запити. Це робота CPU і RAM, а не GPU. GPU знадобився б, лише якщо ганяти модель локально (наприклад через Ollama) — а це інша, значно важча схема.

Який розмір VPS потрібен?

Більшість команд легкі для машини, бо важке відбувається віддалено. Тариф на 1–2 ГБ RAM спокійно тягне невелику команду. Бери 4 ГБ, якщо ганяєш кілька команд, тримаєш довгі історії діалогів у пам'яті або додаєш векторну БД для пам'яті агентів. Почни з малого — розширити можна потім.

Як тримати команду запущеною після відключення?

Запусти як systemd-сервіс (рекомендовано) або в tmux для швидких тестів. systemd перезапустить при падінні й підніме при завантаженні — заради цього й переносиш з ноутбука. Повний шаблон нижче.

Чи можна платити без картки й паспорта?

Так. EQVPS приймає USDC або USDT на Base, Ethereum чи Polygon, перевірки особи немає. Реєстрація — email і одноразовий код. У Base найнижчі мережеві комісії, якщо поповнюєш невеликий баланс.

Чи може агент сам орендувати сервер?

Так — у EQVPS є MCP-сервер (mcp.eqvps.com/mcp), тож агент з поповненим балансом може викликати order_vps і сам підняти машину. Корисно, якщо одне із завдань команди — розгортати інфраструктуру.

Запусти команду агентів CrewAI на VPS

Твоя CrewAI-команда чудово працює на ноутбуці. Агенти спілкуються між собою, ресерчер передає естафету райтеру, усе гуде — рівно до моменту, коли ти закриваєш кришку й усе зупиняється. Або посеред завдання відвалюється wifi. Або ти перезавантажився й забув перезапустити.

Команда, яка працює лише поки ти дивишся, — це не автоматизація. Це демо. Перенесення на VPS і перетворює її на те, що реально працює, поки ти спиш.

Навіщо сервер, а не твоя машина

Сенс простий: VPS — це комп'ютер, який ніколи не закриває кришку. У нього фіксований IP, він не засинає, і якщо процес помер — може сам себе підняти. Для мульти-агентної команди, яка за задумом ганяє довгі, балакучі, багатокрокові завдання, це різниця між «спрацювало один раз» і «працює три тижні поспіль».

Є й друга причина, яка приємно дивує: потужна машина не потрібна. Про це далі — бо це перше питання, яке ставлять усі.

Ні, GPU не потрібен

Ось у чому помиляються щодо хостингу агентів. CrewAI — оркестратор. Він вирішує, який агент діє, у якому порядку, з яким контекстом — а саме міркування просить зробити мовну модель. Ця модель майже завжди живе за API: ти шлеш запит в OpenAI або Anthropic, вони ганяють його на своїх GPU, ти отримуєш текст назад.

Тож сервер робить три речі: крутить Python, тримає стан команди й робить HTTPS-запити. Нічого з цього не торкається GPU. Звичайний CPU-VPS — саме те, що треба. Змінюється це, лише якщо ти хочеш ганяти саму модель локально — але це окремий, важкий проєкт, і більшості команд він не потрібен.

На практиці: тариф на 1–2 ГБ ганяє невелику команду не напружуючись. Бери 4 ГБ, якщо запускаєш кілька команд одразу, тримаєш великі історії діалогів у RAM або прикручуєш векторну БД для довгої пам'яті агентів.

Власне налаштування

Свіжа Ubuntu-машина, root приблизно за хвилину після замовлення. Ось усе цілком:

# 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

# твій проєкт
mkdir ~/mycrew && cd ~/mycrew
# скопіюй сюди crew.py і .env (scp / git clone)

Твій .env тримає єдиний важливий секрет — API-ключ LLM:

OPENAI_API_KEY=sk-...
# або ANTHROPIC_API_KEY тощо

Далі звичайний python crew.py запускає її. Це ручний варіант. Він працює, але вмирає в момент закриття SSH-сесії — що й підводить нас до головного сенсу сервера.

Тримаємо живою через systemd

tmux годиться для швидкого тесту. Для чогось справжнього — systemd: він перезапустить команду при падінні й підніме після ребуту. Поклади це 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   # дивимось, як працює

Тепер команда запускається при завантаженні, перезапускається при збої й логується туди, де ти це прочитаєш. Закривай ноутбук — їй байдуже.

Оплата

Реєстрація — email і одноразовий код, без картки й паспорта. Поповнюєш баланс у USDC або USDT на Base, Ethereum чи Polygon (у Base дешевші комісії), замовлення списуються з нього. Для команди, яка переважно робить вихідні API-запити, дефолтний NAT-тариф підходить і коштує дешевше; тариф із -ip бери, лише якщо команді потрібен свій публічний IPv4 під вхідні сервіси.

Одна приємна штука: у EQVPS є MCP-сервер на mcp.eqvps.com/mcp. Якщо розгортання інфраструктури — саме по собі завдання твоєї команди, агент з поповненим балансом може викликати order_vps і підняти машину сам, без людини на checkout.

Що чесно сказати

API-ключі LLM — твої. Ми хостимо команду, а не модель. Твій рахунок від OpenAI/Anthropic — окремий, і для активної команди зазвичай саме він і є основною статтею витрат; VPS тут — дешева частина.

Це CPU-only, один дата-центр у Німеччині. Локального GPU-інференсу немає, а затримка краща, якщо твої користувачі чи API поруч із Європою. Для команди, що б'є по LLM-API у США, зайвий хоп — це мілісекунди, дрібниця на тлі затримки самої моделі, але знати варто.

Розмір рахуй за пам'яттю, а не за моделлю. RAM росте від історії діалогів і векторної БД, якщо ти її додав, а не від кількості агентів. Поспостерігай день за journalctl і htop — і розширся, якщо треба.

Висновок

Команді CrewAI місце на тому, що не засинає. Переїзд короткий: CPU-VPS, pip install crewai, systemd-юніт, API-ключ у .env. Десять хвилин — і команда працює 24/7, а не «поки відкритий ноутбук». Root приблизно за хвилину, оплата криптою, розширення коли пам'ять підкаже — а далі хай агенти працюють самі.