跑 CrewAI 需要 GPU 吗？

不需要——常见配置下不用。CrewAI 负责编排代理；真正的思考发生在你通过 API 调用的 LLM（OpenAI、Anthropic 等）里。你的服务器只是跑 Python、持有团队逻辑、发 HTTP 调用。那是 CPU 和 RAM 的活，不是 GPU。只有当你也在本地跑模型（比如经 Ollama）时才想要 GPU，那是另一个重得多的配置。

我需要多大的 VPS？

大多数团队在机器上都很轻，因为繁重的活在远端。一个 1–2 GB 内存的套餐就能轻松应付一个小团队。如果你跑多个团队、在内存里留长对话历史、或加一个用作代理记忆的向量库，就升到 4 GB。先从小的开始——以后能扩。

断开连接后怎么让团队继续跑？

作为 systemd 服务来跑（推荐），或用 tmux 做快速测试。systemd 会在它崩溃时重启它、并在开机时启动它——这正是从笔记本搬走的全部意义。下面有完整套路。

我能不用卡或证件付款吗？

能。EQVPS 接受 Base、Ethereum 或 Polygon 上的 USDC 或 USDT，且没有身份核验。注册就是一个邮箱加一个一次性验证码。如果你充一小笔余额，Base 的网络手续费最低。

代理能自己租服务器吗？

能——EQVPS 暴露一个 MCP 服务器（mcp.eqvps.com/mcp），所以一个有已充值余额的代理能调用 order_vps 自己开通一台机器。如果你团队的一项工作就是立起基础设施，这很有用。

在 VPS 上运行 CrewAI 多代理团队

你的 CrewAI 团队在笔记本上跑得很好。代理彼此对话，研究员把活交给写作者，整套东西嗡嗡运转——直到你合上盖子，一切停摆。或者你的 wifi 在任务中途掉线。或者你重启后忘了把它重新启动。

一个只在你盯着时才跑的团队不是自动化。它是个演示。把它搬到 VPS 上，才是让它变成你睡觉时也真能干活的东西。

为什么用服务器，而不是你的机器

卖点很简单：VPS 是一台永不合盖的电脑。它有固定 IP、不睡眠，进程死了它能把自己拉回来。对一个多代理团队——它天生就跑长时间、话痨、多步的活——这就是“它跑通过一次”和“它已经跑了三周”之间的差别。

还有第二个理由，会以一种好的方式让人意外：你不需要一台强机器。 下面细说，因为这是每个人先问的问题。

不，你不需要 GPU

这是人们在托管代理上搞错的地方。CrewAI 是个编排器。它决定哪个代理行动、按什么顺序、带什么上下文——然后它请一个语言模型去做真正的推理。那个模型几乎总是待在一个 API 后面：你给 OpenAI 或 Anthropic 发一个请求，他们在他们的 GPU 上跑它，你拿回文本。

所以你的服务器做三件事：跑 Python、持有团队的状态、发 HTTPS 调用。这些都不碰 GPU。一台普通的 CPU VPS 正好合适。唯一会变的情况，是你还想在本地跑模型——但那是一个另外的、更重的项目，多数团队不需要。

实际上：一个 1–2 GB 的套餐跑一个小团队毫不费力。如果你同时跑多个团队、在 RAM 里留大对话历史、或挂一个用作长期代理记忆的向量数据库，就升到 4 GB。

实际的搭建

全新的 Ubuntu 机器，下单后约一分钟拿到 root。整套如下：

# 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

# 你的项目
mkdir ~/mycrew && cd ~/mycrew
# 把你的 crew.py 和 .env 拷上来（scp / git clone）

你的 .env 里放着唯一要紧的机密——LLM API 密钥：

OPENAI_API_KEY=sk-...
# 或 ANTHROPIC_API_KEY，等等

然后一句普通的 python crew.py 就跑起来了。那是手动版本。它能用，但你的 SSH 会话一关它就死——这就把我们带到了服务器真正的意义。

用 systemd 保活

tmux 对快速测试没问题。任何正经用途都用 systemd——它在团队崩溃时重启它、在重启时把它拉起来。把这段放进 /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   # 看它干活

现在团队开机就跑、失败就重启，日志到处都能读到。合上你的笔记本吧——它不在乎。

付款

注册就是一个邮箱加一个一次性验证码——不用卡、不用证件。你用 Base、Ethereum 或 Polygon 上的 USDC 或 USDT 充值余额（Base 手续费最便宜），下单从里面扣。对一个主要发出站 API 调用的团队，默认的 NAT 套餐够用也更便宜；只有当团队需要自己的公网 IPv4 来做入站服务时，才选 -ip 套餐。

一个不错的小花招：EQVPS 在 mcp.eqvps.com/mcp 有一个 MCP 服务器。如果开通本身就是你团队的一项工作，一个有已充值余额的代理能调用 order_vps 自己立起一台机器——结账处没有人。

该说的实话

LLM API 密钥你自己带。 我们托管团队，不托管模型。你的 OpenAI/Anthropic 账单是分开的，对一个忙碌的团队来说，通常是更大的那笔成本——VPS 是便宜的部分。

它是纯 CPU、在德国和芬兰两个欧洲地点。 没有本地 GPU 推理，如果你的用户或 API 靠近欧洲，延迟最好。对一个打美国托管 LLM API 的团队，多出的一跳是毫秒级——跟模型延迟比起来无关紧要——但知道一下也好。

按你的内存来配置，不是按你的模型。 真正让你 RAM 用量涨起来的是对话历史和你加的任何向量库，而不是代理的数量。盯 journalctl 和 htop 看一天，需要就扩容。

收获

一个 CrewAI 团队该待在不睡觉的东西上。这一步很短：一台 CPU VPS、pip install crewai、一个 systemd unit、你 .env 里的 API 密钥。十分钟，你的团队就是 7×24 运行，而不是“笔记本开着的时候”。约一分钟拿到 root，加密付款，内存让你升时再升——然后让代理们接着干。