Почему разработчик отказался от CrewAI после трёх месяцев в продакшене

Разработчик, который работал с CrewAI около three months, рассказал о своём опыте применения фреймворка в реальном проекте и объяснил, почему позже перешёл на LangGraph. По его словам, CrewAI остаётся качественным инструментом: у него продуманный API, растущая экосистема и понятная документация. Модель взаимодействия агентов тоже оказалась довольно наглядной. Даже нетехнические заказчики после five-minute walkthrough понимали, как устроен мультиагентный пайплайн.

Сначала фреймворк использовали в проекте клиента для создания content intelligence pipeline. Нужно было собирать данные из нескольких источников, делать сводку, сопоставлять информацию и превращать результат в структурированный weekly briefing. Архитектура с агентами, где каждый отвечает за свою роль, хорошо легла на такую последовательную передачу задач. В течение first six weeks система работала стабильно, затем на той же базе запустили second project и third.

Трудности появились на fourth project, системе support triage. Запросы требовалось классифицировать, отправлять по нужному пути решения и проверять по confidence threshold перед выполнением. Если уверенность оказывалась низкой, система должна была запускать повторную классификацию с дополнительным контекстом. Некоторые случаи с высокой уверенностью и risk flags, наоборот, должны были проходить через human review gate. Как пишет Towards AI, попытки реализовать такую логику заняли two days и потребовали вынести значительную часть условий за пределы стандартных абстракций CrewAI. В итоге автор пришёл к выводу: модель фреймворка хорошо подходит для линейных или почти линейных передач задач между агентами, но плохо справляется со сценариями, где есть условные возвраты, повторные попытки и сложная маршрутизация, зависящая от состояния выполнения.