Зміст
Коротко
Python-CrewAI зручний для команд агентів, але тягне важкий стек залежностей і повільний холодний старт. Автор виклав crewai-go — ідіоматичний порт на Go з опорою на net/http, encoding/json і log/slog, і показав пліч-о-пліч сценарій «дослідити → написати».
Що сталося
У Python ви збираєте Agent, Task і Crew з послідовним процесом. У Go ті самі ролі: дослідник і автор, задачі з явним WithContext замість неявної магії, Kickoff повертає підсумок. Поверхня API схожа, середовище виконання інше: один бінарник, мілісекундний холодний старт, близько 10–20 МБ пам’яті, потокобезпека й високий поріг покриття тестами.
У репозиторії заявлені послідовний, ієрархічний і ступінчастий процеси, опційний цикл план–виконання–оцінка–уточнення, вебпошук і структурний вивід із починкою схеми JSON — усе на стандартній бібліотеці. Є офлайн-приклад із макетом моделі без ключа API.
Чому це важливо
Оркестрація агентів часто впирається не в «розумний промпт», а у вартість доставки: контейнер, холодний старт, розмір залежностей. Порт на Go не скасовує Python-екосистему, але показує, що контракт «команда фахівців» можна винести в легкий бінарник, якщо готові писати інтеграції самі.
На практиці
- Якщо деплой
CrewAIроздувся через транзитні пакети — виміряйте холодний старт і резидентну пам’ять до зміни стека. - Під час перенесення збережіть явні залежності між задачами: у Go це видно в коді сильніше, ніж у «магії» фреймворку.
- Для CI увімкніть гонку даних і жорсткий поріг покриття — автор тримає ~90% як ворота.
- Офлайн-приклад із макетом LLM зручний для тестів оркестрації без рахунку за API.
- Не чекайте повного паритету з
litellm/langchain«з коробки» — оцінюйте поверхню, яка вам реально потрібна.
Підсумок
crewai-go — практична відповідь на важкий Python-стек: ті самі ідеї агентів і екіпажу, інша економіка запуску. Має сенс дивитися, якщо ви вже в Go і хочете оркестрацію без зоопарку залежностей.