CrewAIの使い方｜インストール・料金・AIエージェント構築をコードで解説 (2026年版)

「AIに調査もレポート作成もまとめて任せたい」。その願いをコードで形にできるのが CrewAI だ。

CrewAIとは、複数のAIエージェントに「リサーチ担当」「執筆担当」のような役割を割り振り、チームとして1つのタスクをこなさせるPythonフレームワークです。人間の部署を、そのままAIで再現するイメージが近い。

エージェント（AIへ役割を与えた自律的な働き手）という言葉はここ数年で一気に広がった。中でもCrewAIは扱いやすさで頭ひとつ抜けている。GitHubのスター数は44,000超（公式リポジトリ、2026年6月時点）。PwCなど大手の導入事例も公開されている。

無料で始められて、コード20行で動く。まずはそこから見ていく。

CrewAIとは？AIエージェントの「チーム」を組む仕組み

CrewAIは、複数のAIエージェントが役割分担して協力し、複雑なタスクを自律的にこなすオープンソースのPythonフレームワークです。2024年に創設者のJoão Moura氏が公開した。以来、ビジネス用途を軸に進化を続けている。

LLM（大規模言語モデル＝ChatGPTなどの頭脳部分）を1個だけ呼ぶのとは発想が違う。CrewAIは複数のLLMに別々の役を演じさせ、互いの出力を受け渡しながら仕事を進める。

例えば「競合分析レポートを作成して」という依頼。CrewAIなら、こう分解できる。

1. リサーチャーAI → Webから最新情報を収集
2. アナリストAI → データを整理・比較
3. ライターAI → 読みやすいレポートに仕上げ
4. 校閲AI → 誤りを修正して完成

この流れをPythonコード数十行で定義できる。そこがCrewAIの核心だ。

CrewAIの主な特徴

仕様を並べる前に一言。CrewAIの売りは「人間のチーム編成と同じ感覚でAIを組める」ことに尽きる。

つまり、いきなり本番システムを目指さなくていい。ローカルで無料で試し、必要になったらクラウドへ。この二段構えが地味に効く。

商業的な後ろ盾もある。Insight Partnersなどからの資金調達が公表されており（金額の詳細はCrunchbase等を参照）、プロジェクトが急に止まる心配は小さい。

CrewAIの料金プランはいくら？無料でどこまで使える？

結論から言うと、コードを書ける人なら一切お金はかからない。CrewAIには OSS版（無料） と AMP Cloud版（クラウド管理UI付き） の2系統がある。

OSS版：完全無料

GitHubで配布されているオープンソース版はMITライセンスで 永久無料。ローカルでの実行回数に上限はない。ChatGPT・Gemini・Claudeなど好きなLLMにつなげる。

ただし、ここが注意点。CrewAI自体は無料でも、裏で呼ぶLLMのAPI料金は別途かかる。OpenAIのAPIキーを使えば、処理量に応じた従量課金が発生する。

AMP Cloud版（クラウド管理UI付き）

CrewAI社が提供するクラウド「CrewAI AMP」のプラン一覧です（CrewAI公式 pricing ページ、2026年6月28日 最終確認）。

個人開発者ならBasicの無料枠で十分試せる。月100回以上動かすならProfessional（月$25）が現実的。Enterpriseは自社インフラへのVPC展開・RBAC・監査ログが要る大企業向けだ。

価格はドル建てで、円換算は1ドル約150円で概算したもの。為替で前後する点は頭に入れておきたい。

年間契約の割引

Professionalを年間契約にすると月換算でさらに安くなる場合がある（最新の割引率は公式サイトで確認推奨）。長く使う前提なら年払いを検討していい。

料金の全体像が見えたところで、実際に手を動かしてみよう。

ステップ1: CrewAIをインストールする

CrewAIはPythonパッケージとして提供されている。必要なのはPython 3.10以上3.14未満の環境（CrewAI公式ドキュメント、2026年6月時点）。

# pipでインストール（基本）
pip install crewai

# Google Geminiを使いたい場合
pip install "crewai[google-genai]"

# OpenAIを使う場合（デフォルト対応）
pip install crewai python-dotenv

公式は高速なパッケージ管理ツール uv の利用も推奨している。uv tool install crewai でも導入できる。pipに慣れているなら上記のままで問題ない。

ステップ2: APIキーを環境変数に設定する

CrewAIは頭脳役のLLMを外部から借りる。だからAPIキー（各社のAIを使うための認証鍵）が要る。.env ファイルに書いておくのが定石です。

# OpenAIを使う場合
OPENAI_API_KEY="sk-..."

# Geminiを使う場合
GOOGLE_API_KEY="AIza..."

キーは絶対にGitに上げないこと。.gitignore に .env を入れる。これは事故防止の基本だ。

ステップ3: Agent・Task・Crewを定義する

CrewAIの最小構成は Agent → Task → Crew の3ステップ。下は「調査→執筆」を2体のエージェントで回す例です。

from crewai import Agent, Task, Crew, Process
from dotenv import load_dotenv

load_dotenv()

# 1. エージェント定義
researcher = Agent(
    role="AIトレンドリサーチャー",
    goal="2026年の最新AIトレンドを調査する",
    backstory="あなたは技術トレンドに精通した調査の専門家です",
    llm="gpt-5",  # 使用するLLMを指定
)

writer = Agent(
    role="テックライター",
    goal="調査結果をわかりやすい記事にまとめる",
    backstory="複雑な技術を平易な言葉で説明できるライターです",
    llm="gpt-5",
)

# 2. タスク定義
research_task = Task(
    description="2026年のAIエージェント分野の主要な進展を3つ調査してください",
    expected_output="各進展を100文字程度で説明したリスト",
    agent=researcher,
)

writing_task = Task(
    description="調査結果をもとに、読者向けの技術解説記事（400字程度）を書いてください",
    expected_output="導入・本文・まとめの構成を持つ記事",
    agent=writer,
    context=[research_task],  # 前のタスクの出力を受け取る
)

# 3. クルー（チーム）を組んで実行
crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, writing_task],
    process=Process.sequential,  # 順番に実行
    verbose=True,
)

result = crew.kickoff()
print(result.raw)

ステップ4: kickoffで実行し、出力を確認する

ファイルを保存して python ファイル名.py を実行するだけ。AIが自動でリサーチして、その結果をもとに執筆まで進める。

verbose=True にしておくと、各エージェントの思考過程がリアルタイムで流れる。最初はこれを眺めて、どこで詰まるかを掴むのがいい。出力が思ったものと違えば、goal や description の文面を直す。これだけでクルーは別物のように賢くなる。

手順が掴めたら、もう少し踏み込んだ概念に進もう。

Agent・Task・Crew・Flowの4つの基本概念

CrewAIを使いこなす鍵は、4つのコア概念を押さえることです。

1. Agent（エージェント）

自律的に動く個々のAI。必須は3つだけ。

• role：エージェントの役割（例：「マーケットアナリスト」）
• goal：達成すべき目標
• backstory：振る舞いを補強する背景設定

任意で tools（Web検索など使うツール）や llm（使うモデル）も指定できる。1つのクルー内で、エージェントごとに別々のLLMを使い分けることも可能だ。

2. Task（タスク）

エージェントへの具体的な作業指示です。description（何をするか）と expected_output（期待する出力形式）が必須。

context で他タスクの出力を受け取れる。これがエージェント間の情報連携の正体だ。前のAIの仕事を、次のAIが引き継ぐ。

3. Crew（クルー）

複数のAgentとTaskをまとめる「チーム」の実行単位。タスクの進め方（Process）は2種類ある。

• Process.sequential：定義順に1つずつ実行（シンプルな用途向け）
• Process.hierarchical：マネージャー役のLLMが状況に応じてタスクを動的に割り振る（複雑な用途向け）

4. Flow（フロー）

Crewの一段上のレイヤー。イベント駆動型の複雑なワークフローを組む。状態管理・条件分岐・複数Crewの組み合わせが要る、本番レベルの自動化向けです。

from crewai.flow.flow import Flow, start, listen

class ContentWorkflow(Flow):
    @start()
    def generate_topic(self):
        # 最初に実行されるメソッド
        return "AIエージェントの未来"

    @listen(generate_topic)
    def research_and_write(self, topic):
        # トピックを受け取って調査・執筆クルーを実行
        result = research_crew.kickoff(inputs={"topic": topic})
        return result

Flowを挟むと、CrewAIは「単発スクリプト」から「本番グレードの自動化システム」へ格上げできる。ここまで来たら、もうおもちゃではない。

CrewAI Studioでノーコード構築できる？

できます。コードが苦手でも、CrewAI AMP のビジュアルエディタ（Studio）を使えばノーコードでエージェントチームを組める。

Studioの主な機能

• ドラッグ&ドロップでAgent・Task・Crewを配置
• AIコパイロットが構成案を提案
• 100種類以上のツール（Web検索・カレンダー・Slack連携など）を接続
• テンプレートから始めてカスタマイズ

Basicプラン（無料）でもStudioは使える。まずGUIで形を作り、後からコードに書き出す。この流れが初心者には一番ラクだ。

しかも、Studioで組んだクルーは MCPサーバーとしてエクスポート できる。そうするとClaudeやChatGPTなど他のツールから呼び出せる。作ったエージェントが、別のアプリの部品になる感覚だ。

CrewAIは日本語に対応している？

対応しています。ただし「設定で日本語を選ぶ」類いの機能ではない点に注意。

CrewAIは言語に依存しない設計だ。日本語の品質を決めるのは、CrewAIではなく裏で動くLLMと、あなたが書くプロンプト（AIへの指示文）になる。ClaudeやChatGPTなど日本語が得意なモデルをつなげば、出力も自然な日本語になる。

コツはシンプル。role goal backstory description を最初から日本語で書くこと。さらにタスクに「すべての出力は自然な日本語で書いてください」の一文を足すと、要約や構造化の精度まで上がる（GPT Master / gihyo.jp 等の国内チュートリアル、2026年時点）。

researcher = Agent(
    role="国内市場リサーチャー",
    goal="日本のAI市場の最新動向を3つ調べる",
    backstory="日本語の技術記事を読み込んできた調査担当です。出力は必ず自然な日本語で。",
    llm="gpt-5",
)

管理画面（Studio）のUIは英語中心だが、エージェント同士のやり取りや最終出力は完全に日本語化できる。実務で困る場面はほぼない。

日本語が問題ないとわかったところで、他のフレームワークとの差を見ていこう。

LangChain・LangGraph・AutoGenとの違い【比較表】

マルチエージェント界隈は競合が多い。CrewAIと主要4フレームワークを並べてみる。

数字も添える。GitHubスターはCrewAIが約44,000、LangChainが約95,000、LangGraphが約24,800、AutoGenが約38,000（各リポジトリ、2026年6月時点）。

つまり、立ち上がりの速さで選ぶならCrewAI。エコシステムの広さならLangChain。設計思想がそれぞれ違うので、何を作りたいかで答えは変わる。

• CrewAIの強み：役割分担が明確でコードが読みやすい。Studioでノンエンジニアも使える。
• LangChainの強み：インテグレーションの数が圧倒的。連携の幅で勝負できる。
• AutoGenの強み：会話ベースのマルチエージェントに特化。Microsoft発でAzure連携が強い。

「初めてマルチエージェントを試す」「チームで分担させたい」ならCrewAIが一番とっつきやすい。3つの違いをもっと深く知りたいならCrewAI・AutoGen・LangChain徹底比較もあわせてどうぞ。

CrewAIとLangGraph、どちらを選ぶべき？

ここが多くの人の最大の迷いどころだ。役割型のCrewAIと、グラフ型のLangGraph。立場をはっきりさせる。

まずはCrewAIでいい。 理由は速さだ。CrewAIなら2エージェントのワークフローが約20行・1時間以内で動く。対してLangGraphは同じことをするのに状態スキーマ・ノード・エッジの定義が要り、60行超になりやすい（DataCamp / OpenAgents 等の2026年比較記事）。

ただし、規模が大きくなると話が変わる。LangGraphは長時間ジョブのチェックポイント（途中保存）や、条件分岐・人間の承認ステップを厳密に制御できる。CrewAIはこのあたりが粗い。エージェント間の通信もタスク出力経由に限られる。

採用規模の差も無視できない。月間PyPIダウンロードはLangGraphが約3,450万、CrewAIが約520万（2026年比較記事の集計）。本番運用の現場ではLangGraphが先行している。

プロトタイプはCrewAIで爆速に作る。運用で複雑な分岐や途中復帰が必要になったらLangGraphへ移行する——これが2026年時点で最も無難な道筋だ。実際「CrewAIで試作→LangGraphで本番」という移行は珍しくない。

迷ったら、まずCrewAIで動くものを作る。話はそれからでいい。

実際のビジネス活用事例

PwC：マルチエージェント協調によるコード生成

世界最大級のコンサルティングファームPwCが、CrewAIをエンタープライズ案件で活用していると、CrewAI公式の事例紹介で言及されている（具体的な改善率の数値は公式事例ページを参照）。リサーチャー・コーダー・レビュアーの役を持つ複数エージェントが協調する構成で、単一LLMでは届きにくい精度を狙う。

Brickell Digital：リード獲得ワークフローの自動化

マーケティングエージェンシーのBrickell DigitalがCrewAIをリード獲得に使った事例も公式で取り上げられている。リサーチ・アウトリーチ・フォローアップの各エージェントを束ね、適格リード獲得の効率化につなげたとされる（具体的な改善率は公式事例ページを参照）。

個人開発者での活用パターン

大企業の話だけではない。ソロでも刺さる使い道がある。

• ブログ記事の自動生成：キーワードから調査・執筆・SEO最適化まで一気通貫
• 競合分析レポート：複数サイトをスクレイプして構造化レポートを自動生成
• コードレビュー自動化：PRを解析してバグ・改善提案を出力
• 営業メール作成：見込み客を調べてパーソナライズしたメールを下書き

要は「複数の工程を順に踏む仕事」ほどCrewAIが効く。1工程で終わる仕事なら、わざわざチームを組む必要はない。

AI PICKSの独自評価

AI PICKSでは、500以上のAIツールを独自基準でスコアリングしている。外部レビュー・SNSバズ・トレンド指数・サイト人気度・プロダクト品質の5軸で総合評価する。

スコアはAI PICKSの独自基準で算出。詳細は評価基準についてをご覧ください。

編集部の評価

公開情報とドキュメントを突き合わせた、率直な評価を残しておく。点を付けるなら、入門のしやすさは満点に近い。

• 立ち上がりの速さ：圧倒的。20行・1時間で動く手軽さは、他のマルチエージェント系では味わえない。最初の1本を作る体験として一択に近い。
• 役割分担の設計：明快で重宝する。role/goal/backstory の3点セットは、非エンジニアにも説明しやすい。
• ノーコード（Studio）：地味に便利。無料のBasicで触れるのが大きい。プロトタイプを社内に見せる時に効く。
• 大規模・長時間処理：正直イマイチ。チェックポイントや細かな通信制御は弱く、ここはLangGraphに分がある。本番で複雑な分岐を回すなら過信は禁物。
• 料金：OSSが完全無料なのは破格。ただしLLMのAPI代は別なので「タダで動く」と誤解しないこと。

総合すると、「マルチエージェント入門の最初の一本」としてはCrewAIが現時点のベストだと判断する。試作で勝ち、規模で割り切る。その線引きさえ間違えなければ、長く付き合える。

同じくAIエージェントを構築できるAutoGPTとは設計思想が逆だ。AutoGPTは単一エージェントの自律実行型で、役割分担で攻めるCrewAIとは向き不向きが分かれる。詳しくはAutoGPT完全ガイドを参照。

関連記事

• Kling AIの使い方｜料金・始め方ガイド
• AutoGPTの使い方｜料金・インストール・CrewAIとの違い
• Dify完全ガイド｜ノーコードでLLMアプリを作る
• Cursor AIの使い方｜料金・活用術ガイド

よくある質問

Q. CrewAIは商用利用できますか？ライセンスは？

OSS版はMITライセンスで配布されており、商用利用が可能です。社内ツールや有料サービスへの組み込みも認められています。ただしAMP Cloud版の利用規約は別なので、本番運用前に公式の最新規約を確認してください。

Q. CrewAIの利用にプログラミングは必須ですか？

必須ではありません。CrewAI AMPのStudioを使えば、ドラッグ&ドロップでエージェントチームをノーコード構築できます。無料のBasicプランでも利用でき、後からコードに書き出すことも可能です。本格的な自動化を組むならPythonの基礎があると幅が広がります。

Q. CrewAIは無料でずっと使えますか？追加料金はかかりますか？

OSS版はローカルなら永久無料で実行回数の制限もありません。ただし内部で呼び出すLLMのAPI料金（OpenAIなど）は別途従量課金で発生します。AMP CloudはBasicが無料、Professionalが月25ドルです。

Q. CrewAIとLangGraphはどちらが初心者向きですか？

初心者にはCrewAIが向きます。役割を割り当てる直感的な書き方で、約20行・1時間ほどで最初のワークフローが動きます。LangGraphはグラフと状態を厳密に設計する分だけ学習に時間がかかりますが、長時間処理や複雑な分岐の制御に強みがあります。

Q. CrewAIで使えるLLMは決まっていますか？

いいえ、ベンダー中立の設計です。OpenAI・Gemini・Claude・Llamaなど主要なLLMを自由に選べます。1つのクルー内でエージェントごとに別々のモデルを使い分けることもでき、コスト重視のタスクと品質重視のタスクで切り替えるといった運用ができます。

Q. エージェントが暴走したり想定外の動きをしたら止められますか？

Professional以上ではHuman-in-the-loop（人間の確認を挟む仕組み）やガードレール機能で制御できます。OSS版でもProcessをsequentialにして実行順を固定したり、verboseで思考過程を監視したりすることでリスクを抑えられます。重要な処理にはレビュー役のエージェントを1体加えるのが定石です。