Sequential vs Hierarchical:
два процесса CrewAI

Один состав — два способа работы

Те же агенты могут работать по-разному. Представь редакцию: можно пустить материал по конвейеру (репортёр → редактор → корректор, каждый передаёт дальше), а можно посадить главреда, который раздаёт задания и решает, что делать в каком порядке. Состав один, организация разная — и результат, скорость, предсказуемость тоже разные.

Ровно этот выбор делает параметр process у Crew. Он не меняет агентов и задачи — он меняет как они координируются. И это не просто настройка: за двумя значениями стоят два фундаментальных паттерна мультиагентных систем, которые мы ещё разберём отдельно в разделе про координацию.

Sequential — конвейер

Process.sequential — то, что мы уже собирали: задачи выполняются в порядке списка, результат каждой передаётся следующей (через context). Это детерминированный конвейер: маршрут известен заранее, поведение предсказуемо, отладка проста.

from crewai import Crew, Process

crew = Crew(
    agents=[analyst, writer, critic],
    tasks=[research, draft, review],     # ← выполнятся именно в этом порядке
    process=Process.sequential,
)
result = crew.kickoff(inputs={"topic": "..."})
# research → draft → review, результат каждой питает следующую

Sequential — это Pipeline из будущего урока про координацию: жёсткая, понятная цепочка. Большинство задач отлично ложатся именно на него — начинай с sequential по умолчанию.

Hierarchical — менеджер

Process.hierarchical добавляет агента-менеджера. Ты больше не прописываешь жёсткий порядок — менеджер сам, через LLM, решает, какому исполнителю что поручить, в каком порядке и нужно ли повторить шаг. Задачам можно даже не назначать конкретного агента — менеджер подберёт подходящего по ролям.

from crewai import Crew, Process
from langchain_openai import ChatOpenAI

crew = Crew(
    agents=[analyst, writer, critic],   # исполнители (без явного назначения задач)
    tasks=[research, draft, review],
    process=Process.hierarchical,
    manager_llm=ChatOpenAI(model="gpt-4o"),   # ОБЯЗАТЕЛЬНО: мозг менеджера
    # либо manager_agent=<свой Agent-менеджер> для тонкой настройки роли
)
result = crew.kickoff(inputs={"topic": "..."})
# менеджер сам решает: кому делегировать, в каком порядке, что переделать

Ключевое отличие в коде — manager_llm (или manager_agent): иерархии нужен «мозг» руководителя, который и принимает решения о делегировании. Это Supervisor из модуля 03, только в декларативной обёртке CrewAI: тот же центральный координатор, что раздаёт задачи специалистам.

Чем отличаются на практике

Когда какой выбирать

Типичные ошибки

Шпаргалка

from crewai import Crew, Process

# SEQUENTIAL — конвейер (= паттерн Pipeline)
#   задачи по порядку списка, результат → следующей
Crew(agents=[...], tasks=[...], process=Process.sequential)

# HIERARCHICAL — менеджер (= паттерн Supervisor)
#   менеджер сам решает, кому/что/когда делегировать
Crew(agents=[...], tasks=[...], process=Process.hierarchical,
     manager_llm=ChatOpenAI(model="gpt-4o"))   # ОБЯЗАТЕЛЬНО

#                Sequential        Hierarchical
#  порядок       ты (список)       менеджер (рантайм)
#  предсказуем.  высокая           ниже
#  гибкость      фиксированная     адаптивная
#  стоимость     ниже              выше (+менеджер)
#  отладка       проще             сложнее

# Правила:
#  • НАЧИНАЙ с sequential (проще/дешевле/предсказуемее)
#  • hierarchical → когда порядок зависит от результатов
#  • менеджеру — СИЛЬНУЮ модель (он думает за координацию)
#  • sequential: порядок задач = реальные зависимости

Практическое задание

Сравни два процесса на одной команде:

Что дальше

Ты умеешь и описывать роли, и выбирать процесс. Дальше — как сделать всё это читаемым и поддерживаемым: CrewAI позволяет выносить агентов и задачи в YAML-конфигурацию, отделяя «что за команда» от кода запуска.