CrewAI에서 마이그레이션

CrewAI에서 JamJet으로 전환하는 개발자를 위한 코드 비교 및 개념 매핑.

개념 매핑

CrewAI	JamJet
`Agent(role, goal, backstory, tools)`	시스템 프롬프트 + MCP 도구를 사용하는 `@wf.step`
`Task(description, agent, context)`	워크플로우 스텝 — 컨텍스트는 공유 상태
`Crew(agents, tasks, process)`	`Workflow`
`Process.sequential`	기본 스텝 순서
`Process.hierarchical`	오케스트레이터 워크플로우 → A2A를 통한 하위 워크플로우
`crew.kickoff(inputs)`	`wf.run_sync(State(...))` 또는 `jamjet run`
`crewai_tools.SerperDevTool`	MCP 도구 노드 (`type: tool`, `server: brave-search`)
Memory (short/long term)	State 객체 (단기); Postgres 기반 런타임 (장기)
`agent.verbose = True`	구조화된 이벤트 로그 — `jamjet inspect`로 모든 스텝 조회 가능

비교 예시

연구자와 작성자, 두 에이전트가 협업하여 보고서를 작성하는 크루입니다.

CrewAI

from crewai import Agent, Crew, Process, Task
from crewai_tools import SerperDevTool

search_tool = SerperDevTool()

researcher = Agent(
    role="Research Analyst",
    goal="Find comprehensive, accurate information on the topic",
    backstory="Expert analyst with deep domain knowledge.",
    tools=[search_tool],
)

writer = Agent(
    role="Technical Writer",
    goal="Write clear, concise reports from research findings",
    backstory="Skilled writer for technical audiences.",
)

research_task = Task(
    description="Research the topic: {topic}",
    expected_output="Structured summary with bullet points and sources.",
    agent=researcher,
)

write_task = Task(
    description="Write a report on: {topic}",
    expected_output="Report with introduction, key findings, conclusion.",
    agent=writer,
    context=[research_task],
)

crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, write_task],
    process=Process.sequential,
)

result = crew.kickoff(inputs={"topic": "durable AI workflow orchestration"})

JamJet

from openai import OpenAI
from pydantic import BaseModel
from jamjet import Workflow

client = OpenAI()

class State(BaseModel):
    topic: str
    research: str = ""
    report: str = ""

wf = Workflow("research-crew")

@wf.state
class CrewState(State):
    pass

@wf.step
async def research(state: CrewState) -> CrewState:
    # Role/goal/backstory live in the system prompt — you own it
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": (
                "You are an expert research analyst. "
                "Return a structured summary with bullet points."
            )},
            {"role": "user", "content": f"Research: {state.topic}"},
        ],
    )
    return state.model_copy(update={"research": resp.choices[0].message.content or ""})

@wf.step
async def write_report(state: CrewState) -> CrewState:
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": "You are a skilled technical writer."},
            {"role": "user", "content": (
                f"Topic: {state.topic}\n"
                f"Research:\n{state.research}\n"
                "Write a comprehensive report."
            )},
        ],
    )
    return state.model_copy(update={"report": resp.choices[0].message.content or ""})

result = wf.run_sync(CrewState(topic="durable AI workflow orchestration"))
print(result.state.report)

주요 차이점

에이전트 vs 스텝

CrewAI는 에이전트를 역할, 목표, 배경 스토리, 도구 접근 권한을 가진 불투명한 객체로 취급합니다. JamJet은 이것을 실제로 무엇인지 그대로 다룹니다: 시스템 프롬프트와 도구 세트입니다. "에이전트"는 잘 작성된 시스템 프롬프트를 가진 스텝이며, 완전한 제어와 가시성을 제공합니다.

도구

CrewAI는 자체 도구 생태계(crewai_tools)를 가지고 있습니다. JamJet은 MCP(오픈 표준)를 사용합니다. 모든 MCP 서버가 작동합니다: Brave Search, GitHub, Postgres, 사용자 정의 서버 등. 독점 도구 레지스트리에 종속되지 않습니다.

CrewAI의 Process.hierarchical은 내부 관리자 에이전트를 사용합니다. JamJet은 A2A(Agent-to-Agent 프로토콜)를 사용합니다 — 각 에이전트가 자체 엔드포인트를 가진 별도의 워크플로우인 오픈 표준입니다. 오케스트레이터는 type: a2a_task 노드를 통해 전문가에게 위임합니다. 이는 머신과 조직 전반에 걸쳐 확장됩니다.


# orchestrator/workflow.yaml

nodes:
  delegate-research:
    type: a2a_task
    agent_url: "{{ env.RESEARCH_AGENT_URL }}"
    input:
      query: "{{ state.topic }}"
    output_key: research
    next: write-report

관찰 가능성

CrewAI의 verbose 모드는 사람이 읽을 수 있는 텍스트를 출력합니다. JamJet은 모든 스텝에 대해 구조화된 이벤트를 생성합니다 — 쿼리 가능하고, 비교 가능하며, 재현 가능합니다:

jamjet inspect exec-abc123   # 전체 타임라인
jamjet events exec-abc123    # 이벤트 스트림

내구성

CrewAI는 내장된 영속성이 없습니다. 실행 중간에 프로세스가 중단되면 처음부터 다시 시작해야 합니다. JamJet의 Rust 런타임은 모든 스텝을 영속화합니다. 충돌 복구는 자동으로 이루어집니다.

빠른 시작 마이그레이션

pip install jamjet

각 Agent를 @wf.step으로 변환 — role/goal/backstory를 시스템 프롬프트로 이동
Task 순서를 스텝 선언 순서로 변환 — 공유 컨텍스트는 상태 필드가 됨
crewai_tools를 MCP 도구 노드로 교체 (YAML에서 type: tool)
crew.kickoff(inputs)를 wf.run_sync(State(...))로 교체
멀티 에이전트 계층 구조의 경우: type: a2a_task 노드 사용

tip: jamjet-labs/jamjet-benchmarks에서 전체 작동 예제를 확인하세요.

CrewAI에서 마이그레이션

On this page