🎭 CrewAI: papéis fixos vs Kanban dinâmico
CrewAI coordena múltiplos agentes com papéis fixos (Researcher, Writer, Editor, etc) definidos em código. Hermes v0.13.0 usa Kanban com workers dinâmicos que pegam tarefas conforme disponibilidade.
🎭 CrewAI (papéis fixos)
- •Researcher → pesquisa fontes
- •Writer → escreve rascunho
- •Editor → revisa
- •Pipeline previsível em código Python
- •Análogo a "uma empresa com cargos"
📋 Hermes Kanban (workers dinâmicos)
- •Tarefas entram numa fila To Do
- •Worker disponível pega a próxima
- •Heartbeat prova vida; reclaim se travar
- •Heterogêneo: tarefas de tipos variados
- •Análogo a "fila com trabalhadores intercambiáveis"
💡Quando cada um vence
Papel fixo é bom pra pipeline previsível (pesquisa → escrita → revisão). Worker dinâmico é melhor pra fila heterogênea onde quem está livre pega o próximo (refactor multi-repo, processar 1000 emails, auditar 50 servidores).
💾 Persistência
Hermes persiste sessões em SQLite com índice full-text FTS5 — qualquer conversa antiga é pesquisável via tool session_search. CrewAI não tem sistema de persistência equivalente por padrão.
🗃️ Por que importa
📦 Implicação prática
Pra agente operacional 24/7 que recebe input ao vivo, persistência é diferencial enorme. Pra batch job em pipeline determinístico, CrewAI batch sem storage funciona. Você implementa storage só se precisar.
🎮 Interface
CrewAI é framework Python puro — você escreve script e executa. Hermes tem TUI (terminal interativo), CLI e gateway de mensagens — vários jeitos de operar.
🐍 CrewAI
- •Script Python:
crew.kickoff() - •Bom pra batch jobs e pipelines codificados
- •Sem interação ao vivo nativa
- •Você integra UI custom se precisar
🪽 Hermes
- •TUI interativo:
hermesno terminal - •CLI scripts:
hermes "task" - •Gateway 20+ plataformas
- •Você manda mensagem, ele responde
💡Combinação
Você pode chamar uma "crew" (CrewAI) de dentro do Hermes pra etapas específicas que precisam de pipeline determinístico de papéis. Hermes vira o agente operacional + frontend; CrewAI o motor de pipeline.
💬 AutoGen: conversação vs ownership
AutoGen foca em conversações multi-agente onde agentes dialogam entre si até chegar a uma resposta. Hermes Kanban tem ownership de tarefa — um worker pega, executa, devolve.
🗣️ Filosofias opostas
⚠️Custo de conversação
Cada turno de conversação consome tokens. AutoGen pode ficar caro se você não limitar bem. Hermes Kanban é mais previsível em consumo (tarefa = N turnos, worker = M tokens).
🏢 Integração enterprise
AutoGen tem integração com Azure OpenAI e Microsoft Teams nativamente — backed by Microsoft. Hermes tem integração com Microsoft Teams via gateway, sem dependência Azure obrigatória.
🏢 AutoGen (Microsoft-friendly)
- •Azure OpenAI nativo
- •Teams direto
- •Suporte corporativo Microsoft
- •Bom pra empresa Microsoft-shop
🪽 Hermes (multi-cloud)
- •Provedor à sua escolha
- •Teams via gateway (1 entre 20+)
- •Comunidade NousResearch
- •Bom pra portabilidade entre clouds
💡Ambos MIT
Os dois são open source MIT. Hermes tem fork openclaw que migrou pra base Hermes — sinal de comunidade ativa. AutoGen é referência acadêmica em pesquisa multi-agente.
🎯 Quando escolher
Decisão por perfil de uso: CrewAI/AutoGen para pipelines codificados, Hermes para agente operável.
🐍 Escolha CrewAI/AutoGen quando
- ✓Pipeline multi-agente codificado em Python
- ✓Papéis estáveis (CrewAI) ou debate (AutoGen)
- ✓Execução em batch, não stream
- ✓Pesquisa em sistemas multi-agente (AutoGen)
- ✓Empresa Microsoft-shop com Azure (AutoGen)
- ✓Time Python pra desenvolver e manter
🪽 Escolha Hermes quando
- ✓Agente operável via mensagem
- ✓Workers dinâmicos pra fila heterogênea
- ✓Persistência SQLite + FTS5 nativa
- ✓Setup em horas, não semanas
- ✓Operador em Telegram/WhatsApp
- ✓Equipe pequena ou uso pessoal
💡Avalie quem opera o sistema
Dev Python sentado no PC? CrewAI/AutoGen funciona. Operador em Telegram precisando agendar tarefa? Hermes ganha de longe em ergonomia. A pergunta é "quem usa", não "qual é mais poderoso".
🎯Resumo do módulo
Próximo módulo:
5.6 - 🧩 Como combinar: arquitetura híbrida real