CrewAI 1.15 เปิดทาง 'declarative flows' — นิยาม multi-agent workflow เป็น JSON แล้วรันจาก CLI ได้เลย ไม่ต้องเขียน Python ทุกขั้น

CrewAI หนึ่งใน framework สำหรับสร้างระบบ multi-agent ที่นิยมที่สุด ปล่อยเวอร์ชัน 1.15 (เวอร์ชันฟีเจอร์ v1.15.0 เมื่อ 25 มิ.ย. 2026 และแพตช์ v1.15.1 เมื่อ 27 มิ.ย. 2026) ที่เปลี่ยนวิธีนิยาม workflow ของ agent ไปพอสมควร จุดเด่นคือ ระบบ declarative flow — แทนที่จะเขียนทุกขั้นตอนของ flow เป็นโค้ด Python ตอนนี้นิยาม workflow เป็น JSON/declarative FlowDefinition แล้วโหลดและรันตรงจาก CLI/TUI ได้เลย

นี่เป็นพัฒนาการสำคัญต่อจากโพสต์เก่าของเราเรื่อง CrewAI 1.14 (durable agents/checkpointing) เมื่อเดือนเมษายน — รอบนี้โฟกัสที่ “ทำให้การประกอบ flow เข้าถึงง่ายขึ้น” โดยลดการต้องเขียนโค้ดลง

Declarative flow: นิยาม workflow เป็น JSON

หัวใจของ 1.15.0 คือ unified declarative flow loading ที่ให้คุณบรรยายลำดับการทำงานของหลาย agent เป็นโครงสร้าง declarative แทนโค้ดล้วน องค์ประกอบหลัก:

• FlowDefinition — นิยาม workflow เป็น JSON/YAML รวมถึงการ นิยาม crew แบบ inline ในตัว flow ได้เลย
• Composite actions — step แบบ each (วนลูป) ที่ใส่เงื่อนไข if กำกับการทำงานของแต่ละ step ได้
• Single-agent actions และ crew actions — เรียก agent เดี่ยวหรือสั่งงานทั้ง crew ภายใน flow เดียวกัน
• DMN mode — รองรับ Decision Model and Notation สำหรับ business logic ที่ซับซ้อน เหมาะกับ workflow ที่ต้องตัดสินใจตามกฎหลายชั้น
• JSON schema flow state — จัดการ state ของ flow ด้วย schema ชัดเจน และ track การใช้งานของ conversational flow ใน telemetry

ผลที่ตามมาคือการสร้าง workflow “เป็นไฟล์ config ที่อ่าน/แก้/แชร์ได้” ไม่ผูกกับโค้ด Python ตลอด ซึ่งเปิดทางให้คนที่ไม่ใช่นักพัฒนาหลัก (เช่น domain expert) เข้ามาปรับ flow ได้ง่ายขึ้น โดยยังคง backward compatibility กับโปรเจกต์เดิม

รวมคำสั่ง CLI และงาน dev-experience ใน 1.15.1

ฝั่ง CLI มีการ รวมคำสั่ง crewai run กับ crewai flow kickoff ให้เป็นทางเดียว และรองรับ conversational flow ใน CLI TUI ส่วน v1.15.1 (27 มิ.ย.) เป็นแพตช์ที่เน้นขัดเกลาประสบการณ์นักพัฒนา — สั่ง git init ให้โปรเจกต์ที่ generate ออกมา, บังคับให้ระบุ project definition ชัดเจน และเปิดหน้า deploy ให้อัตโนมัติ

ที่สำคัญไม่แพ้กันคือ แพตช์ความปลอดภัยสองจุด: ปิดช่องโหว่ SSRF จากการ bypass redirect ในเครื่องมือ scraping และแก้ path-traversal ผ่าน symlink ตอนแตกไฟล์ archive ของ skill — สองจุดนี้สำคัญกับทีมที่รัน CrewAI agent ให้ดึงข้อมูลจากภายนอกหรือโหลด skill จากแหล่งที่ไม่ได้ควบคุมเต็มที่

มุมมอง AI Curator

เทรนด์ที่ CrewAI 1.15 สะท้อนชัดคือ framework สาย agent กำลังขยับจาก “เขียนทุกอย่างเป็นโค้ด” ไปสู่ “นิยามเป็น config แบบ declarative” — เป็นทิศทางเดียวกับที่หลายเจ้าเดิน (LangGraph มี graph definition, n8n/flow-based tools มาจากอีกฝั่ง) เหตุผลคือ multi-agent workflow ที่ซับซ้อนเริ่มยากต่อการดูแลเมื่อฝังอยู่ในโค้ด การดึงมันออกมาเป็น JSON/FlowDefinition ทำให้ review, diff, version และแชร์ง่ายขึ้น และที่สำคัญคือเปิดให้ “คนที่เข้าใจกระบวนการธุรกิจ แต่ไม่ได้เขียน Python เก่ง” เข้ามามีส่วนปรับ flow ได้ — โดยเฉพาะเมื่อมี DMN ที่เป็นมาตรฐานสาย business rules อยู่แล้ว

สำหรับทีมไทยที่กำลังประกอบ agent ขึ้นใช้งานจริง ข้อดีจับต้องได้คือ ลดกำแพงการเริ่มต้นและการส่งต่องาน — flow ที่เป็นไฟล์ config ส่งให้เพื่อนร่วมทีมรันต่อได้โดยไม่ต้องเข้าใจโครงสร้างโค้ดทั้งหมด แต่สิ่งที่อยากเตือนคืออย่ามองข้าม แพตช์ความปลอดภัย ใน 1.15.1: ทีมจำนวนมากให้ agent ทำงาน scraping และโหลด skill จากภายนอกโดยไม่ได้คิดเรื่อง SSRF/path-traversal ให้รอบ — ถ้าใช้ CrewAI ในงานจริง ควรรีบอัปเป็น 1.15.1 ขึ้นไป และทบทวนว่า agent ของคุณมีสิทธิ์เข้าถึง network ภายในหรือ filesystem มากเกินจำเป็นหรือเปล่า ความสะดวกของ declarative flow จะมีค่าก็ต่อเมื่อฐานความปลอดภัยแน่นพอ

แหล่งข่าว

• CrewAI v1.15.1 release notes — GitHub (27 มิ.ย. 2026)
• CrewAI v1.15.0 release notes (declarative flows) — GitHub (25 มิ.ย. 2026)
• CrewAI — เอกสารและที่เก็บโค้ดทางการ