Framework di IA agentica nel 2026: LangGraph, CrewAI e il nuovo stack
Confronto tra LangGraph, CrewAI, Microsoft Agent Framework e OpenAI Agents SDK. Quale framework agentico scegliere nel 2026 per aziende e PMI.
Indice dei contenuti
Sintesi — Punti chiave
-
Nel 2026 contano quattro framework di IA agentica: LangGraph (controllo di flusso), CrewAI (velocità per ruoli), Microsoft Agent Framework (conversazione, assorbe AutoGen) e OpenAI Agents SDK (tooling gestito).
-
Microsoft ha spostato AutoGen in modalità manutenzione fondendolo nel Microsoft Agent Framework. È il più grande cambiamento enterprise dell’anno.
-
La scelta del framework raramente fa o rompe un progetto. Evaluation harness, osservabilità e controllo dei costi sì.
-
Secondo Gartner, entro il 2028 l’IA agentica prenderà autonomamente il 15% delle decisioni lavorative quotidiane. Il tooling che scegli ora compone verso quel futuro.
Un VP Engineering di un retailer italiano mi ha fatto il mese scorso una domanda che sento in qualche forma ogni settimana: ‘per un agente che prenota ordini ai fornitori, meglio LangGraph o CrewAI?’. Gli ho chiesto di descrivere il flusso. Dopo quindici minuti era evidente che il framework era la decisione meno importante sul tavolo. Le vere domande erano come valutare l’agente prima della produzione, come fare rollback quando prendesse una cattiva decisione e come imputare i costi LLM al centro di costo giusto.
Questo pezzo parla di framework di IA agentica — cosa fanno, dove differiscono e perché la maggior parte dei team enterprise sceglie quello sbagliato per le ragioni sbagliate.
Table of Contents
Cosa significa davvero ‘framework agentico’
Un framework agentico è l’impalcatura che trasforma un modello linguistico in qualcosa in grado di pianificare, usare strumenti, chiamare altri modelli e mantenere stato tra i turni. Senza framework scrivi codice di incollaggio. Con un framework scrivi codice di incollaggio dentro le opinioni di qualcun altro. Entrambe le opzioni vanno bene. La domanda interessante è quali opinioni si adattano al tuo problema.
Quattro visioni dominano il panorama 2026. LangGraph punta su macchine a stati esplicite. CrewAI punta su crew basate sui ruoli. Il Microsoft Agent Framework (che ha assorbito AutoGen) punta su conversazione e parità .NET/Python. L’OpenAI Agents SDK punta su primitive gestite e codice minimo. Ogni altro framework — Dify, Haystack Agents, LlamaIndex Agents, Semantic Kernel, discendenti di AutoGPT — è una variante di uno di questi quattro.
15%
delle decisioni lavorative quotidiane prese autonomamente da IA agentica entro il 2028
Fonte: Gartner Top IT Predictions
LangGraph — la festa della macchina a stati
Dati Epinium
Il 67% dei clienti ha gap di contenuto che la IA individua nella prima settimana.
LangGraph è ciò che scegli quando ‘a volte l’agente entra in loop infinito’ è un bug che ti costa la carriera. Modella l’agente come un grafo diretto di nodi, archi e stato condiviso. Ogni transizione è esplicita. Ogni checkpoint è persistibile. Ogni passo è ripercorribile. È il motivo per cui banche, team di healthtech e chiunque abbia un compliance officer tendono ad approdare qui.
Il rovescio è la verbosità. Costruire ‘una crew di tre agenti che raschia, sintetizza e pubblica un report’ richiede forse 30 righe in CrewAI e 150 in LangGraph. Se il flusso è breve e il costo di un bug è un tweet imbarazzante, quell’overhead è assurdo. Se il flusso gira di notte e tocca soldi dei clienti, quell’overhead è un’assicurazione a buon prezzo.
CrewAI — l’acceleratore basato sui ruoli
CrewAI ha preso alla lettera l’idea del ‘team di specialisti’. Dichiari agenti con ruoli (‘ricercatore’, ‘redattore’, ‘revisore’), dai loro strumenti e affidi compiti. Il framework gestisce gli handoff. Un’osservazione comune nei benchmark della community è che i team portano una prima versione funzionante in CrewAI circa il 40% più velocemente rispetto a LangGraph per flussi di business standard come ricerca, bozza di contenuti o arricchimento CRM.
Dove CrewAI soffre è nella debuggability su scala. Quando una crew di sette agenti produce un output di cui non ti fidi, tracciare quale ruolo ha fatto quale chiamata è più difficile che in un sistema basato su grafo. Il progetto sta investendo in osservabilità, ma questo è il trade-off onesto.
Microsoft Agent Framework — la nuova casa di AutoGen
Microsoft ha annunciato a ottobre 2025 che AutoGen e Semantic Kernel venivano unificati in un unico Microsoft Agent Framework. AutoGen è ora in modalità manutenzione. Per qualsiasi team che ha costruito su AutoGen nel 2023-2024, la migrazione è il progetto più importante della loro roadmap IA quest’anno.
Il framework è conversation-native (eredità AutoGen) ma aggiunge primitive di workflow, supporto .NET-first e integrazione profonda con Azure. Per le aziende già impegnate sullo stack Microsoft — settore pubblico, servizi finanziari e gran parte dei dipartimenti IT Fortune 500 — è l’opzione di default.
OpenAI Agents SDK — l’opzione gestita
L’Agents SDK di OpenAI è la scelta ‘spediamolo e basta’. Tool use, handoff e guardrail sono primitive gestite. Scrivi meno codice. Sei anche più accoppiato al pricing, ai rate limit e alla roadmap di OpenAI. Per progetti greenfield dove la velocità conta più dell’opzionalità, è imbattibile. Per strategie multi-modello dove vuoi GPT per il ragionamento, Claude per contesto lungo e Gemini per la search, diventa un vincolo.
La comparativa che quasi tutti cercano
| Framework | Migliore per | Punto debole | Fit enterprise |
|---|---|---|---|
| LangGraph | Flussi lunghi, auditabili, con stato | Verboso per crew semplici | Industrie regolate, agenti ops |
| CrewAI | Flussi a ruoli, prototipi rapidi | Debuggability oltre 5-6 agenti | Marketing, ricerca, content ops |
| MS Agent Framework | Aziende Microsoft-native, team .NET | Lock-in Azure, costo di migrazione | Grandi aziende, settore pubblico |
| OpenAI Agents SDK | Consegna rapida, stack OpenAI-first | Lock-in di modello, meno portabile | Startup, piloti greenfield |
Perché il framework non è la decisione
Qui è dove la maggior parte dei team sbaglia. Passano sei settimane a fare A/B tra CrewAI e LangGraph e zero settimane a costruire l’evaluation harness che dirà loro se l’agente sta davvero migliorando. Un agente senza eval è una demo, non un prodotto. Reuters documenta un flusso costante di progetti di IA enterprise andati in produzione e poi degradati in silenzio perché nessuno stava guardando.
Ciò che mi sorprende ogni volta che apriamo un assessment di IA agentica in Epinium è che l’80% del valore sta nell’impalcatura poco glamour — trace in Langfuse o Arize, eval strutturati, dashboard di costo, version control dei prompt e coda di revisione umana il primo mese. Il framework è il restante 20%. I team che invertono questo rapporto si pentono entro un trimestre.
SESSIONE GRATUITA
Non sei sicuro di quale framework faccia al caso tuo?
Prenota 30 minuti con il nostro team di AI engineering. Mappiamo il tuo flusso sul framework giusto e segnaliamo i gap di valutazione che quasi tutti i team mancano.
Prenota sessione → ✓ Gratis ✓ 30 min ✓ Nessuna vendita
Un albero decisionale che funziona davvero
Dopo aver fatto questo esercizio con decine di team, un’euristica semplice continua a reggere. Il flusso è lungo, regolato o pericoloso se entra in loop? Scegli LangGraph. Il team è piccolo, la timeline stretta e l’output una cosa che una persona rivede prima che succeda qualcosa? Scegli CrewAI. L’azienda è già impegnata sullo stack Microsoft e l’IT deve approvare? Microsoft Agent Framework. È una startup che spedirà questo trimestre e rifattorizzerà dopo? OpenAI Agents SDK.
La versione cattiva di questa decisione è scegliere sulla base dell’hype di Twitter o del framework che l’ingegnere più rumoroso del team conosce per caso. Entrambi portano a migrazioni costose dodici mesi dopo.
Cosa cambia nei prossimi 18 mesi
Tre movimenti da seguire. Primo, il tool calling a livello di modello sta diventando abbastanza buono da far sì che framework sottili (tipo OpenAI Agents SDK) sostituiscano quelli grossi per casi semplici. Secondo, il layer di osservabilità — Langfuse, Arize, Braintrust, LangSmith — si sta professionalizzando più velocemente dei framework stessi. Terzo, i team legali enterprise iniziano a chiedere ‘puoi dimostrare cosa ha fatto l’agente?’, cosa che spinge il mercato verso framework basati su grafo e auditabili.
La mia scommessa è che lo stack si stabilizzi su LangGraph per il lavoro regolato, Microsoft Agent Framework per le aziende Microsoft, OpenAI Agents SDK per la velocità e CrewAI che tiene la nicchia basata sui ruoli. Tutto il resto si consolida o diventa libreria sopra questi quattro.
Domande frequenti
Vale la pena imparare LangGraph se il team usa LangChain?
Sì, più di prima. LangGraph è ora il default raccomandato per flussi agentici con stato nell’ecosistema LangChain. Gli ‘agents’ classici di LangChain sono di fatto deprecati a favore dei grafi LangGraph. Se usavate AgentExecutor, la migrazione è inevitabile.
Dobbiamo migrare subito fuori da AutoGen?
Se il progetto è in produzione e funziona, niente fretta — ma pianifica la migrazione nei prossimi due trimestri. L’investimento va sul Microsoft Agent Framework. Girare su un framework in modalità manutenzione accumula debito tecnico più velocemente di quanto si pensi.
Possiamo usare più framework in un unico sistema?
Sì e lo si fa. Un pattern comune è LangGraph per l’orchestrazione centrale più CrewAI per un sotto-flusso specifico di generazione contenuti. Il costo è un secondo albero di dipendenze e un secondo modello mentale per i nuovi ingegneri. Vale la pena se il sotto-flusso è abbastanza complesso.
Quale framework è più economico da far girare?
Il framework in sé è gratis in quasi tutti i casi. Il costo viene dalle chiamate LLM. Il framework che incoraggia chiamate meno numerose e più affilate vince. Lo stato esplicito di LangGraph tende a forzare questa disciplina. I default basati sui ruoli di CrewAI possono gonfiare silenziosamente la spesa in token. Misura prima di impegnarti.
Ci serve davvero un framework agentico?
Per un prompt una tantum, no. Per una singola chiamata a tool, forse no. Per qualsiasi cosa con tre o più passi, stato, retry o handoff multi-agente, sì. Farselo in casa è possibile ma reinventerai lentamente le parti di LangGraph che hai saltato, che è la versione più costosa di questo progetto.
Dove ti lascia tutto questo
I framework sono moda. Evaluation harness e osservabilità non lo sono. I team che stanno vincendo con l’IA agentica nel 2026 sono quelli che hanno dedicato il Q1 all’impalcatura noiosa e dal Q2 in poi hanno iterato sulla parte interessante. Trattano la decisione sul framework come reversibile e quella sulla misurazione come permanente.
Scegline uno dei quattro. Spedisci. Strumenta tutto. Migra se devi. La classifica sarà diversa tra diciotto mesi, e i team che staranno ancora spedendo saranno quelli che non hanno mai confuso lo strumento col lavoro.
TRANSFORM BY EPINIUM
Metti IA agentica in produzione senza rimpianti al primo anno
Aiutiamo brand e produttori a scegliere il framework giusto, cablare gli eval e mandare in produzione agenti senza scommettere la roadmap.
Gratis · 30 min · Nessun impegno
Come funziona l’ottimizzazione IA per Amazon?
L’intelligenza artificiale analizza automaticamente le performance delle schede prodotto, suggerisce miglioramenti per titoli, bullet point e descrizioni, e ottimizza le campagne pubblicitarie in base ai dati di conversione reali.
