Progetto italiano indipendente
Il riferimento
italiano su
CrewAI
Il framework Python che fa collaborare più agenti AI come una squadra: cosa fa davvero, come si scrive, quanto costa farlo girare e in quali casi conviene sceglierne un altro. Con il codice, non solo la teoria.
- versione
- 1.15.16
- licenza
- MIT
- python
- 3.10 - 3.13
Assegna i task, verifica gli output, richiede correzioni.
- Ricercatorecompletato
- obiettivo
- Raccogliere fonti sui competitor
- tool
- SerperDevTool
- Analistain esecuzione
- obiettivo
- Estrarre prezzi e posizionamento
- tool
- FileReadTool
- Redattorein coda
- obiettivo
- Scrivere il report per la direzione
- tool
- nessuno
>crew avviato · process=hierarchical · 3 agenti
>ricercatore · tool SerperDevTool · 12 fonti raccolte
>analista · legge output del ricercatore
>analista · delega al ricercatore: manca il listino 2026
Uno schema reale: un manager assegna i task, gli agenti usano tool e si rimandano il lavoro quando manca qualcosa. È il processo hierarchical di CrewAI.
I quattro mattoni
Tutto CrewAI sta in quattro oggetti
Chi arriva da Zapier o da un chatbot cerca funzioni e trova invece un modello a ruoli. Sono quattro concetti: quando li hai capiti, il resto della documentazione si legge da solo.
Agent
l'agenteUn ruolo con un obiettivo e una storia. Riceve i tool che può usare e un modello linguistico che lo fa ragionare. Non è un chatbot: è un lavoratore con un mandato stretto.
- role
- goal
- backstory
- tools
Task
il compitoIl lavoro da fare, con la descrizione di cosa serve e la forma esatta dell'output atteso. È il campo expected_output a fare la differenza fra un risultato usabile e un tema svolto.
- description
- expected_output
- agent
Crew
la squadraAgenti e compiti messi insieme sotto un processo. In sequential i task scorrono in fila, in hierarchical un manager assegna, controlla e rimanda indietro il lavoro fatto male.
- agents
- tasks
- process
Flow
il flussoL'altra metà del framework, quella deterministica: passi collegati da eventi, stato persistente, riprese dopo un errore. Serve quando l'autonomia degli agenti è un rischio, non un vantaggio.
- @start
- @listen
- @router
Il codice, subito
Un crew che funziona sta in venti righe
Due agenti, due compiti, un processo. Questo è il minimo sindacale di CrewAI, ed è già abbastanza per capire se il framework fa al caso tuo.
- Il punto che salta a tutti
- Senza il parametro
llml'agente prova a usare OpenAI e chiede una chiave API. È il primo errore che incontra chi vuole lavorare in locale. - Cosa cambia il risultato
expected_outputnon è una formalità: descrive la forma del risultato e viene usato per valutare se il compito è finito.
from crewai import Agent, Task, Crew, Process
from crewai_tools import SerperDevTool
ricercatore = Agent(
role="Ricercatore di mercato",
goal="Trovare fonti affidabili su {settore}",
backstory="Separa i dati dalle opinioni.",
tools=[SerperDevTool()],
llm="gpt-5.4-mini", # senza, prova OpenAI
)
redattore = Agent(
role="Redattore",
goal="Scrivere un report per la direzione",
backstory="Scrive in italiano, senza gergo.",
llm="gpt-5.4-mini",
)
raccolta = Task(
description="Raccogli 10 fonti su {settore}.",
expected_output="Elenco: fonte, prezzo, data, link.",
agent=ricercatore,
)
stesura = Task(
description="Scrivi il report dalle fonti raccolte.",
expected_output="Markdown, max 600 parole, con tabella.",
agent=redattore,
)
crew = Crew(
agents=[ricercatore, redattore],
tasks=[raccolta, stesura],
process=Process.sequential,
)
risultato = crew.kickoff(inputs={"settore": "fotovoltaico"})
print(risultato.raw)Da dove partire
Tre percorsi, a seconda di dove sei
Le pagine sono scritte per essere lette in ordine. Se arrivi da una ricerca specifica, parti da qui e scendi.
- 01
Non so ancora cosa sia
Capire il modello
Cosa distingue un agente da una chiamata a un modello, e perché metterne più di uno insieme cambia il problema.
- 02
Voglio scrivere codice
Costruire il primo crew
Installazione, primo crew funzionante, tool, output strutturati e la versione che gira in locale senza mandare dati fuori.
- 03
Devo decidere e giustificarlo
Scegliere e mettere in produzione
Confronti onesti con gli altri framework, costi della piattaforma commerciale, errori che si pagano in bolletta e obblighi normativi.
Il campo di gioco
CrewAI non è l'unica opzione, e non è sempre la migliore
Un confronto serve se dice anche quando perdere. Qui trovi la scala dei progetti e le pagine che entrano nel merito, caso per caso.
Stelle su GitHub, rilevate il 17 agosto 2026
- LangChain144k
- AutoGen60,5k
- CrewAI57,2k
- LangGraph39,9k
- smolagents28,8k
- OpenAI Agents SDK28,7k
- Pydantic AI19,4k
- Microsoft Agent Framework12,9k
Le stelle misurano attenzione, non qualità né adozione in produzione. LangChain conta il suo intero ecosistema, AutoGen è in manutenzione dal 2026 e n8n gioca in un campionato diverso. Servono a dare la scala, poi si guarda il codice.
Domande
Domande frequenti
Le domande che tornano più spesso, con risposte che non vendono niente.
CrewAI è gratis?
Il framework open source è gratuito e distribuito con licenza MIT: si installa con pip e si usa senza limiti. Quello che si paga sono i token del modello linguistico, che restano sempre a carico tuo su qualsiasi piano. A parte c'è la piattaforma commerciale di CrewAI Inc., con un piano gratuito limitato a 50 esecuzioni al mese e un piano enterprise a preventivo.
Serve saper programmare per usare CrewAI?
Per il framework sì: è una libreria Python e si scrive codice, anche se la configurazione degli agenti può stare in file separati. Chi non programma trova un editor visuale nella piattaforma commerciale, oppure usa strumenti come n8n che affrontano lo stesso problema da una tela grafica.
Che differenza c'è fra Crew e Flow?
Un Crew lascia decidere agli agenti come arrivare al risultato: è flessibile e imprevedibile. Un Flow definisce passi collegati da eventi, con stato salvato e ripresa dopo un errore: è rigido e ripetibile. Nei progetti seri si usano insieme, con i Flow a governare e i Crew chiamati solo dove serve autonomia.
Posso usare CrewAI senza mandare dati a OpenAI?
Sì. CrewAI instrada le chiamate tramite LiteLLM e accetta modelli locali serviti da Ollama o da qualsiasi endpoint compatibile. Va però indicato esplicitamente il parametro llm su ogni agente: senza, il framework tenta di usare OpenAI e chiede una chiave API. È l'inciampo più comune di chi vuole restare in locale.
CrewAI o LangGraph?
CrewAI conviene quando il problema si descrive bene come squadra di ruoli e vuoi arrivare a un prototipo in fretta. LangGraph conviene quando servono controllo esplicito del flusso, ramificazioni condizionali e stato ispezionabile, tipico dei processi regolamentati. Non sono alternative religiose: i Flows di CrewAI coprono parte del terreno di LangGraph.
Quanto costa far girare un crew?
Dipende dai token consumati, e i sistemi multi agente ne consumano molti più di una singola chiamata perché gli agenti si scambiano contesto e ripetono tentativi. Prima di andare in produzione conviene misurare il costo di una esecuzione reale, limitare le iterazioni con max_iter e imporre un tetto di richieste al minuto con max_rpm.
Il passo dopo la lettura
Un prototipo si scrive in un pomeriggio. Il resto è il lavoro vero.
Far girare un crew sul portatile è facile. Renderlo prevedibile nei costi, tracciabile in caso di contestazione e stabile quando il modello cambia risposta è un altro mestiere. Se sei a quel punto, possiamo parlarne.