Framework per agenti AI: come scegliere nel 2026

La domanda giusta viene prima dei nomi

Le liste dei "migliori framework per agenti AI" partono dai nomi e finiscono in classifica. Ma una classifica presuppone un criterio unico, e qui non esiste: questi progetti non competono sulla stessa cosa. Alcuni ti fanno disegnare ogni passaggio, altri ti chiedono l'obiettivo e decidono da soli come arrivarci.

La domanda giusta è doppia. Primo: quanto controllo mi serve sul flusso? Se il processo va tracciato, verificato o difeso davanti a un revisore, ogni passaggio deve essere esplicito e ripetibile. Secondo: quanta autonomia posso permettermi? Un agente che sceglie da sé i passaggi consuma token in modo variabile, sbaglia in modi nuovi e produce esecuzioni diverse a parità di input. C'è chi può assorbire questa variabilità e chi no.

Se il concetto stesso di agente ti è ancora vago, la pagina su cosa sono gli agenti AI fissa le definizioni. Qui lo diamo per acquisito.

L'asse: da "tutto deciso da me" a "tutto deciso dall'agente"

Immagina un asse. A sinistra il controllo totale: il flusso lo scrivi tu, il modello riempie le caselle. A destra l'autonomia totale: dichiari l'obiettivo, gli agenti scelgono i passaggi. La posizione non è un giudizio, è un costo: più autonomia significa meno codice tuo ma più token e più sorprese. Ecco i progetti, da sinistra a destra.

1. n8n. Il flusso è un diagramma che disegni tu, nodo per nodo. I modelli e gli agenti stanno dentro nodi delimitati.
2. LangGraph. Ogni stato e ogni transizione è dichiarata in codice. L'autonomia esiste solo dove tu apri uno spazio per essa.
3. I Flow di CrewAI. Passi collegati da eventi, stato ispezionabile: la metà deterministica del framework.
4. Microsoft Agent Framework. Workflow espliciti e agenti autonomi negli stessi mattoni: la posizione la scegli componendo.
5. Pydantic AI. L'agente decide i passi, ma dentro un perimetro stretto: input e output tipizzati e validati.
6. OpenAI Agents SDK. Gli agenti si passano il lavoro con gli handoff, decisi da loro dentro binari che definisci tu.
7. smolagents. L'agente scrive le proprie azioni come codice Python e le esegue: massima libertà nel singolo passo.
8. I Crew di CrewAI. Dichiari ruoli e obiettivi, gli agenti scelgono strategia e passaggi.
9. AutoGen. Conversazione libera fra agenti: il pioniere dell'estremità autonoma, oggi in manutenzione.

Nota che CrewAI compare due volte: è l'unico a coprire le due estremità con due astrazioni nello stesso pacchetto.

I framework, uno per uno

Stessa struttura per tutti: cosa fa, per chi è, il punto di forza vero, il limite vero, licenza e stelle. I numeri sono rilevati il 17 agosto 2026.

CrewAI

Organizza più agenti in una squadra: ogni Agent ha ruolo, obiettivo e strumenti, ogni Task un output atteso, il Crew li coordina con un processo sequenziale o gerarchico. Il pacchetto contiene anche i Flow, con i decoratori @start e @listen. Non dipende da LangChain e instrada i modelli via LiteLLM. La guida introduttiva parte da zero.

• Per chi è. Team Python che pensano il lavoro come divisione in ruoli: ricerca, analisi, scrittura, revisione.
• Punto di forza reale. Il modello mentale si spiega in una riunione, e le due metà del framework coprono entrambe le estremità dell'asse senza cambiare libreria.
• Limite reale. L'autonomia dei crew rende costi e percorsi variabili fra un'esecuzione e l'altra, e la documentazione è a volte disallineata dal codice.
• Licenza e stelle. MIT, 57.200 stelle, circa 22 milioni di download mensili su PyPI.

LangGraph, e il rapporto con LangChain

Orchestratore a basso livello per agenti con stato: il flusso è un grafo di nodi e transizioni che dichiari in codice, con esecuzione durevole, checkpoint e intervento umano nel mezzo. È della stessa azienda di LangChain ma si usa anche senza: LangChain è l'ecosistema, LangGraph il motore di orchestrazione. Il confronto diretto con CrewAI decide la maggior parte dei progetti seri.

• Per chi è. Ingegneri che vogliono ogni transizione esplicita, per processi lunghi, tracciabili o regolamentati.
• Punto di forza reale. Il controllo più fine della categoria, con ripresa dopo errore e stato persistente di serie.
• Limite reale. Verboso: le cose semplici richiedono più codice che altrove, e la curva di apprendimento si sente.
• Licenza e stelle. MIT, 39,9k stelle; LangChain, contato a parte, è a 144k.

AutoGen, con il fork AG2

Il framework Microsoft che ha reso popolare il pattern della conversazione fra agenti: più agenti autonomi che dialogano fra loro e con l'umano fino a chiudere il compito. Il repository dichiara la modalità manutenzione dal 2026. Il confronto con CrewAI spiega cosa significa in pratica per chi deve scegliere oggi.

• Per chi è. Chi ha già codice AutoGen in casa. Per un progetto nuovo, il punto di partenza oggi è un altro.
• Punto di forza reale. Anni di pattern conversazionali documentati e una letteratura di esempi che gli altri non hanno.
• Limite reale. Niente nuove funzioni: il futuro è diviso fra AG2, il fork comunitario (4,9k stelle, Apache 2.0), e Microsoft Agent Framework.
• Licenza e stelle. Doppia licenza dichiarata sul repository: CC-BY-4.0 per la documentazione, MIT per il codice. 60,5k stelle.

Microsoft Agent Framework

Il successore designato in casa Microsoft: un framework per agenti e workflow in .NET e Python con API coerenti fra i due linguaggi, arrivato alla 1.0 il 3 aprile 2026. Raccoglie l'eredità di AutoGen e di Semantic Kernel, e il repository pubblica guide di migrazione ufficiali da entrambi.

• Per chi è. Chi sta già in un ambiente Microsoft: Azure, .NET, oppure una base di codice Semantic Kernel o AutoGen.
• Punto di forza reale. Workflow deterministici e agenti autonomi nello stesso modello di programmazione, con il peso di Microsoft dietro.
• Limite reale. È una 1.0 recente con la comunità più piccola della lista, e la sua gravità naturale è l'ecosistema Azure.
• Licenza e stelle. MIT, 12,9k stelle.

OpenAI Agents SDK

Un framework volutamente leggero: agenti con istruzioni e strumenti, handoff per passarsi il lavoro, guardrail per validare input e output, sessioni e tracing. Dichiara il supporto a oltre cento modelli oltre a quelli OpenAI. Il confronto con CrewAI misura quanto pesa la differenza di filosofia.

• Per chi è. Chi vuole poco framework e sta bene dentro le convenzioni OpenAI, senza orchestrazioni elaborate.
• Punto di forza reale. La superficie API più piccola fra i framework multi agente: si impara in un pomeriggio.
• Limite reale. È mantenuto da un fornitore di modelli, e l'esperienza più curata resta quella sul suo stack: una dipendenza strategica da mettere in conto.
• Licenza e stelle. MIT, 28,7k stelle.

smolagents

La libreria minimale di Hugging Face: la logica degli agenti sta in circa mille righe di codice, e l'idea distintiva è il CodeAgent, un agente che scrive le proprie azioni come codice Python invece di produrre chiamate JSON, e poi lo esegue.

• Per chi è. Chi vuole capire davvero cosa fa l'agente, per compiti singoli, prototipi e ricerca.
• Punto di forza reale. Trasparenza: poco da imparare, poco da debuggare, niente strati di astrazione fra te e il modello.
• Limite reale. Eseguire codice generato da un modello impone una sandbox seria, e l'orchestrazione di più agenti non è il suo terreno.
• Licenza e stelle. Apache 2.0, 28,8k stelle.

Pydantic AI

Il framework del team di Pydantic, la libreria di validazione che regge FastAPI: agenti come funzioni tipizzate, output che tornano sempre validati, dipendenze iniettate con i tipi. Supporta decine di fornitori di modelli, intercambiabili con una stringa.

• Per chi è. Team Python che vogliono che il type checker conosca la forma di ciò che l'agente restituisce.
• Punto di forza reale. Sposta classi intere di errori dal runtime al momento della scrittura: la sensazione è quella di FastAPI applicata agli agenti.
• Limite reale. Il baricentro è l'agente singolo fatto bene: chi cerca squadre di ruoli o grafi complessi deve costruirseli sopra.
• Licenza e stelle. MIT, 19,4k stelle.

n8n, l'opzione senza codice

Non è un framework: è una piattaforma di automazione visuale con oltre 1.500 integrazioni, dove i flussi si disegnano a nodi e gli agenti AI sono nodi fra gli altri. Sta in questa lista perché spesso è l'alternativa concreta a tutti gli altri. Il confronto con CrewAI chiarisce quando il visuale basta e quando no.

• Per chi è. Chi non scrive codice, o team misti dove il flusso lo mantiene chi non è sviluppatore.
• Punto di forza reale. Dal trigger all'azione senza deploy: il tempo fra idea e automazione funzionante è il più corto della lista.
• Limite reale. La logica complessa dentro i nodi diventa difficile da versionare e testare, e la licenza fair-code (Sustainable Use License) non è open source secondo OSI.
• Licenza e stelle. Fair-code, 201k stelle: un numero di un'altra categoria, come vedremo.

La tabella riassuntiva

Il percorso decisionale, in cinque domande

Rispondi in ordine e fermati alla prima risposta affermativa.

1. Nessuno in squadra scrive codice? Allora il confronto fra framework non ti riguarda: vai su n8n e valuta se i suoi nodi AI coprono il tuo caso. Rientra qui solo se non bastano.
2. Il processo deve essere deterministico e verificabile? Audit, compliance, costi prevedibili al centesimo: guarda LangGraph, o i Flow di CrewAI se vuoi restare in un pacchetto che offre anche la parte autonoma.
3. Il valore sta nella divisione in ruoli? Se il lavoro si descrive naturalmente come una squadra, chi ricerca, chi scrive, chi revisiona, CrewAI è il modello mentale più diretto.
4. Vivi già in un ambiente Microsoft? Con .NET, Azure o codice Semantic Kernel in casa, Agent Framework è la strada con meno attrito e con le guide di migrazione ufficiali.
5. Ti serve un agente solo e minimale? smolagents se vuoi trasparenza totale e azioni come codice, Pydantic AI se vuoi che ogni output torni tipizzato e validato.

Se arrivi in fondo senza una risposta, il problema non è il framework: è il caso d'uso, non ancora definito abbastanza da farsi scegliere. Un prototipo di un pomeriggio su due candidati vale più di un'altra settimana di letture.

Cosa non dicono le stelle GitHub

Le stelle compaiono ovunque in questa pagina, quindi va detto cosa misurano: attenzione accumulata. Una stella è un segnalibro che si mette una volta e non si toglie quasi mai. Non misura l'adozione in produzione, non la qualità del codice, nemmeno l'uso presente.

Tre distorsioni concrete. AutoGen ha 60,5k stelle ed è in manutenzione: più di LangGraph, che è sviluppato attivamente. LangChain ha 144kstelle, ma il numero conta anni di ecosistema e integrazioni: confrontarlo alla pari con un orchestratore nato dopo è un errore di unità di misura. E n8n, con 201k stelle, gioca in un'altra categoria: automazione generalista con un pubblico che va molto oltre gli agenti.

Stessa cautela per i download: i 22 milionimensili di CrewAI su PyPI includono pipeline di integrazione continua e mirror, non solo persone. Dicono di più la data dell'ultimo rilascio, il ritmo delle issue chiuse, quante versioni rompono le API in un anno.

Come cambierà la scelta

La categoria si sta affollando e consolidando insieme. Nel giro di un anno AutoGen è passato in manutenzione, Microsoft ha fatto confluire due framework in uno, e i progetti si copiano le funzioni: chi è nato autonomo aggiunge la parte deterministica, come CrewAI con i Flow. È ragionevole aspettarsi che qualche nome di questa pagina, fra due anni, sia confluito altrove.

La conseguenza pratica: scegli in modo da poter cambiare idea. Tre mosse rendono la scelta reversibile.

• Astrazione sul modello. Quasi tutti i framework parlano già con più fornitori: non cablare i prompt e i parametri a un modello solo, e tieni la configurazione del modello in un punto unico.
• Logica di business fuori dal framework. Funzioni tue, pure e testabili, che il framework chiama come strumenti: mai il contrario. Il giorno della migrazione porti via le funzioni e riscrivi solo il collante.
• Test propri. Una suite di casi con input e output attesi che giri identica su qualunque backend. È il tuo metro di paragone quando esce il framework nuovo, e la tua assicurazione quando abbandoni quello vecchio.