Framework agenti AI: come scegliere per i team ops

La maggior parte dei team ops non ha bisogno di un framework agenti AI. Ha bisogno di un flusso di lavoro ripetibile con un modello al centro. Se hai uno sviluppatore e un compito che si ramifica, fa dei cicli o richiede uno stato a lunga durata, un framework agenti AI code-first si ripaga. Se non ce l'hai, un builder visuale o un comando slash concatenato ti dà l'80% del valore in un pomeriggio. Questa guida ti dà la regola di decisione, la shortlist e le trappole da evitare.

Che cosa ti dà davvero un framework agenti AI

Un framework agenti AI è una libreria o una piattaforma che gestisce l'infrastruttura attorno a un modello: chiamate agli strumenti, memoria, retry, passaggi di consegna tra agenti e una traccia di ciò che è successo. Il goal, gli strumenti e i guardrail restano a te.

Questo diventa importante quando un compito smette di essere «prompt in, risposta out». Pensa a una deal review che legge i dati dal CRM, controlla tre fonti web, scrive un riepilogo e chiede a una persona prima di inviare qualunque email. Quattro passaggi, due strumenti, un punto di approvazione. Il framework è ciò che impedisce a quei passaggi di cadere alle 2 di notte.

Briefing di 30 secondi: esistono tre famiglie: framework code-first (Python o TypeScript), builder visuali low-code e workflow a livello di prompt. Scegli la più leggera che regge il passaggio più difficile.

Le tre famiglie e a chi servono

Framework code-first

LangGraph modella il tuo agente come un grafo con uno stato esplicito. CrewAI organizza gli agenti come una piccola squadra con ruoli. L'OpenAI Agents SDK resta minimale: agenti, strumenti, handoff e guardrail, documentati nella documentazione dell'OpenAI Agents SDK. Anche Google e Anthropic pubblicano i propri kit per agenti.

Vincono sul controllo. Decidi tu la forma dello stato, la politica di retry e il punto in cui una persona approva. Perdono sul tempo fino al primo risultato: ti serve qualcuno che sappia leggere gli stack trace.

Vale la pena se hai uno sviluppatore in squadra, il flusso si ramifica più di due volte e ti serve una traccia di audit da mostrare a un responsabile della sicurezza.

Non farlo se il tuo «sviluppatore» sei tu di venerdì pomeriggio e il flusso è una linea retta.

Builder visuali low-code

Qui stanno n8n, Zapier, Make, Lindy e Gumloop. Trascini i passaggi su una tela, aggiungi un passaggio AI, colleghi le tue app. Le integrazioni sono il vero prodotto: centinaia di connettori pronti per CRM, Slack ed email.

Vale la pena se il dolore è la colla tra le app e una persona di ops con una logica di base deve poter gestire il tutto anche dopo che te ne sei andato.

Non farlo se ti servono memoria personalizzata, valutazione fine o un design multi-agente in cui gli agenti negoziano. Le tele visuali diventano difficili da leggere oltre circa 20 nodi.

Workflow a livello di prompt

È la famiglia che nessuno elenca in una rassegna di framework. Racchiudi un compito ripetibile in un comando slash, poi concatena due o tre comandi: /research in /summarize in /draft-email. Niente codice, niente tela, una libreria di comandi condivisa.

Vale la pena se il compito è lineare, una persona legge comunque l'output e il vero costo è riscrivere lo stesso prompt lungo dieci volte al giorno.

Non farlo se il flusso deve girare senza supervisione su un trigger, per esempio un nuovo record nel CRM alle 3 di notte. Un comando aspetta una persona. Un framework no.

Dove sta la shortlist a fine 2026

Il mercato si è mosso in fretta, quindi controlla le date prima di fidarti di una rassegna più vecchia.

AutoGen è il caso da manuale. Microsoft ha archiviato il repository e dice ai nuovi utenti di partire da Microsoft Agent Framework, con una guida alla migrazione da AutoGen. Se un tutorial del 2024 ti dice di costruire su AutoGen, chiudi la scheda.

LangGraph è il default abituale per agenti stateful con rami. Ha la curva di apprendimento più ripida del gruppo, e il guadagno sono l'esecuzione durevole e i checkpoint con human-in-the-loop. CrewAI ti porta a un primo prototipo in fretta, poi chiede più ingegneria prima della produzione. L'OpenAI Agents SDK è l'avvio più leggero, e ti lega più strettamente ai modelli di un solo fornitore, anche se può chiamarne altri.

Diffida di ogni classifica dei «migliori framework», inclusa questa. La maggior parte è scritta dai fornitori. Fai passare il tuo passaggio più difficile attraverso due candidati e confronta l'output.

La regola delle 5 domande per scegliere

Rispondi in ordine. Fermati al primo «sì» che chiude la questione.

• Il compito gira senza una persona presente? Se no, parti dai workflow a livello di prompt.

• Tocca più di cinque app con connettori standard? Se sì, parti da un builder visuale.

• Ti servono stato personalizzato, rami o una traccia di audit? Se sì, vai code-first.

• Tra sei mesi lo manterrà qualcuno che non è uno sviluppatore? Se sì, evita il code-first.

• Puoi testarlo su 20 casi passati reali prima del lancio? Se no, non metterlo in produzione, qualunque sia il framework.

La quinta domanda è quella che conta di più. Il framework raramente è ciò che si rompe. Si rompono un goal vago, un permesso mancante su uno strumento o dati di input sbagliati.

Un esempio concreto: il brief di rinnovo

Prendi un brief di rinnovo per un team di customer success (CS). Oggi un account manager apre il CRM, scorre gli ultimi tre ticket di supporto, controlla l'uso del prodotto e scrive un riepilogo di una pagina. Diciamo 35 minuti per account, una cifra che dovresti sostituire con il tuo cronometro.

Applica le cinque domande. Una persona legge il brief, quindi non serve un'esecuzione senza supervisione. Tocca tre fonti, sotto la soglia delle cinque app. Non richiede stato personalizzato né un audit trail oltre alla nota nel CRM. Il risultato indica un workflow a livello di prompt: un comando per fonte, un comando per unire, un comando per scrivere l'email al cliente.

Ora cambia un solo fatto. La direzione vuole che ogni brief venga generato il primo del mese per 400 account, con un avviso su Slack quando il rischio di churn supera una soglia. L'esecuzione ora è senza supervisione, quindi passa a un builder visuale con un trigger a pianificazione. Aggiungi una diramazione sul punteggio di rischio e un'approvazione umana prima che parta qualunque email, e un framework code-first comincia a sembrare sensato.

Stesso compito, due risposte. Il framework segue il vincolo, non il contrario.

Cosa registrare dal primo giorno

Qualunque cosa scegli, tieni traccia di ogni esecuzione: l'input, gli strumenti chiamati, l'output, chi ha approvato e quanto è durata la revisione. LangGraph e l'OpenAI Agents SDK includono il tracing. I builder visuali mostrano la cronologia delle esecuzioni. Una libreria di comandi può registrare l'uso per comando.

Rivedi il log ogni settimana nel primo mese. Cerchi tre cose: passaggi che falliscono nello stesso modo due volte, passaggi che nessuno legge e passaggi in cui i revisori correggono sempre lo stesso campo. Ognuno è un prompt o uno strumento da riparare, non un motivo per cambiare framework.

Builder visuali da considerare per i team ops

Quattro strumenti compaiono quasi in ogni discussione sullo stack ops. Nessuno è un vero «framework», ed è questo il punto.

n8n è la scelta per un team con una sola persona tecnica. Ha una tela visuale, nodi agente AI e la possibilità di inserire codice personalizzato.

Zapier ha il catalogo di connettori più ampio. È la scelta più sicura quando il problema è «l'app A deve dire all'app B», con un passaggio AI in mezzo.

Lindy si rivolge a team non tecnici che vogliono un agente per email, calendario e follow-up. Chi l'ha provato dice che gli utenti si bloccano più spesso quando concatenano più competenze, quindi parti da una sola.

Gumloop sta a metà tra una tela e un costruttore di agenti. Provalo se il flusso è ricco di dati: raccogli, arricchisci, classifica, riscrivi.

Come misurare il risparmio reale prima di impegnarti

Scegli un flusso. Fallo a mano tre volte con il cronometro e annota i minuti. Poi esegui la versione automatizzata sugli stessi tre casi e annota i minuti spesi a rivedere e correggere l'output.

Il numero che conta non è il tempo di esecuzione. È il tempo di revisione più il costo degli errori. Una preparazione manuale di deal da 40 minuti che diventa 6 minuti di revisione è una vittoria. Un compito di 10 minuti che diventa 8 minuti di babysitting non lo è, per quanto brillante sia l'architettura. Se non riesci ancora a misurarlo, scrivi «misurare nel nostro contesto» nel ticket e misura prima.

Tre trappole che bruciano i team ops

Trappola 1: costruire un sistema multi-agente per un lavoro da agente singolo. Due agenti che discutono su un campo del CRM sono un moltiplicatore di costi, non una funzionalità. Parti da un agente e uno strumento. Aggiungi un secondo agente solo quando un singolo prompt fallisce in modo misurabile.

Trappola 2: nessun controllo umano sulle azioni in uscita. Tutto ciò che invia un'email, modifica un record CRM o spende denaro richiede un passaggio di approvazione dal primo giorno. Rimuovilo più avanti, con i dati, se mai lo rimuoverai.

Trappola 3: scegliere in base alle stelle su GitHub. Le stelle misurano l'attenzione. Il tuo vincolo è chi manterrà il flusso dopo che il referente cambia team. La storia di AutoGen è la prova: la popolarità non l'ha protetto.

Dove si colloca CommanderGPT e dove no

CommanderGPT non è un framework per agenti. Copre la famiglia a livello di prompt: comandi slash, un Workflow Builder che concatena i comandi, Team Playbook condivisi nel team e lo switch tra modelli Claude, GPT-4o e Gemini.

Usalo quando una persona avvia il compito e legge il risultato: una deal review, la preparazione di una riunione, un brief di rinnovo. Usa un builder visuale o un framework code-first quando il compito deve partire su un trigger senza nessuno presente. Molti team usano entrambi: comandi per il lavoro con un umano nel ciclo, n8n o un framework per i job senza supervisione.

Raycast AI copre in parte lo stesso terreno dalla command palette. CommanderGPT aggiunge concatenazione e condivisione nel team. ChatGPT e Claude restano il default migliore per il pensiero aperto.

Il tuo prossimo comando

Scegli il flusso che costa al tuo team più minuti a settimana. Scrivi le cinque risposte della regola qui sopra. Se dicono «lineare, una persona legge l'output», costruiscilo oggi come catena di tre comandi. Se dicono «senza supervisione, con diramazioni», prendi un builder visuale e un framework code-first, poi testali entrambi su 20 casi passati. Lancia il comando. Leggi l'output. Spedisci.