LangGraph vs LangChain: quale scegliere per i tuoi agenti

LangGraph vs LangChain: quale scegliere?

Scegli LangChain per un ciclo dell'agente configurabile. Usa direttamente LangGraph quando devi progettare il processo che lo circonda. Per decidere, chiediti chi deve stabilire il passo successivo, quali dati devono sopravvivere a un'interruzione e di quali aspetti operativi vuoi occuparti.

Per un assistente di supporto che consulta gli ordini e risponde alle domande, parti da create_agent di LangChain. Tu fornisci modello, strumenti e istruzioni; l'astrazione dell'agente gestisce l'interazione ripetuta tra modello e strumenti. Quando serve verificare una regola o richiedere un'approvazione, aggiungi un middleware: codice che interviene attorno a quell'interazione.

Se hai già un'applicazione LangChain, mantienila finché non individui un requisito del workflow difficile da esprimere con quell'astrazione. Aggiungere memoria alla conversazione o sottoporre a revisione una chiamata proposta a uno strumento non basta, di per sé, a giustificare il passaggio: gli agenti LangChain attuali espongono già funzionalità basate su LangGraph per entrambe le esigenze. Documentazione degli agenti LangChain.

Se invece l'applicazione deve convalidare una richiesta, raccogliere riscontri, attendere un operatore, eseguire un'azione autorizzata e verificarne l'esito, valuta un workflow LangGraph personalizzato. Puoi rendere esplicite queste fasi come regole aziendali, lasciando a un agente il lavoro flessibile all'interno di ciascuna fase.

Le condizioni delle librerie sono riportate nelle pagine prodotto di LangChain e LangGraph. Il confronto delle funzionalità segue la panoramica del runtime e la documentazione del middleware di approvazione del produttore. È un consiglio sull'architettura, non una classifica di velocità.

Che cosa sono oggi LangChain e LangGraph

LangChain fornisce i componenti e l'astrazione dell'agente; LangGraph è il runtime sottostante che orchestra l'esecuzione mantenendone lo stato. Considerarli alternative che si escludono a vicenda porta a migrazioni inutili.

LangChain: il livello configurabile per gli agenti

LangChain descrive create_agent come una «struttura di esecuzione minimale e altamente configurabile». È l'insieme dei meccanismi attorno al modello: istruzioni, strumenti richiamabili e controlli sul comportamento. La stessa panoramica afferma esplicitamente che «gli agenti di LangChain sono costruiti su LangGraph». Panoramica di LangChain.

Il vantaggio è una struttura di partenza utile. Per un assistente dedicato agli ordini, puoi esporre come strumento una funzione di consultazione già esistente e aggiungere regole al suo utilizzo. Non devi costruire il ciclo a mano prima di iniziare a lavorare sul prodotto.

Il limite emerge quando quella struttura non si adatta più al problema. Una pratica di lunga durata, articolata in fasi aziendali ben definite, può diventare difficile da seguire se ogni transizione è nascosta nei prompt, nelle convenzioni degli strumenti e nel middleware. È una valutazione di manutenibilità: non significa che gli agenti LangChain non possano gestire diramazioni o conservare lo stato. La libreria è gratuita; l'accesso ai modelli e l'infrastruttura scelta restano costi separati.

LangGraph: il runtime del workflow sotto il tuo controllo

LangGraph si presenta come un «framework e runtime di orchestrazione di basso livello» per agenti con stato ed esecuzioni di lunga durata. Un nodo è un'unità di lavoro; un arco stabilisce dove prosegue l'esecuzione; lo stato contiene le informazioni trasmesse tra i passaggi. Puoi combinare la normale logica applicativa con decisioni affidate al modello. Panoramica di LangGraph.

LangGraph è la scelta più adatta quando il workflow stesso fa parte del prodotto. Per esempio, puoi lasciare al modello la stesura di una risposta, mentre il codice applicativo stabilisce se occorre un'approvazione e se l'azione approvata è già stata eseguita.

Il limite è la responsabilità progettuale. Devi definire uno stato significativo, le transizioni e il comportamento in caso di errore. Un grafo con confini poco chiari resta software poco chiaro. Anche LangGraph è una libreria gratuita e può essere usata senza LangChain; spesso, però, è comodo conservarne i componenti per modelli e strumenti.

La soluzione intermedia è inserire un agente LangChain in un processo più ampio. Mantieni l'astrazione utile per il lavoro flessibile con gli strumenti e rendi esplicita la sequenza aziendale circostante solo dove serve.

Agenti LangChain e LangGraph: dove passa il confine del controllo?

LangChain offre più praticità all'interno del ciclo dell'agente; LangGraph offre un controllo esplicito tra le fasi aziendali. Persistenza dell'esecuzione e revisione umana sono funzionalità condivise, da configurare comunque con attenzione.

Cicli dell'agente e approvazione degli strumenti: il vantaggio di LangChain

Un assistente che legge un ordine, ne spiega lo stato e propone una risposta rientra nel ciclo tra modello e strumenti. Anche aggiungere una revisione prima che uno strumento invii la risposta rientra in questo schema: HumanInTheLoopMiddleware può sospendere le chiamate agli strumenti configurati e accettare un'approvazione, una modifica degli argomenti o un rifiuto. Usa la persistenza di LangGraph per conservare lo stato interrotto. Documentazione sulla revisione umana.

Per un'applicazione LangChain esistente, il passo successivo è quindi relativamente circoscritto: configurare la regola di approvazione e un checkpointer persistente, poi collegare la decisione in sospeso all'applicazione. Il middleware non costruisce la coda delle revisioni e non stabilisce quale dipendente sia autorizzato ad approvare: questi compiti restano all'applicazione.

Fasi aziendali esplicite: il vantaggio di LangGraph

Scegli un grafo personalizzato quando il passo corretto dipende dai dati della pratica aziendale anziché dal prossimo strumento suggerito dal modello. Pensa all'onboarding di un fornitore: raccogliere la documentazione, convalidare i campi obbligatori, inoltrare un'eccezione a un operatore e attivare il fornitore solo dopo l'approvazione.

Un grafo può rappresentare direttamente queste transizioni. Il nodo che raccoglie la documentazione può continuare a chiamare un agente LangChain. Convalida e attivazione possono essere normali funzioni con esiti espliciti. La distinzione utile è proprio la possibilità, documentata in LangGraph, di combinare passaggi deterministici e passaggi affidati agli agenti. Panoramica di LangGraph.

La regola per il passaggio è concreta: scendi al livello sottostante quando rendere espliciti stato e transizioni elimina dubbi ricorrenti su ciò che l'applicazione può fare dopo. Un prompt più lungo, più strumenti o una risposta lenta del modello non bastano, da soli, a dimostrare questa necessità.

Esecuzione persistente: base comune, responsabilità progettuali diverse

Un checkpointer salva lo stato del workflow di un thread, così che l'esecuzione possa proseguire in seguito. Uno store conserva informazioni definite dall'applicazione e condivise tra thread, come una preferenza utilizzata in conversazioni separate. Risolvono problemi di persistenza diversi. Documentazione sulla persistenza.

Con entrambi gli approcci, scegli un sistema di archiviazione adatto al guasto a cui devi resistere. InMemorySaver conserva i checkpoint nel processo in esecuzione e li perde al riavvio. Può dimostrare il mantenimento dello stato di una conversazione o un'interruzione; non può dimostrare il ripristino dopo la scomparsa del worker. Per soddisfare quel requisito serve un sistema di salvataggio su database adatto alla produzione, oppure la persistenza gestita da Agent Server.

Distingui inoltre un checkpoint dalla conferma di un'azione esterna. Salvare «pronto ad attivare il fornitore» non dimostra che il sistema dei fornitori abbia accettato l'attivazione. Conserva l'identificativo esterno e l'esito in un record applicativo che permetta di verificarne la corrispondenza.

Il produttore documenta questo comportamento alla ripresa e la necessità di effetti collaterali idempotenti, cioè operazioni che possono ripetersi senza duplicare l'effetto aziendale. Per esempio, usa un identificativo stabile dell'operazione, così che un job ripreso non possa creare due volte lo stesso fornitore. Regole per interruzioni e riesecuzione.

LangGraph Python e LangChain: lo stesso piccolo compito

Per una semplice consultazione dello stato di un ordine, LangChain esprime lo stesso intento con meno codice di orchestrazione. Il grafo personalizzato rende visibile il percorso tra modello e strumenti: un vantaggio che giustifica il lavoro aggiuntivo quando quel percorso deve cambiare.

Questi esempi condividono modello, prompt, strumento di sola lettura e input. Il record dell'ordine è un dato di prova locale, dichiaratamente fittizio. Installa langchain[anthropic] e langgraph; per chiamare un modello reale serve la ANTHROPIC_API_KEY dell'applicazione. L'identificativo del modello nell'esempio segue l'attuale panoramica di LangChain e la guida rapida di LangGraph del produttore. Entrambi i frammenti sono stati verificati localmente con un modello a risposte programmate, per controllare l'esecuzione dello strumento e il salvataggio dello stato. Il controllo riguarda i collegamenti tra i componenti, non il comportamento o le prestazioni di un modello reale.

Salva questa configurazione condivisa in common.py:

from langchain.chat_models import init_chat_model
from langchain.tools import tool

model = init_chat_model("claude-sonnet-4-6", temperature=0)
prompt = "Use lookup_order for order status. Do not invent a status."
request = {"messages": [{"role": "user", "content": "Status of order demo?"}]}
config = {"configurable": {"thread_id": "order-demo"}}

@tool
def lookup_order(order_id: str) -> str:
    """Read an order's status from a fictional local fixture."""
    return {"demo": "shipped"}.get(order_id, "unknown order")

LangChain: usa il ciclo già disponibile

Esegui questo codice come script separato accanto a common.py:

from common import model, prompt, request, config, lookup_order
from langchain.agents import create_agent
from langgraph.checkpoint.memory import InMemorySaver

agent = create_agent(
    model, tools=[lookup_order], system_prompt=prompt,
    checkpointer=InMemorySaver(),
)
print(agent.invoke(request, config)["messages"][-1].content)

L'agente usa già il runtime a grafo sottostante. Passare un checkpointer non richiede di sostituire create_agent con un grafo scritto a mano. Configurazione degli agenti.

LangGraph: dichiara lo stesso ciclo

Esegui questo script alternativo accanto allo stesso common.py:

from common import model, prompt, request, config, lookup_order
from langchain.messages import SystemMessage
from langgraph.checkpoint.memory import InMemorySaver
from langgraph.graph import StateGraph, MessagesState, START
from langgraph.prebuilt import ToolNode, tools_condition

bound_model = model.bind_tools([lookup_order])

def call_model(state: MessagesState):
    reply = bound_model.invoke([SystemMessage(prompt)] + state["messages"])
    return {"messages": [reply]}

builder = StateGraph(MessagesState)
builder.add_node("model", call_model)
builder.add_node("tools", ToolNode([lookup_order]))
builder.add_edge(START, "model")
builder.add_conditional_edges("model", tools_condition)
builder.add_edge("tools", "model")
agent = builder.compile(checkpointer=InMemorySaver())
print(agent.invoke(request, config)["messages"][-1].content)

L'arco condizionale inoltra a tools una chiamata richiesta a uno strumento, oppure conclude l'esecuzione quando il modello produce una risposta finale. Il nodo degli strumenti restituisce il controllo al modello. È lo schema del ciclo esplicito illustrato nella guida rapida di LangGraph, che qui usa le funzioni di supporto fornite per i nodi degli strumenti.

Entrambi i frammenti usano volutamente memoria locale al processo e mostrano solo il percorso di lettura riuscito. Nessuno dei due è una guida al deployment, una configurazione persistente su database o una politica completa di gestione degli errori. Una configurazione identica non garantisce che il modello produca risposte identiche parola per parola.

Per questo compito, scegli LangChain. Un grafo personalizzato diventa utile quando il requisito successivo cambia il processo: una convalida obbligatoria prima della consultazione, una coda separata per le eccezioni o una fase di approvazione che richiede stato ed esiti propri.

LangSmith: prezzi e costi di deployment con LangGraph

La scelta della libreria non determina una tariffa di hosting diversa. La decisione economica riguarda i servizi LangSmith e l'ambiente di deployment di cui hai bisogno. I prezzi e la documentazione dei prodotti riportati qui sotto sono stati verificati sulle pagine del produttore il 13 ottobre 2026.

LangChain, LangGraph e LangSmith: ruoli diversi

LangSmith è la piattaforma per tracing, valutazione e deployment dell'applicazione. Una traccia registra un'esecuzione dell'applicazione e può includere le chiamate al modello e gli altri passaggi. È un oggetto diverso dal checkpoint usato per riprendere l'esecuzione. Prezzi e definizioni di LangSmith.

Entrambe le librerie sono gratuite. Se le esegui su un'infrastruttura che gestisci tu, devi comunque mettere a budget chiamate ai modelli, calcolo, archiviazione e gestione operativa. Acquistare LangSmith è una decisione separata; la sua documentazione sul deployment supporta esplicitamente le applicazioni LangGraph e LangChain.

Queste sono le condizioni dei piani riportate su langchain.com/pricing. Il calcolatore della pagina indica per Plus 10K tracce totali incluse: aggiungere utenti non implica una nuova quota per ciascuno. Per la configurazione di osservabilità mostrata, il calcolatore riporta 0.005 LSU per traccia aggiuntiva. Non bisogna estendere quel valore a tutte le opzioni di conservazione delle tracce.

Le tracce di base vengono conservate per 14 giorni; quelle estese per 180 giorni, con un costo aggiuntivo. Conservazione più lunga e servizi di valutazione sono voci di spesa separate, non vantaggi gratuiti derivanti dalla scelta di un grafo. Domande frequenti sui prezzi.

Opzioni di deployment e relativi limiti

Cloud è l'opzione gestita, disponibile dal piano Plus in su. LangChain si occupa dell'infrastruttura. All'interno di Cloud, la pagina pubblica dei prezzi propone deployment Serverless e Dedicated nelle taglie Small, Medium e Large. Ambienti di deployment.

Serverless è adatto a carichi intermittenti, in background o che tollerano la latenza. Quando è inattivo, riduce le risorse a zero; Plus include un deployment di taglia Small. Dedicated è adatto ai servizi rivolti ai clienti che richiedono disponibilità costante, con infrastruttura sempre attiva, scalabilità automatica, backup e alta disponibilità. Sono i casi d'uso indicati dal produttore, non misurazioni delle prestazioni effettuate per questo confronto. Domande frequenti sui prezzi di deployment.

Un limite pratico incide sul piano di migrazione: puoi cambiare la taglia di un deployment, ma non il tipo dopo la creazione. Il passaggio da Serverless a Dedicated richiede quindi una transizione tra deployment, non un semplice ridimensionamento. Inoltre, le risorse Serverless vengono fatturate per tutto il tempo in cui sono allocate, compreso il periodo di inattività prima della riduzione delle risorse. «Si riduce a zero» non significa che ogni secondo senza richieste sia gratuito. Funzionalità della piattaforma Cloud.

Hybrid mantiene il control plane gestito, mentre l'infrastruttura degli agenti è a tuo carico. Il control plane è il servizio che gestisce i deployment; il data plane esegue gli agenti e i servizi di supporto. L'opzione self-hosted con control plane colloca entrambi nel tuo ambiente. La pagina dei prezzi include le opzioni ibride e self-hosted nel piano Enterprise, con prezzo su misura. Non esiste un importo mensile fisso pubblico per Enterprise da usare al suo posto. Prezzi e ambienti di deployment.

Standalone Agent Server è un'altra scelta operativa, senza control plane e con servizi di supporto gestiti da te. La documentazione richiede una licenza LangSmith, PostgreSQL e Redis. È un'opzione distinta dall'integrazione della libreria gratuita LangGraph nella tua applicazione. La documentazione della versione standalone sconsiglia inoltre di distribuire quel server in un ambiente serverless che riduce le risorse a zero; il prodotto gestito Cloud Serverless è una configurazione separata. Standalone Agent Server.

A parità di carico, il costo è uguale con entrambi i framework

La pagina pubblica stabilisce $1.00 per LSU, cioè LangChain Standard Unit, e riporta queste tariffe di deployment:

• Calcolo del runtime: 0.0675 LSU / vCPU-hr.
• Memoria del runtime: 0.0090 LSU / GiB-hr.
• Calcolo del database: 0.177 LSU / vCPU-hr.
• Memoria del database: 0.025 LSU / GiB-hr.

Le tariffe si applicano al consumo fatturabile di risorse per i deployment Serverless aggiuntivi e per quelli Dedicated. Tariffe di deployment pubblicate.

Sia per un agente LangChain sia per un'applicazione LangGraph personalizzata, il calcolo mensile di Plus su base omogenea è $39 × utenti, a cui si aggiungono le quantità fatturabili di risorse-ora moltiplicate per le rispettive tariffe, oltre a modelli, tracing e altri consumi applicabili. Applica la quota di deployment inclusa prima di conteggiare le risorse fatturabili. Non convertire richieste o nodi del grafo in ore di risorse senza misurazioni.

Ecco un calcolo basato sulle taglie pubblicate dal produttore: sono esplicitamente importi calcolati, non prezzi di listino dei piani. Un deployment Small Serverless aggiuntivo dispone di 1 vCPU e 2 GiB per il runtime, da cui 1 × 0.0675 + 2 × 0.0090 = $0.0855 per ora di allocazione. Un deployment Small Dedicated prevede 3 vCPU e 6 GiB per il runtime, più 1 vCPU e 4 GiB per il database, da cui 3 × 0.0675 + 6 × 0.0090 + 1 × 0.177 + 4 × 0.025 = $0.5335 per ora di allocazione. Sono stime delle risorse basate sulla taglia, prima di eventuali incrementi di scala o altri servizi, ottenute dalla tabella delle taglie e dalle tariffe pubblicate.

Per un solo utente Plus, mantenendo costante quel profilo di risorse Dedicated, il subtotale mensile è $39 + $0.5335 × ore di allocazione, prima degli altri addebiti appena elencati. La formula è identica per entrambi i framework. Per ottenere un importo mensile certo servono i tempi effettivi di utilizzo delle risorse e i dati di scalabilità del deployment.

A parità di carico, non esiste una soglia oltre la quale uno dei framework costa meno dell'altro. La differenza calcolata è $0 quando restano uguali utenti, risorse fatturabili, uso di modelli e strumenti e regole di tracing. Riprogettare il workflow può cambiare queste quantità, ma il nome della libreria non dà diritto a uno sconto e non determina una spesa inferiore per i token.

Passare da LangChain a LangGraph senza riscrivere tutto

Migra la parte dell'orchestrazione che richiede controllo e conserva i componenti che funzionano. Il vero costo della migrazione è riprogettare stato, comportamento e ripristino, non cambiare l'istruzione di importazione.

Distingui innanzitutto l'aggiornamento di un'API precedente dalla scelta di un grafo personalizzato. La guida di migrazione attuale consiglia langchain.agents.create_agent al posto del precedente costruttore langgraph.prebuilt.create_react_agent. Seguire quella migrazione non significa abbandonare LangGraph come base; un'applicazione meno recente potrebbe trarre beneficio dalle funzionalità attuali di LangChain prima di aver bisogno di un'orchestrazione su misura. Guida alla migrazione di LangChain.

Non migrare un assistente LangChain funzionante solo perché i grafi sembrano più adatti alla produzione. Se ciclo, middleware e archiviazione persistente soddisfano i requisiti, un grafo personalizzato aggiunge lavoro di progettazione senza un beneficio dimostrato.

Anche il vincolo verso una tecnologia ha più livelli. I componenti riutilizzabili per modelli e strumenti possono restare, mentre cambiano lo stato del grafo e il flusso di controllo. L'infrastruttura gestita aggiunge vincoli propri: si accede alla persistenza Cloud tramite Agent Server e il database ospitato non è direttamente accessibile. Considera questo limite di accesso in qualsiasi futura esportazione o cambio di hosting. Dettagli sulla persistenza Cloud.

Se devi confrontare l'orchestrazione a grafo con un'astrazione basata su una squadra di specialisti, leggi LangGraph vs CrewAI. Per valutare opzioni al di fuori di questo stack, consulta il confronto tra framework per agenti AI.

Le domande di chi deve scegliere per un progetto

Usa la checklist di audit dei workflow aziendali con AI per definire il compito, il punto in cui serve una revisione e il responsabile operativo prima di cambiare l'orchestrazione.