Agenti AI nel 2026: i 5 framework più affidabili per lavori di lunga durata

LangGraph è il miglior framework per agenti AI destinato ai task di lunga durata nel 2026, perché tratta stato, ripristino e controllo umano come elementi centrali del workflow. Il nuovo risultato di NVIDIA AVO mostra quanto contino: Claude Opus 5 si attesta intorno al 30% nel riferimento separato di ARC Prize e raggiunge 100.00 RHAE all'interno del sistema agentico completo di NVIDIA, anche se NVIDIA precisa esplicitamente che il confronto non è stato condotto in condizioni controllate.

Acquistare un modello più potente senza finanziare l'infrastruttura che lo circonda non basta più per prendere una decisione di budget completa. Il modello propone l'azione successiva; il framework ricorda che cosa è accaduto, riparte dopo un errore, verifica il risultato, limita gli effetti collaterali e stabilisce quando deve intervenire una persona. Quando il lavoro supera la durata di una singola sessione lineare, sono questi controlli a decidere se la spesa aggiuntiva per il modello produrrà un risultato duraturo o soltanto un errore più lungo e costoso.

Prezzi e funzionalità di questo confronto sono stati verificati sulle pagine ufficiali online il 24 agosto 2026. La classifica privilegia la capacità di recupero in produzione rispetto alla velocità delle demo e considera i benchmark pubblicati come prove relative a configurazioni specifiche, non come punteggi universali.

I migliori framework per agenti AI in sintesi

La scelta predefinita è LangGraph. Conviene scegliere Claude Managed Agents quando evitare la gestione operativa del runtime conta più della libertà offerta da un framework. Microsoft Agent Framework è più indicato se la durabilità su Azure o .NET è già un vincolo. NOOA è adatto alla ricerca di frontiera in un ambiente isolato. CrewAI ha senso quando il lavoro trae un vantaggio reale da ruoli distinti, ma la Crew dovrebbe sempre restare all'interno di un Flow deterministico.

La categoria degli AI agent framework si colloca un livello sotto i prodotti inclusi nel confronto più ampio tra le migliori piattaforme per agenti AI. Una piattaforma mette un agente nelle mani di chi deve usarlo. Un harness offre a chi sviluppa le regole di runtime che consentono all'agente di reggere il lavoro reale.

NVIDIA AVO cambia il budget, non la classifica

NVIDIA AVO è la nuova dimostrazione più importante in questa categoria, ma non è un prodotto acquistabile. NVIDIA descrive AVO come un agente di coding general purpose dotato di memoria persistente e supervisore; l'articolo rimanda a un paper, non a un pacchetto pubblico, un piano gestito o una pagina prezzi.

Il risultato merita attenzione perché la stessa architettura è stata applicata a due lavori molto diversi. In uno studio sui kernel di attenzione, AVO ha operato senza interruzioni per sette giorni, esplorato più di 500 direzioni di ottimizzazione e registrato 40 versioni del kernel. NVIDIA dichiara prestazioni fino al 10.5% superiori a FlashAttention-4 su DGX B200. Sul set pubblico ARC-AGI-3, AVO con Claude Opus 5 ha completato tutti i 183 livelli in 25 ambienti, ottenendo un punteggio RHAE di 100.00 in 6,624 azioni.

Il titolo più allettante sarebbe che un harness ha portato Opus 5 da circa il 30% al 100%. Non va presentato come un rapporto causale. NVIDIA afferma chiaramente che il riferimento di ARC Prize e l'esecuzione con AVO utilizzavano impostazioni di ragionamento, sistemi agentici e procedure di valutazione differenti. Il confronto non permette di isolare quanti punti derivino dalla memoria, dalla supervisione, dalla progettazione delle osservazioni, dal prompting o da un'altra variabile.

La conclusione sostenibile resta comunque importante: valutare soltanto un modello non descrive un agente completo. Un processo di acquisto che confronta unicamente prezzi dei token e tabelle di benchmark mette a paragone i motori ignorando veicolo, navigazione, freni e piano di manutenzione.

AVO cambia quindi la domanda da porre in fase di scelta. Il miglior harness non è quello con il maggior numero di ruoli agentici o l'editor grafico più elegante. È quello che rende recuperabile il guasto dominante senza ripetere in silenzio un'azione irreversibile.

Come sono stati scelti i framework per agenti intelligenti

I cinque vincitori sono stati valutati come sistemi operativi per lavori incompleti, non come librerie di prompt. L'ordine dipende da sei criteri:

1. Stato durevole: l'esecuzione può conservare più di una trascrizione della conversazione, includendo posizione nel workflow, attività in sospeso, artefatti e decisioni?
2. Ripristino dopo un riavvio: il processo può ripartire dopo un crash o un deployment senza rieseguire ogni passaggio costoso o irreversibile?
3. Verifica: controlli deterministici, valutatori o approvazioni umane possono inserirsi tra il lavoro proposto e la sua accettazione?
4. Controllo degli effetti collaterali: il sistema può separare i calcoli rieseguibili in sicurezza da azioni come invii, addebiti, eliminazioni o deployment?
5. Visibilità dei costi: chi gestisce il sistema può fissare un limite e attribuire la spesa a un'esecuzione, una postazione, una traccia o una risorsa in hosting?
6. Isolamento: il modello di deployment supporta un vero confine di sicurezza per il codice generato e i tool esterni?

La classifica esprime una valutazione editoriale basata su questi criteri, non un benchmark artificiale tra fornitori. Gli elenchi da undici prodotti spesso mescolano soluzioni di osservabilità, SDK per agenti e librerie multi-agente come se risolvessero lo stesso problema. Questi cinque prodotti sono entrati nella selezione perché, per ciascuno, le fonti ufficiali consentono di spiegare sia il limite che incontra nei task di lunga durata sia il profilo di acquirente disposto ad accettare quel compromesso.

Qui «confrontati» significa che documentazione ufficiale, repository, prezzi e risultati pubblicati sono stati esaminati e normalizzati alla data della verifica. Non significa che siano stati inventati cinque deployment di produzione per poter applicare un'etichetta.

1. LangGraph: la scelta migliore per workflow di produzione a lunga durata

LangGraph è la scelta migliore nel complesso perché offre a chi sviluppa un controllo esplicito sulle transizioni di stato, senza rinunciare ai passaggi agentici. È un framework di orchestrazione e un runtime di basso livello: il grafo può quindi unire nodi deterministici e decisioni guidate dal modello, invece di affidare l'intero lavoro a un unico loop autonomo. È esattamente ciò che serve a un processo che dura più giorni: libertà dove il giudizio è utile, struttura dove ripetizioni o effetti collaterali possono diventare pericolosi.

Ideale per: agenti in produzione che richiedono checkpoint durevoli, stato del workflow esplicito, replay e approvazione umana.
Elemento distintivo: un checkpointer salva lo stato del grafo per thread, mentre uno store può conservare informazioni tra thread diversi.
Prezzi: LangGraph è gratuito e open source. LangSmith Developer costa $0 per postazione al mese e include una postazione e 5,000 tracce base al mese. Plus costa $39 per postazione al mese, con 10,000 tracce base totali, postazioni a pagamento illimitate e un deployment Serverless Small gratuito. Enterprise ha un prezzo personalizzato. Al momento, l'utilizzo costa $1.50 per LangChain Compute Unit e $1.00 per LangChain Storage Unit.
Prova gratuita: il piano Developer è gratuito e continuativo, non una prova a tempo.

L'architettura è utile perché un checkpoint è più di una semplice «memoria». La memoria aiuta un agente a ricordare fatti. Un checkpoint registra invece in quale punto si trova il workflow, quali valori contiene e che cosa deve accadere dopo. Se un agente di ricerca raccoglie 200 fonti e si interrompe mentre genera il report finale, un grafo durevole può ripartire in prossimità del nodo che ha fallito. Un dump della cronologia della chat, di solito, costringe il modello a ricostruire l'intento da una lunga trascrizione, sperando che non ripeta azioni già eseguite.

La persistenza di LangGraph abilita anche time travel e replay. Queste funzioni sono preziose soltanto se la semantica della riesecuzione viene progettata con attenzione. Ripetere una lettura, un calcolo o la generazione di una bozza è in genere sicuro. Ripetere l'incasso di un pagamento, l'invio di un'email, la cancellazione di dati o un deployment in produzione non lo è. Ogni azione irreversibile deve avere una chiave di idempotenza, affinché la stessa richiesta non possa produrre due volte l'effetto, e va registrato un checkpoint subito prima e subito dopo l'esecuzione.

Il limite è la responsabilità operativa. LangGraph è deliberatamente di basso livello. Chi sviluppa deve scegliere un checkpointer adatto alla produzione, definire lo stato, stabilire la retention, versionare il grafo, gestire le migrazioni ed evitare che la crescita dei checkpoint si trasformi in un nuovo problema di storage. Il checkpointer in memoria perde tutto al riavvio del processo: un prototipo che sembra durevole può quindi fallire già al primo vero test di ripartenza.

1. 1

   Definire l'unità durevole

   Definite un thread come un singolo risultato di business, per esempio una pull request, la verifica di un fornitore o un caso di onboarding cliente. Non usate un thread come contenitore infinito di lavori scollegati.

2. 2

   Separare lo stato dalle prove

   Mantenete nel grafo uno stato di controllo compatto e archiviate artefatti voluminosi, documenti sorgente e file generati all'esterno, tramite riferimenti stabili. In questo modo i checkpoint restano comprensibili e la crescita incontrollata viene limitata.

3. 3

   Installare un checkpointer persistente

   Sostituite il checkpointer in memoria prima del primo progetto pilota in produzione. Impostate una policy di retention e verificate che il processo possa ripartire su un worker diverso con lo stesso identificatore di thread.

4. 4

   Proteggere le azioni irreversibili

   Inserite un'approvazione o una validazione deterministica prima di invii, addebiti, eliminazioni, merge e deployment. Assegnate a ogni azione una chiave di idempotenza e salvate il risultato dopo l'esecuzione.

5. 5

   Eseguire il test di riavvio

   Interrompete un'esecuzione subito prima di un'azione esterna, subito dopo e durante una chiamata al modello. Un sistema a lunga durata non è pronto finché tutti e tre i percorsi di ripristino non sono prevedibili.

Scegliete LangGraph quando il recupero dagli errori è un requisito di prodotto e il team può gestire un runtime applicativo. Non è la scelta giusta se l'obiettivo principale è delegare un'attività senza occuparsi di storage, worker e versioni del grafo: per questo profilo è preferibile la soluzione gestita di Claude.

2. Claude Managed Agents: la migliore opzione gestita per il coding di lunga durata

Claude Managed Agents è la scelta gestita migliore quando il lavoro si adatta all'ambiente agentico di Anthropic e la gestione del runtime rappresenta il vincolo principale. Una sessione conserva eventi e stato in un container cloud isolato; Anthropic documenta anche il self-hosting per i team che richiedono un perimetro di deployment diverso. Invece di assemblare in autonomia una coda di worker, il ciclo di vita dei container e un'API di sessione, chi sviluppa acquista l'involucro gestito e paga l'uso del modello più il tempo di esecuzione.

Ideale per: attività di coding, ricerca e uso del computer a lunga durata, quando una sessione gestita vale più della portabilità del framework.
Elemento distintivo: le sessioni stateful uniscono una cronologia persistente degli eventi a un tetto di costo di listino per sessione.
Prezzi: token del modello più $0.08 per ogni ora di sessione attiva. Claude Opus 5 ha un prezzo di listino di $5 per milione di token in input e $25 per milione di token in output. L'esempio di prezzo online di Anthropic per un'ora ammonta a $0.705 per 50,000 token in input, 15,000 token in output e runtime; la variante con lettura dalla cache totalizza $0.525.
Prova gratuita: nella pagina dei prezzi verificata non è pubblicata alcuna prova gratuita di Managed Agents.

Il controllo del budget è insolitamente concreto. Una sessione può essere creata con un limite rigido sul costo pubblico di listino, espresso in centesimi di dollaro statunitense senza decimali. Un tetto di $25 viene codificato come 2500. Quando il totale accumulato raggiunge il limite, la sessione smette di inviare nuove richieste al modello e va in pausa; tuttavia, la richiesta che oltrepassa la soglia può terminare e portare il costo finale leggermente sopra il tetto nominale.

Quest'ultimo dettaglio è importante. Il limite di budget agisce come un freno tra una chiamata al modello e la successiva, non come una garanzia transazionale che impedisca alla fattura finale di superare la cifra anche di un solo centesimo. Inoltre, va impostato al momento della creazione della sessione. Non è possibile aggiungerlo in seguito a una sessione nata senza budget, mentre un limite esistente può essere modificato o rimosso.

La prova più chiara a favore dell'approccio gestito arriva da un distinto esperimento di Anthropic sugli harness di lunga durata. Un harness composto da pianificatore, generatore e valutatore ha lavorato per sei ore al costo di $200, contro un agente singolo che ha operato per 20 minuti spendendo $9. In quella specifica dimostrazione l'harness è costato 22.22 volte di più, ma secondo Anthropic ha prodotto un risultato sostanzialmente più completo. Non è un moltiplicatore universale. È un avvertimento trasparente: l'affidabilità può consumare molto più tempo-modello di un primo tentativo rapido.

Il limite è il grado di dipendenza. Il modello delle sessioni gestite è prescrittivo, al momento è documentato dietro l'header beta managed-agents-2026-04-01 ed è fatturato secondo i contatori di modello e runtime di Anthropic. È una soluzione valida quando Claude è già il modello di esecuzione e l'ambiente di sessione si adatta al lavoro. È meno adatta come scelta predefinita se l'azienda richiede un runtime indipendente dal modello, una topologia distribuita personalizzata o il controllo completo di ogni transizione di stato persistente.

Claude Managed Agents è indicato quando l'azienda vuole un ambiente di esecuzione gestito e accetta Claude come centro di gravità. I team che devono confrontare anche il worker, oltre al runtime, possono consultare la guida ai migliori agenti AI per il coding per la scelta adiacente di modello e agente.

3. Microsoft Agent Framework: la scelta migliore per la durabilità su Azure e .NET

Microsoft Agent Framework è la soluzione più adatta alle organizzazioni che già lavorano con sistemi Azure o .NET e hanno bisogno di workflow capaci di attendere per giorni o settimane. Il framework open source supporta Python e .NET con licenza MIT; la Durable Extension rende persistenti le sessioni, salva checkpoint del lavoro, recupera dagli errori e distribuisce l'esecuzione tra più host. Offre più libertà infrastrutturale di una sessione gestita, ma richiede un modello operativo più complesso e fortemente legato all'ecosistema Microsoft.

Ideale per: workflow aziendali su Azure o .NET che si fermano in attesa di persone o sistemi esterni e riprendono in seguito.
Elemento distintivo: le attese durevoli non consumano risorse di calcolo né token del modello mentre il workflow aspetta una persona o un evento esterno.
Prezzi: il framework con licenza MIT costa $0. Hosting Azure, storage, chiamate ai modelli, rete e osservabilità sono separati. Azure Functions Flex Consumption include una quota gratuita mensile di 250,000 esecuzioni e 100,000 GB-secondi; Consumption include 1 milione di richieste e 400,000 GB-secondi. Le tariffe a pagamento variano in base alla regione e al contratto.
Prova gratuita: il framework è gratuito e open source; le quote mensili pubblicate da Azure si applicano all'utilizzo idoneo e non costituiscono una prova a tempo del framework.

Il vantaggio del prodotto nei task di lunga durata sta nella differenza tra archiviazione dei checkpoint e orchestrazione durevole. Un checkpoint normale può ripristinare un grafo all'interno di un singolo runtime applicativo. La Durable Extension di Microsoft colloca l'avanzamento del workflow sull'infrastruttura Durable Task, così worker stateless possono riprenderlo dopo riavvii del processo e cambi di host. È una soluzione più adatta a un'approvazione acquisti che resta in attesa tre giorni, a una pratica assicurativa sospesa fino all'arrivo di un documento o a un workflow di compliance aperto per settimane.

La possibilità di attendere senza consumare risorse di calcolo o token del modello è il vero vantaggio economico. Un processo in pausa in attesa di un responsabile non dovrebbe tenere occupato un worker costoso né continuare a chiedere a un modello se sia arrivata una risposta. L'infrastruttura durevole registra l'attesa, libera il calcolo e riparte quando riceve l'evento.

Microsoft documenta sia l'hosting su Azure Functions sia worker self-hosted. Il self-hosting conserva checkpoint, ripresa, orchestrazione deterministica, attese umane ed esecuzione distribuita, ma restituisce all'operatore la responsabilità di API, gestione del ciclo di vita, rete, autenticazione e deployment. Non è una scorciatoia per sottrarsi alla gestione dell'infrastruttura: è una scelta su quale infrastruttura il team intende gestire.

I checkpoint standard del workflow possono usare storage in memoria, su file o in Cosmos DB. L'opzione più comoda non è sempre quella più sicura: i dati di checkpoint basati su pickle in Python possono eseguire codice quando vengono deserializzati, quindi devono rimanere entro un confine attendibile. Non accettate mai un blob di checkpoint da un tenant non attendibile o da un upload esterno.

Il limite è dato dal peso concettuale e dalla forza di attrazione della piattaforma. Semantica di Durable Task, risorse Azure, archivi di stato, orchestrazione deterministica e astrazioni agentiche formano un sistema più grande di quanto serva a molte piccole applicazioni. Se il workflow termina in pochi minuti e un singolo riavvio è tollerabile, LangGraph o una sessione gestita saranno in genere più facili da comprendere.

4. NVIDIA NOOA: il miglior harness aperto per la ricerca sugli agenti

NVIDIA NOOA è il miglior harness di ricerca aperto per i team che studiano come memoria tipizzata, tool, valutatori e composizione degli agenti influenzino le prestazioni del modello. NVIDIA Object Oriented Agents è un framework Python indipendente dal modello, la cui memoria rappresenta oggetti tipizzati e relazioni in un file SQLite leggibile dalle persone. Questa struttura è più facile da ispezionare di una cartella di appunti improvvisati e più rigorosa del semplice reinserimento dei vecchi messaggi nel prompt.

Ideale per: gruppi di ricerca e sviluppatori esperti che creano architetture agentiche personalizzate all'interno di una vera sandbox.
Elemento distintivo: la memoria relazionale tipizzata ha migliorato il RHAE di 11.8 punti rispetto agli appunti su file nell'evaluazione ARC-AGI-3 di NVIDIA.
Prezzi: software Apache 2.0 a $0. Token del modello, calcolo, storage e sandbox di sicurezza sono separati. NVIDIA dichiara per ARC-AGI-3 configurazioni da $17.85 a partita con GPT-5.5 e circa $13.30 a partita con GPT-5.6-sol.
Prova gratuita: il framework è gratuito e open source; non serve alcun piano in hosting né una prova a tempo.

NOOA è interessante perché NVIDIA pubblica sia il punteggio sia i dati sulle risorse impiegate. Su SWE-bench Verified, NVIDIA dichiara l'82.2% con GPT-5.5 e il 79.8% con Claude Opus 4.6, usando un agente general purpose di 253 righe privo di prompt specifici per il benchmark. L'esecuzione all'82.2% ha richiesto 29 chiamate al modello e circa 1.1 milioni di token per task. NVIDIA la confronta con 66 chiamate e 2.2 milioni di token per il 78.2%: un promemoria del fatto che un harness progettato meglio può ridurre gli sprechi oltre a migliorare il tasso di completamento.

Su ARC-AGI-3, NVIDIA riporta un RHAE medio del 50.2% con GPT-5.5 al costo di $17.85 per partita e dell'85.1% con GPT-5.6-sol a circa $13.30 per partita, in entrambi i casi con un limite di due ore. Sono configurazioni NVIDIA su uno specifico benchmark, non una promessa applicabile al backlog di un'azienda. Il loro valore è indicativo: struttura della memoria, skill riutilizzabili, valutazione e scelta del modello possono spostare insieme la frontiera tra punteggio e costo.

Il limite è dichiarato senza ambiguità nel repository. NVIDIA definisce NOOA un software di ricerca con aspetti ancora grezzi. Gli agenti possono eseguire codice generato dal modello che potrebbe esporre dati privati, cancellare file o modificare l'ambiente. I controlli AST e le deny list possono bloccare schemi evidenti, ma non costituiscono isolamento. Il vero confine deve essere una sandbox a livello di sistema operativo, come un container, una macchina virtuale o un ambiente OpenShell che non possa accedere al filesystem principale né a una rete senza restrizioni.

Questo requisito di sicurezza cambia il budget. «Open source gratuito» significa assenza di costi di licenza, non esercizio gratuito. Un progetto pilota serio richiede calcolo isolato, credenziali usa e getta, traffico in uscita limitato, revisione degli artefatti e una persona in grado di comprendere come evolve l'object store dell'agente.

Scegliete NOOA quando l'obiettivo è studiare ed estendere la progettazione degli harness. Non adottatelo come runtime di produzione predefinito soltanto perché i suoi benchmark pubblicati sono i più recenti e accattivanti.

5. CrewAI: la scelta migliore per processi multi-agente basati sui ruoli

CrewAI è la scelta migliore quando assegnare ruoli distinti ad agenti che collaborano migliora davvero il processo, a condizione che un Flow controlli il flusso esterno. Le Crew gestiscono la collaborazione autonoma, mentre i Flow offrono stato event-driven, diramazioni, loop e persistenza. Il design durevole non consiste dunque nel «lasciare che gli agenti parlino finché hanno finito», ma in un flusso strutturato che apre a una Crew una porzione di lavoro ben delimitata e poi valida ciò che riceve.

Ideale per: processi di ricerca, revisione, contenuti od operazioni basati su ruoli, nei quali responsabilità agentiche distinte portano un vantaggio.
Elemento distintivo: per impostazione predefinita, un Flow può rendere persistente il proprio stato in SQLite e ripartire da un identificatore di stato salvato; sono disponibili backend di persistenza personalizzati.
Prezzi: Basic costa $0 e include editor visuale, copilot AI, integrazione con GitHub e 50 esecuzioni di workflow al mese. Enterprise ha un prezzo personalizzato e aggiunge SSO, RBAC, identità dei workload, oscuramento dei PII, policy, opzioni di deployment cloud o privato e un programma di onboarding di 45 giorni.
Prova gratuita: Basic è un piano gratuito continuativo; CrewAI offre anche una prova Enterprise.

Il pattern migliore per CrewAI è un guscio deterministico con isole agentiche. Si consideri, per esempio, un processo di due diligence su un fornitore. Il Flow riceve i documenti, registra l'identificatore del caso e instrada i controlli obbligatori. Una Crew di ricerca può suddividere le domande su sicurezza, finanza e prodotto. In seguito, il Flow richiede un output conforme allo schema, invia le eccezioni a una persona e registra un'approvazione prima di aggiornare il sistema ufficiale. I ruoli sono utili all'interno dell'analisi, ma non dovrebbero governare l'azione irreversibile finale.

La persistenza è utile, ma è facile attribuirle più capacità di quante ne abbia. Applicarla a livello di Flow o di metodo salva lo stato in SQLite per impostazione predefinita. È sufficiente per un progetto pilota su una sola macchina ed è abbastanza trasparente da poter essere esaminato durante lo sviluppo. Da sola, però, non costituisce un servizio di stato distribuito per molti worker. CrewAI supporta backend di persistenza personalizzati, che diventano la strada corretta quando un processo deve sopravvivere alla perdita della macchina o coordinarsi tra più repliche.

Il limite è l'overhead di coordinamento. Ogni ruolo aggiuntivo può introdurre messaggi, chiamate al modello, latenza e un'altra occasione in cui due agenti rafforzano lo stesso errore. Un ruolo deve esistere perché offre un contesto, un permesso per i tool o una prospettiva di valutazione distinti, non perché un organigramma fa bella figura in una demo.

Scegliete CrewAI quando la separazione dei ruoli è la ragione stessa del sistema. Se serve soltanto una sequenza durevole di tool e approvazioni, LangGraph o Microsoft Agent Framework offrono un piano di controllo più pulito.

Scegliere in base al guasto che non ci si può permettere

La decisione cambia in base alla modalità di errore, non al numero di funzioni. Il punto di partenza è ciò che deve restare vero quando modello, worker o persona scompaiono a metà del lavoro.

Scegliete LangGraph quando chi sviluppa necessita di stato applicativo esplicito, libertà nella scelta del modello e controllo su ogni checkpoint. È la migliore opzione neutrale per un team di prodotto.

Scegliete Claude Managed Agents quando il lavoro ruota intorno a Claude e il team preferisce acquistare la gestione di container e sessioni invece di costruirla. Il budget per sessione è particolarmente utile quando numerosi lavori indipendenti richiedono ciascuno il proprio limite.

Scegliete Microsoft Agent Framework quando un processo appartiene già all'ambiente Azure o .NET e può restare in attesa di persone o sistemi per giorni. Il vantaggio decisivo è l'esecuzione durevole distribuita, non l'ingegnosità dell'agente.

Scegliete NVIDIA NOOA quando l'obiettivo è studiare gli harness e il team può imporre una sandbox usa e getta. Le attuali prove di benchmark sono eccellenti, ma il deployment deve rispettare l'avvertenza di ricerca presente nel repository.

Scegliete CrewAI quando ruoli separati migliorano concretamente il lavoro e un Flow può contenerli. Se i ruoli sono decorativi, eliminateli e adottate un runtime più semplice.

Il confronto diretto tra LangGraph e Microsoft dipende dalla portata dell'infrastruttura. Se il lavoro può essere recuperato da un checkpoint applicativo persistente, LangGraph resta più semplice. Se i worker possono spostarsi, le attese possono durare settimane e Durable Task fa già parte dell'architettura, Microsoft giustifica l'apparato aggiuntivo. Tra LangGraph e Claude, invece, decide la responsabilità operativa: costruire il runtime per ottenere flessibilità oppure acquistare la sessione per mantenere il focus.

Quanto costa davvero l'affidabilità nei task di lunga durata

Gli agenti affidabili possono risultare più costosi per ogni task completato con successo anche quando il framework è gratuito. Il costo non deriva soltanto dal volume dei nuovi tentativi. Pianificazione, valutazione, memoria più ricca, tool in sandbox e integrazioni sicure da rieseguire consumano token o tempo di sviluppo prima di evitare un esito fallito.

L'esperimento di lunga durata di Anthropic offre l'avvertimento più chiaro sul budget: $9 e 20 minuti per un tentativo singolo contro $200 e sei ore per l'harness con pianificatore, generatore e valutatore. Il rapporto è di 22.22 a uno. Task e qualità del risultato ne fanno una dimostrazione, non una regola universale, ma il dato smentisce l'idea che un harness sia un involucro gratuito attorno alla stessa chiamata al modello.

Tre attuali profili di costo spiegano perché non è possibile condensare i prezzi in un unico confronto:

• Esecuzione gestita: l'esempio di Anthropic per un'ora costa $0.705, quindi 100 sessioni comparabili ammonterebbero a $70.50. Il costo reale cambia con modello, token, cache e durata.
• Operazioni condivise: cinque postazioni LangSmith Plus costano $195 al mese prima di compute e storage a consumo. Il framework resta gratuito, ma l'osservabilità collaborativa è una voce di budget.
• Esecuzione di ricerca: NVIDIA dichiara circa $13.30 per partita ARC-AGI-3 con la propria flotta NOOA basata su GPT-5.6-sol e $17.85 con GPT-5.5. Queste cifre descrivono una configurazione di benchmark, non un ticket di sviluppo software.

Non sono prezzi di prodotti direttamente confrontabili, e fingere il contrario sarebbe meno utile che mostrarne l'unità di misura. Il modello pratico è il costo per risultato accettato: spesa totale per modello, runtime, storage, osservabilità e revisione divisa per gli output che superano il criterio di accettazione senza effetti collaterali pericolosi.

La mossa di lunedì: un test di ripristino prima di acquistare un modello più potente

Lunedì, scegliete un workflow che normalmente richiede più di un'ora e definite la sua unità durevole. I candidati adatti includono una pull request, una pratica di due diligence, l'onboarding di un cliente o un report di ricerca con un chiaro test di accettazione.

Entro martedì, tracciate cinque confini: stato iniziale, prima lettura esterna, ultimo checkpoint sicuro, prima azione irreversibile e accettazione finale. Impostate un limite di spesa per l'esecuzione. Se l'harness non riesce a rappresentare uno di questi confini, quella lacuna conta più di un altro punto nel benchmark del modello.

Mercoledì, terminate il worker in tre momenti: prima dell'azione irreversibile, subito dopo e durante la generazione del modello. Controllate se si perdono dati di stato, si ripetono invii, compaiono scritture duplicate o l'agente dichiara di aver completato il lavoro senza prove. Registrate il tempo di recupero e l'intervento umano.

Giovedì, aggiungete la chiave di idempotenza, l'approvazione, il valutatore, il checkpoint o la regola di sandbox che manca. Venerdì, ripetete il test e calcolate il costo per risultato accettato. Soltanto a quel punto decidete se un modello più potente, un runtime gestito o un altro framework meritano il budget.

Questa è la conseguenza concreta di AVO per il business. L'acquisto da fare lunedì non è automaticamente Opus 5, LangGraph o una nuova architettura multi-agente. È un percorso di ripristino misurato che riveli quale parte del sistema sia davvero debole.

Le soluzioni da evitare

Alcuni nomi popolari non sono adatti a un nuovo sistema di lunga durata, anche se restano utili in altri contesti.

AutoGen per un nuovo progetto Microsoft

AutoGen non dovrebbe essere la scelta predefinita per un nuovo sviluppo agentico su tecnologie Microsoft, perché Microsoft lo ha portato in modalità manutenzione e raccomanda Microsoft Agent Framework ai nuovi utenti. I sistemi AutoGen esistenti non richiedono una migrazione precipitosa, ma una nuova architettura non dovrebbe partire da un framework di cui è già consigliato il successore.

Mantenete stabile il deployment esistente, isolatene le interfacce e pianificate la migrazione in base al rischio per il business. Non create una nuova dipendenza soltanto perché online abbondano vecchi tutorial ed esempi.

Un semplice loop di compaction per il lavoro irreversibile

Un singolo agente che riassume periodicamente la propria trascrizione non è un harness durevole. La compaction può accorciare il contesto, ma non dimostra quali effetti collaterali siano già avvenuti, non conserva una posizione tipizzata nel workflow e non rende sicuro il replay. Può servire per esplorazioni reversibili. Non affidatele pagamenti, eliminazioni, comunicazioni con i clienti, merge o deployment senza stato esterno e idempotenza.

NVIDIA AVO come acquisto per la produzione

AVO dimostra che l'architettura dell'harness conta, ma non è un prodotto pubblico con un piano di assistenza e un prezzo. Il suo risultato dovrebbe cambiare le domande poste durante una revisione architetturale. Non dovrebbe comparire in un ordine di acquisto finché NVIDIA non offrirà qualcosa che possa essere valutato come prodotto.

Un gioco di ruoli multi-agente senza criterio di accettazione

Più agenti non producono automaticamente maggiore affidabilità. Se pianificatore, sviluppatore e revisore condividono lo stesso contesto debole e non dispongono di un test di accettazione deterministico, il sistema ha moltiplicato l'inferenza senza aggiungere indipendenza. Aggiungete un ruolo soltanto se dispone di prove, permessi o un controllo distinti, in grado di ribaltare la risposta precedente.

Domande frequenti

Qual è il miglior harness per agenti AI nel 2026?

LangGraph è il miglior harness complessivo per task di produzione a lunga durata, perché combina stato esplicito del grafo, checkpoint persistenti, replay e controllo umano senza vincolare il workflow a un unico fornitore di modelli. Claude Managed Agents è preferibile quando la priorità è l'esecuzione gestita; Microsoft Agent Framework lo è per la durabilità su Azure e .NET tra worker distribuiti.

Quali harness sono efficaci per gli agenti di lunga durata?

LangGraph, Claude Managed Agents, Microsoft Agent Framework, NVIDIA NOOA e CrewAI sono efficaci per modelli operativi differenti. La scelta giusta è quella che conserva lo stato necessario, riparte senza duplicare effetti collaterali, verifica il completamento e rispetta il confine di isolamento del team.

Che cos'è un harness per Claude?

Un harness per Claude è il runtime che circonda il modello Claude: prompt, tool, stato persistente, pianificazione, valutazione, budget e regole di ripristino. Claude Agent SDK permette di costruire questo apparato, mentre Claude Managed Agents offre un ambiente di sessione in hosting.

Claude Code è un agente o un harness?

Claude Code è un prodotto agentico con un proprio comportamento da harness; Claude Agent SDK e le interfacce di Managed Agents consentono invece a chi sviluppa di creare o gestire sistemi agentici più ampi. La differenza riguarda il controllo: l'agente svolge il task, l'harness governa stato, tool, ripristino e verifica.

Esiste un harness AI per Claude Code?

Sì. Anthropic documenta pattern di harness a lunga durata basati sul proprio Agent SDK, con ruoli di pianificatore, generatore e valutatore, e offre sessioni Managed Agents per l'esecuzione stateful. Anche framework indipendenti dal modello, come LangGraph, possono orchestrare i modelli Claude quando conta evitare il vincolo a un fornitore.

Quali sono le differenze principali tra gli harness di Pi e Claude Code?

Va trattato come un confronto di architetture, non come una gara tra marchi: occorre valutare stato durevole, permessi dei tool, portabilità del modello, semantica di checkpoint e replay, verifica e responsabilità del deployment. Un harness più semplice da personalizzare non è automaticamente più sicuro nei task di lunga durata; la caratteristica decisiva è mantenere ispezionabili il recupero dagli errori e gli effetti collaterali.

Scarica la checklist per l'audit dei workflow AI aziendali

La checklist gratuita per l'audit dei workflow AI aziendali trasforma un task agentico promettente in un progetto pilota ben delimitato, con responsabile, confine dello stato, criterio di accettazione, limite di budget e regola di arresto. Iscriviti per ricevere la checklist e la prossima guida pratica verificata.