CrewAI o AutoGen: quando crescono chiamate e token

Se attività e responsabilità sono definite in anticipo, CrewAI offre un percorso diretto. Se il partecipante successivo deve dipendere da ciò che emerge durante il lavoro, AutoGen offre più schemi di conversazione. In entrambi, aggiungere agenti può far crescere chiamate al modello e token: il costo dipende dai turni effettivi, dalle decisioni di coordinamento e dal contesto passato tra partecipanti.

La scelta riguarda quindi il controllo del flusso, non il numero di agenti configurabili. Una sequenza rende prevedibile l’ordine delle attività; un coordinatore o un selettore può adattarlo, ma introduce altro lavoro. Per capire quale soluzione convenga, occorre considerare insieme qualità del risultato, consumo e condizione di arresto.

Lo stesso incarico in una sequenza, con un manager o in conversazione

Immaginiamo un incarico ipotetico: raccogliere informazioni, verificarle e produrre una sintesi. In CrewAI, il processo sequenziale esegue le attività nell’ordine stabilito. Il processo gerarchico affida invece a un manager il coordinamento, la delega e la valutazione dei risultati; richiede un modello o un agente manager. Le specifiche delle crew descrivono questi processi e prevedono anche checkpoint e metriche d’uso a livello di crew.

Per lo stesso incarico, AutoGen può assegnare turni fissi con RoundRobinGroupChat oppure scegliere dopo ogni messaggio chi interviene con SelectorGroupChat, che usa un modello per la selezione. Swarm trasferisce il controllo attraverso messaggi di handoff; MagenticOneGroupChat è rivolto ad attività aperte che coinvolgono web e file. La guida ai team di AutoGen presenta questi schemi e consiglia di iniziare con un solo agente quando il compito è semplice.

Nell’esempio, ricerca, verifica e sintesi possono seguire un ordine stabilito senza una decisione su chi debba parlare a ogni passaggio. Un manager ha senso se la verifica può richiedere deleghe diverse secondo il materiale trovato. Un selettore dinamico è più adatto quando non si conosce in anticipo quale competenza servirà dopo una risposta. Questa flessibilità va valutata per il risultato che produce: la sola presenza di più ruoli non rende migliore la sintesi.

Dove aumentano chiamate e token

Ogni turno affidato a un modello può aggiungere una chiamata. Se un agente riceve anche messaggi precedenti o lunghi risultati degli strumenti, cresce il testo in ingresso; una scelta del partecipante affidata al modello può richiedere ulteriore elaborazione. Per questo una sequenza breve e una conversazione lunga, pur impiegando gli stessi agenti, possono avere consumi molto diversi.

Nel benchmark AgentRace, la configurazione CrewAI esaminata ha registrato in media 5,33 chiamate al modello per query e 608 invocazioni complessive dello strumento Web nelle prove riportate. Gli autori associano l’uso frequente del Web a risposte degli strumenti lunghe e a un maggiore consumo di token. Sono risultati ottenuti con i compiti e le configurazioni dello studio: non misurano quanto costerebbe l’incarico ipotetico né stabiliscono che un team AutoGen con selezione dinamica consumi meno.

Il costo di una richiesta comprende dunque più del prezzo di un singolo token. Vanno distinti i token in ingresso e in uscita, le chiamate di coordinamento, le invocazioni degli strumenti e gli eventuali tentativi ripetuti. Un prezzo unitario inferiore può tradursi in un costo per compito maggiore se il flusso richiede più passaggi. Anche la durata conta: attendere un risultato esterno o far parlare più agenti in serie può allungare l’esecuzione senza migliorare l’output.

L’arresto determina il limite reale del flusso

In una sequenza, il traguardo naturale è l’output dell’ultima attività, anche se le attività precedenti possono compiere altri passaggi o usare strumenti. In un processo gerarchico occorre includere il lavoro del manager. In un team conversazionale, invece, va esplicitato quale evento chiude la discussione: un risultato finale, un messaggio di un partecipante, un limite di consumo o una richiesta di intervento esterno.

La documentazione sulle condizioni di arresto di AutoGen include limiti ai messaggi, ai token e al tempo, oltre a segnali nel testo e arresto esterno. Le condizioni si possono combinare. Il limite sui token richiede che gli agenti ne riportino l’utilizzo; nei team di chat la condizione viene controllata dopo la risposta dell’agente, che può contenere più messaggi interni.

Ne deriva una distinzione pratica: una soglia di token può fermare il turno successivo, ma non garantisce che la risposta già in corso si interrompa esattamente alla soglia. Anche aspettare soltanto una parola conclusiva lascia aperta la possibilità di altri turni se quella parola non arriva. Un limite di messaggi o di tempo rende più prevedibile la durata del team, mentre una regola legata al risultato chiarisce quando il lavoro è davvero concluso.

Che cosa mostrano le metriche durante l’esecuzione

Il totale dei token dice quanto è stato consumato, ma da solo non spiega perché. Per CrewAI, il risultato della crew comprende l’uso dei token e gli output delle attività; i checkpoint possono conservare lo stato dopo eventi come il completamento di un’attività. Nei team AutoGen, messaggi e motivo dell’arresto permettono di ricostruire i turni. Questi elementi aiutano a distinguere una verifica utile da una nuova ricerca che ripete ciò che era già disponibile.

Per confrontare i flussi sullo stesso incarico, la misura più utile è il consumo per risultato accettabile, insieme alla durata e al motivo dell’arresto. Tenere costanti modello, strumenti, input e criterio di qualità evita di attribuire all’orchestratore differenze dovute alla configurazione. È un criterio di valutazione, non un risultato sperimentale dei due prodotti: il benchmark citato misura proprie configurazioni e propri compiti.

Quale scelta regge meglio al progetto

CrewAI è coerente con attività e ruoli descrivibili prima dell’esecuzione; la modalità gerarchica richiede una ragione concreta per aggiungere il manager. Le configurazioni AutoGen sono utili quando turni, handoff o scelta del partecipante fanno parte del problema da risolvere. Per un compito che un solo agente conclude bene, introdurre una squadra aggiunge complessità da giustificare con un miglioramento misurabile.

C’è anche un vincolo di continuità per chi avvia oggi un progetto: il repository ufficiale di AutoGen indica il framework in modalità di manutenzione, senza nuove funzionalità previste, e indirizza i nuovi utenti verso Microsoft Agent Framework. Chi valuta un’applicazione AutoGen esistente può ancora confrontarne i meccanismi con CrewAI; per una nuova adozione, lo stato del progetto pesa insieme a chiamate, token e controllo del flusso.