> ## Content Index > Fetch the complete content index at: https://adrianoamalfi.com/llms.txt > Use this file to discover other available public pages before exploring further. # La guerra dei framework per agenti è già finita. Ha vinto il protocollo. - URL: https://adrianoamalfi.com/stack-gen-ai-agenti-openai-adk-mcp/ - Published: 2026-07-04T14:54:42.000Z - Updated: 2026-07-26T17:13:32.000Z - Description: OpenAI, Google, Microsoft e LangChain competono sul miglior framework agentico. Anthropic ha vinto senza costruirne uno: MCP connette tutti. - Author: Adriano Amalfi - Tags: AI Agentica, MCP, OpenAI, Google ADK, LangChain, Microsoft, Framework Agenti Il panorama dei framework per agenti AI è una trincea affollata. OpenAI ha il suo Agents SDK, Google spinge **ADK** in mezza dozzina di linguaggi, Microsoft ha cannibalizzato AutoGen per rilanciare con Agent Framework, e LangChain si è riposizionato come "piattaforma di agent engineering". Ognuno promette l'orchestrazione definitiva, la **durable execution**, l'integrazione enterprise. Ma il vero vincitore non è nessuno di loro. È *MCP*, il **Model Context Protocol** di Anthropic: *un protocollo, non un framework*. > Mentre tutti competevano sul framework, Anthropic ha vinto sul protocollo. Il dato più eloquente non è nelle righe di codice. È su GitHub: il repository [modelcontextprotocol/servers](https://github.com/modelcontextprotocol/servers?ref=adrianoamalfi.com) ha *88.000 stelle* e 11.100 fork. È il progetto più stellato dell'intero ecosistema agentico, davanti a LangChain (141k, ma con anni di vantaggio), OpenAI Agents SDK (27.6k) e Google ADK (20.4k). E MCP non è nemmeno un prodotto. *È un pezzo di infrastruttura.* ## Tutti competono, tutti convergono Ecco lo stato dell'arte a luglio 2026: | Player | Framework | Stelle GitHub | Supporto MCP | Differenziazione chiave | | ------------- | --------------------- | -------------- | ------------ | ----------------------------------------------------------- | | **Anthropic** | MCP (protocollo) | 88k ★ | — | SDK in 10 linguaggi, registry server, specifica stabile | | **OpenAI** | Agents SDK | 27.6k ★ | ✅ nativo | Sandbox agents, handoff, guardrail, tracing integrato | | **Google** | ADK 2.0 | 20.4k ★ | ✅ | Multi-linguaggio (Python/Go/Java/Kotlin), A2A, long-running | | **Microsoft** | Agent Framework | 11.8k ★ | ✅ | Python + .NET, Azure Foundry, durable workflows | | **LangChain** | LangChain + LangGraph | 141k + 36.3k ★ | ✅ | Ecosistema più ampio, Deep Agents, LangSmith | La tabella rivela una verità scomoda per chiunque venda un framework: *il supporto MCP è ormai un prerequisito, non un vantaggio competitivo*. OpenAI Agents SDK lo integra nativamente (il repo riconosce esplicitamente il [MCP Python SDK](https://github.com/modelcontextprotocol/python-sdk?ref=adrianoamalfi.com) tra i suoi acknowledgements). Google ADK lo supporta insieme al proprio protocollo A2A. Microsoft Agent Framework lo include come primitiva di connettività. LangChain, dopo anni passati a costruire il proprio ecosistema di integrations, ha aperto a MCP. È successo qualcosa di raro nell'industria del software: un'azienda, Anthropic, ha convinto tutti i concorrenti diretti ad adottare il suo standard di comunicazione. Non con il **lock-in**, ma con il **lock-out**: se non supporti MCP, resti fuori da un ecosistema di server e tool che cresce ogni giorno. ## La mossa Microsoft Il segnale più forte arriva da Redmond. [AutoGen](https://github.com/microsoft/autogen?ref=adrianoamalfi.com), con le sue *59.400 stelle*, è stato messo ufficialmente in *maintenance mode*. Microsoft lo dichiara senza giri di parole nel README: > "AutoGen è ora in manutenzione. Non riceverà nuove funzionalità o miglioramenti e sarà gestito dalla comunità d'ora in avanti." Il motivo? Un nuovo framework, [Microsoft Agent Framework](https://github.com/microsoft/agent-framework?ref=adrianoamalfi.com), costruito da zero su Python e .NET, con 99 release in pochi mesi. La differenza principale rispetto ad AutoGen? MAF è *MCP-first, A2A-compatibile, multi-provider*. Microsoft non sta semplicemente aggiornando AutoGen. Sta dicendo: **il vecchio ecosistema di integrazioni proprietarie è morto, il futuro parla** *MCP*. E lo fa con una guida alla migrazione ufficiale da AutoGen a MAF. È un'ammissione che nessun framework può più permettersi di *essere un'isola*. La connettività è diventata così centrale da assorbire ogni altra considerazione architetturale. Il paradosso della competizione — Più i framework si competono sulle funzionalità, più convergono sull'unica cosa che li rende interoperabili: MCP. La competizione sui framework produce \*commoditizzazione\* dei framework stessi, mentre il protocollo che li connette diventa sempre più prezioso. ## LangChain e il riposizionamento Il caso LangChain è emblematico. Con *141.000 stelle* è il framework LLM più adottato al mondo. Ma negli ultimi 18 mesi ha subito un riposizionamento radicale: da **framework onnicomprensivo** a [**piattaforma di agent engineering**](https://github.com/langchain-ai/langchain?ref=adrianoamalfi.com), con LangGraph per l'orchestrazione a basso livello, Deep Agents per pattern di alto livello, e LangSmith per deployment e observability. È la risposta a un mercato che ha smesso di cercare **un solo framework** e ha iniziato a comporre **stack multi-framework**. LangChain ha capito che il valore non sta più nell'essere l'unico intermediario tra LLM e strumenti — *MCP ha reso quella posizione insostenibile* — ma nell'orchestrazione, nella durabilità, nella gestione dello stato. LangGraph ora enfatizza la [**durable execution**](https://github.com/langchain-ai/langgraph?ref=adrianoamalfi.com): agenti che sopravvivono a crash, riprendono da checkpoint, incorporano human-in-the-loop. È lo stesso territorio che Google ADK rivendica con i suoi [agenti **long-running** capaci di pause di giorni](https://developers.googleblog.com/en/build-long-running-ai-agents-that-pause-resume-and-never-lose-context-with-adk/?ref=adrianoamalfi.com). E che Microsoft MAF presidia con i suoi workflow stateful su Azure. ## Il problema non risolto > MCP risolve la connettività, non l'orchestrazione. Come si coordina un agente che deve aspettare tre giorni per una firma, delegare a un sub-agente il provisioning IT, riprendere dopo un webhook, e non perdere un byte di contesto? Come si fa **observability** su una catena di agenti che attraversa framework diversi, ognuno con il proprio tracing? Pensiamo a uno scenario concreto: un assistente di viaggio enterprise deve cercare voli (tool MCP), attendere approvazione umana (human-in-the-loop), prenotare tramite API (tool call), delegare a un sub-agente la richiesta di visto (handoff), e notificare su Slack (webhook). In questo flusso si incrociano almeno tre framework diversi, due provider LLM, e un sistema legacy. Oggi non esiste un modo standard per rendere questa catena osservabile, riprendibile da crash, e monitorabile dall'inizio alla fine. Ogni player ha una risposta parziale: - *Google ADK* propone *macchine a stati esplicite, checkpoint persistenti* su SQLite/Cloud SQL, e *event-driven dormancy gates*: l'agente dorme davvero, non fa polling, si risveglia solo a webhook. - *LangGraph* offre *durable execution* con *resume automatico da checkpoint*, *memoria a breve e lungo termine*, e integrazione con LangSmith per il tracing. - *Microsoft MAF* punta su *workflow graph-based con checkpoint*, *OpenTelemetry nativo* e hosting su Azure Foundry. - *OpenAI Agents SDK* ha *sessioni automatiche, tracing integrato* e *sandbox agents* per task di lunga durata, ma è meno maturo sull'orchestrazione cross-framework. Nessuna di queste soluzioni è completa, e *nessuna funziona bene quando l'orchestrazione attraversa i confini del framework*. Se il tuo agente OpenAI deve delegare a un agente Google ADK via A2A, e l'intera catena deve essere osservabile con OpenTelemetry, sei in territorio ampiamente inesplorato. Il prossimo campo di battaglia — Connettività (MCP) e comunicazione agent-to-agent (A2A) sono risolti a livello di protocollo. L'orchestrazione cross-framework — durabilità, observability, human-in-the-loop — è il prossimo problema da 100 miliardi di dollari. Chi lo risolve per primo eredita l'ecosistema. ## I protocolli vincono sempre La storia del software lo insegna: *i protocolli battono i framework*. HTTP ha battuto le API proprietarie, TCP/IP ha battuto i protocolli vendor-specific. Un protocollo aperto abbassa i costi di switching, crea effetti di rete, e trasforma i framework in commodity intercambiabili. MCP sta facendo esattamente questo nell'ecosistema agentico. La specifica MCP [raggiungerà la release stabile il 28 luglio 2026](https://github.com/modelcontextprotocol/python-sdk?ref=adrianoamalfi.com), con gli SDK v2 in Python e TypeScript già in beta. Nel frattempo, il [MCP Registry](https://registry.modelcontextprotocol.io/?ref=adrianoamalfi.com) cataloga server pubblici in crescita esponenziale. E client come Claude, ChatGPT, VS Code e Cursor supportano MCP nativamente. La guerra del protocollo — Mentre tutti competevano sul framework migliore, Anthropic ha costruito lo strato che li connette tutti. Il risultato: la competizione sui framework produce commoditizzazione, mentre il protocollo che li lega diventa ogni giorno più indispensabile. Anthropic non ha bisogno di vincere la guerra dei framework. Ha già vinto la guerra del protocollo. ## Further Reading [Model Context Protocol — Sito ufficiale](https://modelcontextprotocol.io/?ref=adrianoamalfi.com) [OpenAI Agents SDK — Repository GitHub](https://github.com/openai/openai-agents-python?ref=adrianoamalfi.com) [Google ADK: Build Long-running AI agents that pause, resume, and never lose context](https://developers.googleblog.com/en/build-long-running-ai-agents-that-pause-resume-and-never-lose-context-with-adk/?ref=adrianoamalfi.com) [Microsoft AutoGen → Maintenance Mode](https://github.com/microsoft/autogen?ref=adrianoamalfi.com) [Annuncio OpenAI Agents SDK — 11 marzo 2025](https://openai.com/index/new-tools-for-building-agents/?ref=adrianoamalfi.com)