Alternativa a OpenAI Agents SDK: la migliore API gestita per agenti AI (luglio 2026)


2026-07-22


OpenAI Agents SDK ha ottenuto una rapida adozione come alternativa più leggera a LangChain, LlamaIndex e AutoGen — 26.900 stelle GitHub e 10,3 milioni di download mensili a metà del 2026. Il suo fascino è concreto: una curva di apprendimento ridotta, primitive pulite per gli agenti e tracing integrato rendono veloce la prototipazione. Tuttavia, portare agenti in produzione significa ancora costruire autonomamente il backend — hosting, scalabilità, memoria persistente, pipeline RAG, integrazione degli strumenti e gestione dei fornitori di modelli. La Jenova Agent API elimina l'intero stack con un backend per agenti completamente gestito, in cui orchestrazione, routing multi-modello, memoria, archiviazione e integrazione degli strumenti sono pronti per la produzione tramite un'unica integrazione.

✅ Qualsiasi modello di OpenAI, Anthropic, Google, xAI e altri — vero supporto multi-provider, senza dipendenza dal fornitore ✅ Memoria persistente, archiviazione gestita e RAG integrati — nessun database esterno richiesto ✅ Integrazione di strumenti nativa per MCP senza configurazione ✅ Crea e lancia agenti di produzione personalizzati in minuti, non mesi

Che tu stia affrontando le limitazioni documentate dell'SDK con modelli non OpenAI, costruendo da zero la persistenza della memoria o valutando alternative gestite all'intero approccio basato sui framework, questa guida analizza ciò che OpenAI Agents SDK richiede davvero in produzione — e ciò che un'API completamente gestita elimina.

OpenAI Agents SDK come alternativa pratica a LangChain, LlamaIndex e AutoGen — confronto tra approcci di framework per agenti AI destinati agli sviluppatori che creano agenti di produzione nel 2026

Risposta rapida: qual è la migliore alternativa a OpenAI Agents SDK?

La Jenova Agent API è un backend per agenti completamente gestito che sostituisce l'infrastruttura fai-da-te — orchestrazione, routing dei modelli, memoria, archiviazione, RAG e strumenti — con un'unica integrazione API.

Funzionalità principali:

  • Accesso multi-modello — endpoint unificato per OpenAI, Anthropic, Google, xAI, Qwen e altri
  • Memoria e RAG integrati — contesto persistente e recupero documenti senza database esterni
  • Integrazione di strumenti MCP — connessioni pronte per la produzione a Gmail, Calendar, Drive, Notion e qualsiasi server MCP remoto
  • Creazione di agenti personalizzati — definisci istruzioni, modello, knowledge base e strumenti; vai in produzione in pochi minuti

Il problema: OpenAI Agents SDK — framework leggero, infrastruttura pesante

Il mercato globale degli agenti AI ha raggiunto 7,84 miliardi di dollari nel 2025 e dovrebbe arrivare a 52,62 miliardi entro il 2030, con Gartner che prevede che il 40% delle applicazioni aziendali includerà agenti AI specifici per attività entro la fine del 2026. OpenAI Agents SDK si è posizionato come un percorso più semplice per lo sviluppo di agenti rispetto alle astrazioni a catena di LangChain, ai workflow di recupero di LlamaIndex o alle conversazioni multi-agente di AutoGen.

Ma più semplice non significa semplice. L'SDK offre primitive per agenti. Il backend di produzione rimane interamente responsabilità dello sviluppatore:

Da 10.000 a oltre 500.000 dollari — la fascia di costo per costruire un agente AI di produzione nel 2026, con il framework che rappresenta una frazione della spesa totale.

  • Dipendenza dal fornitore di modelli nonostante il marketing indipendente dai provider
  • Nessuna memoria persistente integrata — ogni sessione parte senza stato
  • Nessun recupero documenti gestito — le pipeline RAG sono interamente fai-da-te
  • Infrastruttura self-hosted — calcolo, scalabilità, monitoraggio e disponibilità sono responsabilità dello sviluppatore
  • Infrastruttura di integrazione degli strumenti — ogni servizio esterno richiede wrapper personalizzati e gestione degli errori

Dipendenza dai modelli dietro le dichiarazioni di indipendenza dai provider

OpenAI Agents SDK dichiara la compatibilità con "oltre 100 LLM", ma l'uso in produzione rivela una notevole frizione con i provider non OpenAI. Gli output strutturati come la convalida dello schema JSON potrebbero non essere supportati dai provider alternativi, causando errori quando si tenta di usare strumenti che si basano su output strutturati. Gli sviluppatori che lavorano con modelli non OpenAI riscontrano problemi come errori 404 o output JSON non validi a causa dell'assenza di supporto per funzionalità specifiche dei provider.

La dipendenza dell'SDK da funzionalità specifiche di OpenAI, come Responses API, limita la flessibilità nell'integrazione di LLM di terze parti. Come conclude il confronto tra framework di Firecrawl: l'SDK "si integra strettamente con gli strumenti ospitati di OpenAI (ricerca file, ricerca web, utilizzo del computer), ma ti vincola a un solo provider".

Indipendente dai provider in teoria. Ottimizzato per OpenAI nella pratica.

Nessuna memoria persistente integrata

OpenAI Agents SDK non fornisce alcun meccanismo nativo per la memoria persistente delle conversazioni. Ogni sessione parte senza stato — non esiste un modo integrato affinché un agente possa ricordare interazioni passate, preferenze dell'utente o il contesto di progetti in corso tra una sessione e l'altra.

Per prototipi a singolo turno, funziona. Per gli agenti di produzione che mantengono relazioni continuative — servizi di consulenza, thread di assistenza, sessioni di tutoraggio, progetti collaborativi — la persistenza della memoria richiede l'implementazione da zero di archivi di stato esterni (Redis, Postgres, database personalizzati), livelli di serializzazione e logica di gestione del contesto. Su larga scala, l'infrastruttura della memoria diventa un progetto di ingegneria autonomo, con le proprie modalità di errore e il proprio carico di manutenzione.

Complessità dell'orchestrazione su larga scala

Sebbene l'SDK semplifichi la creazione iniziale di agenti con primitive pulite, l'orchestrazione di workflow che coinvolgono più agenti diventa complessa con la crescita delle attività. La gestione della comunicazione tra agenti, della logica di delega dei compiti e della condivisione del contesto richiede progettazione e debugging accurati, mentre passaggi di consegna configurati in modo errato portano gli agenti a produrre risultati incompleti o a fallire silenziosamente.

Le capacità di tracing e osservabilità dell'SDK dipendono fortemente dall'infrastruttura di OpenAI, con un supporto limitato per processori di tracce non OpenAI che ostacola l'osservabilità in ambienti multi-provider. Senza un tracing robusto e indipendente dai provider, il debugging dei workflow di produzione — soprattutto quelli che coinvolgono più modelli — diventa significativamente più difficile.

Il problema dei framework è universale

Questo non è un problema esclusivo di OpenAI Agents SDK. LangChain e LangGraph richiedono di costruire orchestrazione, gestione dello stato e integrazioni degli strumenti a partire da componenti. LlamaIndex si concentra sul recupero, ma necessita di orchestrazione esterna per workflow completi degli agenti. AutoGen è ora in modalità manutenzione e riceve solo correzioni di bug e patch di sicurezza dopo essere stato incorporato nel Microsoft Agent Framework. Ogni framework condivide lo stesso vincolo fondamentale: il backend è di tua proprietà.

Questo è esattamente il problema che Jenova Agent API è stata progettata per eliminare.

Jenova Agent API

La Jenova Agent API è un servizio di infrastruttura per agenti completamente gestito — un'unica integrazione che sostituisce l'intero backend che gli sviluppatori costruiscono attorno a OpenAI Agents SDK e framework simili. Invece di assemblare logica di orchestrazione, archivi di memoria, database vettoriali e wrapper per gli strumenti, gli sviluppatori definiscono le istruzioni, il modello, gli strumenti e la knowledge base del proprio agente. L'API gestisce tutto il resto.

OpenAI Agents SDKJenova Agent API
Indipendente dai provider in teoria; ottimizzato per OpenAI nella praticaQualsiasi modello tramite un unico endpoint — OpenAI, Anthropic, Google, xAI e altri
Nessuna memoria persistente integrata — archivi di stato esterni richiestiMemoria e contesto illimitati per sessione, integrati
Nessun recupero documenti gestito — RAG interamente fai-da-teArchiviazione completamente gestita con RAG integrato
Integrazione degli strumenti tramite funzioni Python personalizzateStrumenti nativi della piattaforma + qualsiasi server MCP remoto, pronti all'uso
Self-hosted — calcolo, scalabilità e disponibilità sono a tuo caricoInfrastruttura completamente gestita e di livello produttivo
Tracing vincolato alla dashboard e all'infrastruttura di OpenAITestata in produzione con oltre 30.000 utenti in più di 70 Paesi

Tecnologia API e infrastruttura gestita per agenti — sviluppatore che crea applicazioni AI di livello produttivo tramite un backend completamente gestito con scambio dati integrato, connettività cloud e orchestrazione automatizzata

Orchestrazione degli agenti

L'API fornisce un'orchestrazione collaudata che coordina automaticamente modelli, strumenti, memoria e recupero per qualsiasi workflow. Il ragionamento in più passaggi, l'invocazione degli strumenti e la sintesi delle risposte avvengono all'interno della piattaforma — senza regole di passaggio di consegna personalizzate, configurazioni dei runner o infrastruttura dei guardrail da costruire.

Laddove OpenAI Agents SDK richiede di definire esplicitamente agenti, handoff, guardrail e runner — per poi ospitare e scalare autonomamente tale logica — l'API gestita astrae completamente l'orchestrazione. Definisci cosa deve realizzare l'agente. L'infrastruttura determina come farlo.

Usa qualsiasi modello

Alimenta gli agenti con modelli di OpenAI, Anthropic, Google, xAI, Qwen e altri tramite un'unica integrazione. Seleziona il modello per ogni agente o cambialo liberamente — nessun problema di compatibilità degli output strutturati, nessuna gestione degli errori specifica per provider, nessuna API key separata.

Questo risolve direttamente la limitazione più documentata di OpenAI Agents SDK. Laddove il supporto dell'SDK per modelli non OpenAI causa errori negli output strutturati e fallimenti nell'integrazione degli strumenti, l'API gestita offre funzionalità uniformi tra tutti i provider supportati. Vera flessibilità dei modelli — non indipendenza dai provider con asterischi.

Memoria e contesto

Memoria e contesto conversazionali illimitati integrati in ogni sessione — nessun archivio di stato esterno, nessun codice di serializzazione, nessuna ingegnerizzazione della finestra di contesto. Gli agenti ricordano automaticamente le preferenze degli utenti, le interazioni passate e il contesto di progetti a lungo termine tra le sessioni.

Per gli sviluppatori che hanno trascorso settimane a implementare uno stato conversazionale persistente attorno all'SDK senza stato, questo da solo elimina un'intera categoria di lavoro ingegneristico e costi infrastrutturali continuativi.

Archiviazione completamente gestita

Database relazionali e vettoriali gestiti con RAG integrato. Carica documenti e knowledge base e l'API gestisce suddivisione, embedding, indicizzazione e recupero — nessun database vettoriale da predisporre, ottimizzare o scalare.

OpenAI Agents SDK non offre alcun recupero documenti integrato. RAG in produzione significa selezionare un database vettoriale, creare una pipeline di suddivisione, scegliere modelli di embedding, ottimizzare la qualità del recupero e mantenere gli indici quando i documenti cambiano. L'API gestita sostituisce l'intera pipeline con un caricamento di file.

Strumenti e MCP

Integrazioni illimitate con strumenti nativi della piattaforma e qualsiasi server MCP remoto, pronte per la produzione senza configurazione. Gmail, Google Calendar, Drive, Search, Scholar, Maps, Notion, Dropbox, Reddit, YouTube e altri — nessun codice wrapper, nessuna infrastruttura dei flussi di autenticazione.

OpenAI Agents SDK supporta gli strumenti attraverso funzioni Python personalizzate che gli sviluppatori definiscono, testano e mantengono singolarmente. Ogni integrazione esterna richiede convalida degli input, controlli dei permessi, gestione degli errori e logica di ripetizione. L'API gestita fornisce queste integrazioni pronte all'uso e lo standard MCP consente la connessione immediata di qualsiasi server di strumenti conforme.

Livello produttivo

Infrastruttura completamente gestita con API stabili, progettata per il traffico di produzione. Nessun server da predisporre, nessuna orchestrazione di container da gestire, nessuna policy di scalabilità da definire. Testata in produzione con oltre 30.000 utenti in più di 70 Paesi.

Una richiesta dimostra la differenza:

bash
curl -X POST https://api.jenova.ai/v1/chat \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "agent_id": "your-custom-agent",
    "message": "Summarize the Q2 compliance report and flag any regulatory risks",
    "session_id": "session-abc-123"
  }'

Nessun grafo di orchestrazione da definire. Nessun archivio di memoria da configurare. Nessuna infrastruttura da ospitare. Una richiesta, esecuzione completa dell'agente.

Cosa puoi creare

Jenova Agent API è progettata per gli sviluppatori che rilasciano agenti di produzione come funzionalità all'interno dei propri prodotti — non per gestire infrastrutture. Ecco applicazioni concrete che puoi creare e lanciare:

Assistenza clienti intelligente per prodotti SaaS

Crea un agente di assistenza personalizzato addestrato sulla documentazione del prodotto, sugli articoli di supporto e sui dati dei ticket passati. Definisci la voce dell'agente e le regole di escalation tramite istruzioni personalizzate, carica la knowledge base e l'API gestirà automaticamente RAG, gestione del contesto e conversazioni multi-turno.

  • Nessun database vettoriale da predisporre — indicizzazione e recupero dei documenti gestiti dalla piattaforma
  • La memoria di sessione traccia la cronologia di assistenza di ogni cliente tra le varie interazioni
  • Connettiti a sistemi di ticketing, CRM e strumenti interni tramite MCP

Agente di tutoraggio personalizzato per piattaforme formative

Distribuisci un agente di apprendimento adattivo nella tua applicazione edtech. Carica i materiali didattici, definisci istruzioni specifiche per il curriculum di ogni materia e l'API gestirà il contesto persistente degli studenti affinché ogni discente riceva istruzione continua e personalizzata tra le sessioni.

  • La memoria conserva i progressi degli studenti senza gestione dello stato esterno
  • Gli aggiornamenti della knowledge base vengono distribuiti immediatamente — nessuna reingegnerizzazione delle pipeline di recupero
  • Scala fino a migliaia di studenti simultanei su un'infrastruttura gestita

Consulente finanziario integrato per dashboard fintech

Lancia un agente proprietario di analisi del portafoglio direttamente nel tuo prodotto fintech. Configura l'esperienza nel dominio finanziario tramite istruzioni personalizzate, collega feed di dati di mercato tramite MCP e offri insight personalizzati con memoria di sessione che mantiene il contesto del portafoglio tra le conversazioni di consulenza.

  • Il supporto multi-modello consente l'ottimizzazione dei costi in base alla complessità delle query
  • La memoria integrata mantiene relazioni di consulenza nel tempo
  • Un'unica integrazione alimenta l'intera esperienza conversazionale

Agente di elaborazione documenti per legal tech

Crea agenti specializzati per revisione contrattuale, estrazione delle clausole, segnalazione dei rischi e riferimenti incrociati normativi. Carica librerie di clausole, modelli e testi normativi come knowledge base e definisci la metodologia di analisi tramite istruzioni personalizzate.

  • Il RAG integrato gestisce grandi corpus documentali senza database vettoriali esterni
  • Gli aggiornamenti della knowledge base, come nuove normative e revisioni dei modelli, vengono distribuiti senza lavoro ingegneristico
  • MCP si collega ai sistemi esistenti di gestione documentale e workflow

Assistente di ricerca interno per la conoscenza aziendale

Crea un agente intelligente connesso ai repository documentali della tua organizzazione, agli spazi di lavoro Notion e a Google Drive. I dipendenti interrogano l'agente in linguaggio naturale, che recupera, sintetizza e cita i documenti interni pertinenti — grazie all'archiviazione vettoriale gestita e al RAG integrato.

  • L'integrazione MCP si collega a repository interni e strumenti di collaborazione
  • L'archiviazione gestita gestisce raccolte di documenti su scala aziendale
  • L'infrastruttura di livello produttivo supporta l'accesso simultaneo in tutta l'azienda

Ottieni la tua API key e lancia il tuo primo agente in pochi minuti.

Come funziona

Passare da zero a un agente di produzione richiede quattro passaggi:

Passaggio 1: ottieni la tua API key

Crea un account sviluppatore su jenova.ai/platform e genera la tua API key. Questa unica chiave fornisce accesso all'intera infrastruttura gestita — ogni fornitore di modelli, ogni integrazione di strumenti, ogni funzionalità della piattaforma tramite un'unica credenziale.

Passaggio 2: crea o scegli il tuo agente

Crea un agente personalizzato definendone le istruzioni di sistema, selezionando un fornitore di modelli preferito, caricando una knowledge base privata e configurando l'accesso agli strumenti. In alternativa, seleziona agenti predefiniti già ottimizzati per domini specifici. La configurazione dell'agente avviene tramite la piattaforma in pochi minuti — nessuna installazione di framework, nessun codice richiesto per la configurazione.

Passaggio 3: aggiungi crediti

Aggiungi crediti API al tuo account. L'utilizzo viene misurato per interazione in base al modello e alla complessità coinvolta. Nessuna postazione fissa, nessun contratto annuale, nessun impegno minimo — aumenta o riduci l'utilizzo secondo necessità.

Passaggio 4: effettua la prima chiamata

Invia una richiesta al tuo agente. L'API gestisce orchestrazione, routing dei modelli, invocazione degli strumenti, gestione della memoria e generazione delle risposte end-to-end:

bash
curl -X POST https://api.jenova.ai/v1/chat \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "agent_id": "your-custom-agent",
    "message": "Review the uploaded contract and identify non-standard liability clauses",
    "session_id": "session-abc-123"
  }'

Per le specifiche complete degli endpoint, gli schemi di richiesta/risposta e i dettagli di autenticazione, consulta la documentazione API completa.

Risultati e casi d'uso

💼 Startup che migra da OpenAI Agents SDK a un backend gestito

Scenario: Un team di ingegneria di tre persone ha creato un sistema di assistenza clienti multi-agente usando OpenAI Agents SDK. Dopo quattro mesi in produzione, il team dedica più tempo alla manutenzione della persistenza della memoria basata su Redis, di wrapper per strumenti personalizzati e dell'infrastruttura self-hosted che alla creazione di funzionalità di prodotto. Il tentativo di passare a un modello non OpenAI per ottimizzare i costi ha introdotto errori negli output strutturati e fallimenti nell'integrazione degli strumenti che hanno richiesto settimane di soluzioni alternative.

Stack OpenAI Agents SDK: Logica di orchestrazione personalizzata, Redis per la memoria, Pinecone per RAG, gestione delle API per ogni provider, calcolo self-hosted, monitoraggio e risposta agli incidenti.

Jenova Agent API: Migra le istruzioni dell'agente e la knowledge base verso l'API gestita. Memoria, RAG, routing dei modelli e scalabilità sono gestiti dalla piattaforma. Il team di ingegneria torna a concentrarsi interamente sullo sviluppo del prodotto.

  • ✅ Elimina la manutenzione dell'infrastruttura e le soluzioni alternative specifiche per provider
  • ✅ Passa da un modello all'altro senza test di compatibilità o modifiche al codice
  • ✅ Un'unica integrazione sostituisce l'intero backend autogestito

📊 Team fintech che lancia un consulente per portafogli in giorni, non mesi

Scenario: Una startup fintech desidera offrire analisi del portafoglio basata su AI come funzionalità premium della dashboard. Il team di ingegneria ha valutato OpenAI Agents SDK, ma ha stimato mesi di lavoro infrastrutturale e da 40.000 a oltre 120.000 dollari di costi di sviluppo prima di poter lanciare la prima funzionalità per gli utenti — persistenza della memoria, RAG per documenti finanziari, integrazioni di strumenti per dati di mercato e routing multi-modello.

Jenova Agent API: Definisci un agente consulente finanziario con istruzioni specifiche per il dominio, collega feed di dati di mercato tramite MCP e carica materiali finanziari di riferimento. Vai in produzione in pochi giorni con memoria integrata, RAG gestito e infrastruttura di livello produttivo.

  • ✅ Settimane per andare in produzione anziché mesi
  • ✅ Memoria di sessione persistente per relazioni di consulenza continuative — nessun archivio di stato esterno
  • ✅ Nessun database vettoriale, infrastruttura di memoria o gestione dei fornitori di modelli da creare

📱 Azienda edtech che distribuisce tutoraggio adattivo su larga scala

Scenario: Una piattaforma educativa che serve 25.000 studenti necessita di tutor AI personalizzati in cinque materie, ciascuna delle quali richiede conoscenza specifica del curriculum, monitoraggio persistente dei progressi degli studenti e supporto multi-modello.

Approccio con framework fai-da-te: Crea configurazioni di agenti per ogni materia usando OpenAI Agents SDK, implementa la persistenza della memoria per studente con un database esterno, predispone un database vettoriale per i materiali del curriculum e gestisce il routing dei modelli per qualità rispetto ai costi. I soli livelli di integrazione rappresentano il 10–30% dello sforzo di sviluppo totale.

Jenova Agent API: Crea agenti tutor personalizzati per ogni materia con istruzioni e materiali specifici per il curriculum. L'API gestisce la memoria di sessione, con i progressi degli studenti conservati automaticamente, RAG, con i materiali del curriculum indicizzati al caricamento, e il routing dei modelli — in tutte le sessioni simultanee degli studenti.

  • ✅ Ogni studente riceve un contesto di apprendimento persistente e personalizzato
  • ✅ Gli aggiornamenti della knowledge base vengono distribuiti senza reingegnerizzare le pipeline di recupero
  • ✅ Scala a nuove materie aggiungendo agenti, non infrastruttura

🎯 Agenzia di sviluppo che rilascia funzionalità AI per più clienti

Scenario: Un'agenzia software ha il compito di creare funzionalità basate su AI per tre clienti — screening per l'accettazione sanitaria, revisione di contratti legali e scoperta di prodotti e-commerce. Usare OpenAI Agents SDK per ciascuno significherebbe duplicare infrastruttura della memoria, pipeline RAG, integrazioni degli strumenti e ambienti di hosting per cliente.

Jenova Agent API: Un'integrazione, una API key. Crea agenti personalizzati per ciascun cliente con istruzioni, modelli, knowledge base e strumenti specifici per il dominio. Ogni agente viene eseguito automaticamente su infrastruttura gestita di livello produttivo. Lancia tutti e tre i progetti sulla stessa piattaforma.

  • ✅ Una singola integrazione scala su progetti illimitati dei clienti
  • ✅ Selezione del modello per cliente senza gestione dei provider per cliente
  • ✅ Tempo di ingegneria investito nella logica di prodotto, non nella replica dell'infrastruttura

FAQ

In cosa Jenova Agent API è diversa da OpenAI Agents SDK?

OpenAI Agents SDK è un framework Python che fornisce primitive per agenti — agenti, handoff, guardrail e tracing — ma gli sviluppatori gestiscono autonomamente hosting, scalabilità, persistenza della memoria, RAG e integrazione degli strumenti. Jenova Agent API è un backend completamente gestito: un'unica integrazione che gestisce orchestrazione, routing multi-modello, memoria, archiviazione, RAG e strumenti. Tu definisci cosa fa l'agente; l'infrastruttura gestisce come viene eseguito.

Quanto costa Jenova Agent API?

L'API utilizza un modello basato su crediti — paghi per interazione in base al modello e alla complessità coinvolta. Nessuna postazione fissa, nessun abbonamento annuale, nessun impegno minimo. Aggiungi crediti secondo necessità e aumenta o riduci l'utilizzo in base alla domanda. Visita la piattaforma API per i dettagli sui prezzi correnti.

Quali modelli AI sono disponibili tramite l'API?

Accesso unificato a modelli di OpenAI, Anthropic, Google, xAI, Qwen e altri tramite un'unica integrazione. Seleziona il modello per agente o per richiesta — nessuna API key separata, nessun account provider o problema di compatibilità degli output strutturati. L'elenco dei modelli disponibili viene aggiornato continuamente. Dettagli completi su jenova.ai/platform/docs.

Quanto è difficile l'integrazione?

Quattro passaggi: ottieni la tua API key, crea o scegli un agente, aggiungi crediti ed effettua la prima chiamata. Gli agenti personalizzati vengono configurati tramite la piattaforma — definisci le istruzioni, seleziona un modello, carica una knowledge base e configura gli strumenti. Nessun provisioning dell'infrastruttura,