Volcano SDK:
Kong e i suoi Agenti

Volcano SDK: Agenti AI con la potenza di Kong

Agenti pronti per la produzione

Nel panorama dello sviluppo di Intelligenza Artificiale, la sfida si è spostata dalla semplice generazione di testo alla creazione di agenti autonomi capaci di compiere azioni concrete nel mondo reale. Questi agenti devono essere in grado di interagire con API, interrogare database, creare documenti, inviare email/notifiche, orchestrare task complessi e così via.

Qui entra in gioco la complessità: come costruire questi sistemi in modo che siano robusti, manutenibili e pronti per un ambiente di produzione reale?

A questa domanda cerca di rispondere Kong, un nome ben noto nel mondo della gestione API, con il rilascio di Volcano SDK: un framework open-source in TypeScript nato da un'esigenza interna: semplificare la creazione di workflow AI multi-step e multi-provider, senza sacrificare le feature necessarie per la produzione.

Cos'è Volcano SDK e perché è diverso?

A differenza di framework più pesanti e onnicomprensivi, l'SDK di Kong si concentra su un obiettivo ben preciso: offrire API snelle e intuitive per concatenare chiamate a diversi modelli linguistici (LLM) e integrarle con strumenti esterni.

I pilastri su cui si basa la sua filosofia sono chiari:

  • API chainable e intuitiva: la sintassi ricorda molto le Promise di JavaScript. Le operazioni vengono concatenate con .then() rendendo il flusso di lavoro leggibile quasi come un testo. Questo riduce drasticamente il codice boilerplate e semplifica la manutenzione associata;
  • Multi-provider nativo: è progettato per non legarsi a un singolo fornitore. È possibile usare GPT-5 per un'analisi complessa, passare il risultato a Claude per una scrittura più creativa e infine usare un modello Mistral per una sintesi finale, il tutto all'interno dello stesso workflow e con il passaggio di contesto gestito automaticamente riducendo anche il rischio di passaggio errato di informazioni;
  • MCP come attore principale: Il framework espone nativamente il Model Context Protocol (MCP), uno standard che permette agli agenti AI di scoprire e utilizzare "tool" esterni in modo sicuro e standardizzato. Invece di scrivere codice custom per ogni API, l'agente può scoprire dinamicamente le azioni disponibili e i parametri richiesti, rendendo l'integrazione molto più pulita.

Il loro esempio

La vera eleganza di Volcano SDK si nota nel codice. Partiamo dal loro esempio, immaginiamo di voler creare un agente che prima determina il segno zodiacale di una data di nascita (usando un tool MCP esterno) e poi scrive un breve oroscopo.

I provider supportati sono: OpenAI, Anthropic, Mistral, Llama, AWS Bedrock, Google Vertex, Azure AI, con la possibilità di creare i propri Custom Provider.

Nel codice alcuni commenti per meglio spiegare dei punti:

import { agent, llmOpenAI, mcp } from "volcano-sdk";

// 1. Definiamo il modello LLM di default
const llm = llmOpenAI({
  apiKey: process.env.OPENAI_API_KEY!,
  model: "gpt-4o-mini",
});

// 2. Indichiamo l'indirizzo del nostro tool MCP
const astroTool = mcp("http://localhost:3211/mcp");

// 3. Costruiamo il workflow in modo "chainable"
const results = await agent({ llm })
  .then({
    prompt: "Determine the astrological sign for 1993-07-11.",
    mcps: [astroTool] // L'agente scopre e usa il tool automaticamente
  })
  .then({
    // Il contesto (ovvero il segno zodiacale) viene passato in automatico
    prompt: "Now write a one-line fortune for that sign." 
  })
  .run();

console.log(results[1].llmOutput);
// Output tipo: "A creative wave is coming; ride it to new professional heights."

Come si vede, con poche righe di codice abbiamo creato un workflow a due passaggi che integra un tool esterno e gestisce il contesto tra i passaggi. La complessità di scoprire quale funzione del tool chiamare e come passarle i parametri è gestita in automatico dal framework.

Analisi: Pro e Contro per le Aziende

Ovviamente, nessuno strumento è perfetto in ogni scenario. Come partner tecnologico, il nostro ruolo è analizzare le soluzioni con occhio critico e pragmatico. Di seguito alcuni dei punti a favore o su cui fare attenzione nella scelta di questo framework.

Punti di forza (ossia i vari Pro)

  • Flessibilità e ottimizzazione dei costi: essere multi-provider by design significa poter scegliere il modello LLM più adatto ed economico per ogni specifico task, evitando il vendor lock-in e ottimizzando le performance ma senza rinunciare alla qualità nel risultato finale.
  • Affidabilità in produzione: non è un esperimento. Include funzionalità essenziali per sistemi business-critical come retries automatici, timeout configurabili e, soprattutto, osservabilità nativa tramite OpenTelemetry. Sapere perché un workflow fallisce e monitorarne le performance è cruciale. Questo è, a nostro avviso, il punto fondamentale.
  • Riduzione del debito tecnico: la semplicità e leggibilità del codice si traducono in una maggiore manutenibilità a lungo termine. Meno codice da scrivere significa meno codice da debuggare e mantenere. Abbiamo scritto anche un insight su questo tema.
  • Solidità garantita da Kong: il fatto che dietro al progetto ci sia un'azienda come Kong, nome di riferimento nelle infrastrutture API, è una forte garanzia di visione e supporto.

Considerazioni (i vari Contro)

  • Ecosistema in crescita: essendo un SDK recente, la sua community e la disponibilità di tool MCP pronti all'uso sono inferiori rispetto a framework più consolidati, come ad esempio LangChain. Questo è un punto su cui far attenzione.
  • Framework "opinionated": La sua forza diventa anche il suo limite. È ottimo per i workflow multi-step per cui è stato progettato. Ma, per casi d'uso che richiedono un'architettura a componenti estremamente granulare e personalizzabile, potrebbe risultare meno flessibile di altre soluzioni proprio perché incapsula le scelte fatte da Kong. Per esempio? Non c'è (ancora) un provider per Ollama che potrebbe allargarne notevolmente la diffusione, anche se è possibile crearne di custom.
  • Focus su TypeScript: Questo sembrerebbe un punto di forza per l'ecosistema JavaScript/TypeScript, ma può diventare una barriera per team con competenze focalizzate su altri linguaggi come Python, dove esistono già alternative molto mature.

Conclusione

Volcano SDK di Kong non va considerato come un sostituto universale a tutte le altre soluzioni, ma è più una (uteriore) soluzione potente, snella e production-grade per un'esigenza sempre più centrale nello sviluppo AI: l'orchestrazione affidabile di agenti multi-provider. La sua semplicità non deve ingannare: sotto il cofano ci sono le funzionalità robuste che servono per passare da un prototipo a un servizio aziendale scalabile.

La scelta del framework giusto dipende sempre dal contesto specifico del progetto, dalle competenze del team e dagli obiettivi di business.

Se state progettando la prossima generazione di applicazioni basate su agenti AI e cercate un partner per navigare la complessità tecnologica, Volcanic Minds è qui per aiutarvi a costruire soluzioni solide, performanti e future-proof.

Per ulteriori informazioni si possono consultare le seguenti risorse:

Condividi l'articolo

Tag: Development, AI

Data di pubblicazione: 22 ottobre 2025

Ultima revisione: 22 ottobre 2025