Kong lanserer AI Gateway 2.2 med MCP-verktøystyring og identitetspolicyer

Kong Inc. kunngjorde den generelle tilgjengeligheten av Kong AI Gateway 2.2 den 30. september 2026, og legger til styrt tilgang til MCP-verktøy, identitetsbevisste AI-policyer, modalitetsbevisst kostnadsstyring og bredere støtte for modeller og leverandører. Lanseringen er tilgjengelig i Kong Konnect, selskapets AI Connectivity Platform, uten behov for beta-aktivering.

Kong sier at utgivelsen er bygget for et stadig mer mangfoldig AI-økosystem, hvor nye modellarkitekturer, nye leverandør-API-er, selvhostede modeller og spesialiserte AI-tjenester gjør grensesnittene som knytter bedrifts‑AI sammen mer varierte i stedet for mindre. Selskapet beskriver AI Gateway som å gi AI sin egen plattform og utgivelsesrytme, slik at virksomheter kan ta i bruk det neste innen AI uten å gå på kompromiss med sikkerhet, etterlevelse, kostnadskontroll, robusthet eller synlighet. Kong rammer inn 2.2‑oppdateringen rundt et mål den kaller strategisk portabilitet: utviklere skal kunne adoptere den rette AI‑teknologien for oppgaven uten å måtte bygge en ny infrastruktur‑ og styringsstabel hver gang den underliggende modellen, leverandøren eller grensesnittet endres.

Verktøy‑ og identitetsstyring

MCP Server Bundling konsoliderer flere MCP-servere til en enkelt Kong‑rute, og viser kun verktøyene hver påkaller er autorisert til å se og utføre. Identitetsbevisste AI-policyer, drevet av Kong Identity, gjør at hastighetsbegrensning, analyse, kostnadsattribusjon og tilgangskontroll kan baseres på en autentisert principal i stedet for en gateway‑lokal Consumer, noe Kong sier gir virksomheter en konsistent måte å vite hvem, eller hvilken agent, som ligger bak hver forespørsel.

Utgivelsen legger til innebygd AWS IAM‑autentisering for Amazon Bedrock AgentCore, som Kong beskriver som deklarativ, plattformstyrt SigV4‑autentisering som erstatter håndlagde omveier for AWS‑native team som kjører agenter og MCP‑servere på AgentCore. Separat får AI Rate Limiting Advanced‑pluginen støtte for legitimasjonsbasert matching, slik at policyer kan bruke en legitimasjon som en matchende dimensjon; Kong sier dette gir organisasjoner en mer granular måte å styre AI‑forbruk på når flere legitimasjoner får tilgang til de samme modellene eller AI‑tjenestene.

Utvidet modell‑ og grensesnittstøtte

AI Gateway 2.2 legger til innebygd støtte for TypeSafe JEV som leverandør og format, inkludert beslutningsfunksjonen. Kong beskriver JEV som å returnere typede, probabilistiske beslutninger som programvare kan handle på direkte i stedet for å generere tekst, og sier at JEV kan samarbeide med gatewayen for å informere intelligent LLM‑ruting, ved å bestemme hvilken modell som skal håndtere en forespørsel mens Kong AI Gateway utfører rutingen til den valgte modellen. Utgivelsen legger også til støtte for Skills‑API‑er, der Kong oversetter mellom sin felles representasjon og leverandørspesifikke formater slik at team kan arbeide med gjenbrukbare, versjonerte Skills på tvers av støttede leverandører uten å hardkode applikasjoner til en enkelt implementering. Innebygd støtte for Kimi, Microsoft Foundry og Amazon SageMaker ble også lagt til.

En ny passthrough‑modus dekker AI‑arbeidsbelastninger som bruker tilpassede eller ikke‑standard grensesnitt, inkludert selvhostede modellservere som vLLM, Ollama og NVIDIA NIM, leverandør‑preview‑API‑er med utviklende skjemaer, og spesialiserte ikke‑LLM AI‑endepunkter. I passthrough‑modus videresender Kong forespørsler og svar uten å transformere innholdet, samtidig som den bevarer funksjoner som oppstrøms leverandør‑autentisering, Kong‑autentisering, hastighetsbegrensning og logging.

Kostnadsstyring og utvidbarhet

Dynamisk, modalitetsbevisst prising sporer tekst, lyd, bilde og video separat, samt cache‑lesninger versus cache‑skrivinger; Kong sier dette gir plattform‑ og økonomiteam nøyaktig kostnadsattribusjon i stedet for flate, token‑baserte estimater. En Tech Preview‑integrasjon med Headroom bruker prompt‑komprimering for å redusere forbruket av utdata‑token ved hjelp av utdata‑forming og adaptiv verbositet, mens Kong forblir hoved‑LLM‑utgangspunkt. Integrasjonen samler inn måleverdier som lagrede token, komprimeringsforhold og anvendte transformasjoner, og dersom Headroom er utilgjengelig eller tidsavbrutt, kan Kong videresende det originale innholdet i stedet for å avbryte AI‑forespørselen.

AI Gateway 2.2 legger også til støtte for tilpassede plugins i AI Gateway‑kontrollplanet, inkludert strømming av tilpassede plugins fra kontrollplanet til dataplaner samt plugins installert direkte på dataplanet. Kong sier dette gir den utvidbarheten virksomheter forventer fra sin API‑infrastruktur inn i AI Gateway, slik at plattformteam kan legge til organisasjonsspesifikk logikk og policyer som passer deres egen arkitektur, sikkerhet og styringskrav.

Ledelseserklæring

“Løftet om agentisk AI handler ikke bare om hva en agent kan gjøre, men om en virksomhet kan sette den i arbeid med selvtillit,” sier Reza Shafii, Senior Vice President of Product hos Kong, i selskapets lansering. Det grunnlaget for AI‑styring, sier han, krever innsikt i hva som skjer, kontroll over hva agenter kan få tilgang til og utføre, samt evnen til å håndtere risikoene og økonomien som følger med, noe han beskriver som det som vil gjøre agentisk AI levedyktig i virksomheten.

Kong beskriver seg selv som AI Connectivity Company, bygger tilkoblingslaget for AI, med et samlet API og AI-plattform som sikrer, administrerer, akselererer, styrer og tjener på API- og AI-trafikk. Selskapets kunngjøringsinnlegg, skrevet av Alex Drag, Head of Product Marketing, ble publisert 30. september 2026.