Kong lanserar AI Gateway 2.2 med MCP-verktygsstyrning och identitetspolicyer

Kong Inc. annonserade den allmänna tillgängligheten av Kong AI Gateway 2.2 den 30 september 2026, med styrd åtkomst till MCP-verktyg, identitetsmedvetna AI-policyer, modalitetsmedveten kostnadshantering och bredare stöd för modeller och leverantörer. Utgåvan finns tillgänglig i Kong Konnect, företagets AI Connectivity Platform, utan krav på beta‑aktivering.

Kong säger att utgåvan är byggd för ett alltmer diversifierat AI‑ekosystem, där nya modellarkitekturer, nya leverantörs‑API:er, självhostade modeller och specialiserade AI‑tjänster gör gränssnitten som kopplar samman företags‑AI mer mångsidiga snarare än mindre. Företaget beskriver AI Gateway som att ge AI sin egen plattform och utgivningsrytm, så att företag kan anta det senaste inom AI utan att kompromissa med säkerhet, efterlevnad, kostnadskontroll, motståndskraft eller insyn. Kong presenterar 2.2‑uppdateringen kring ett mål som de kallar strategisk portabilitet: utvecklare ska kunna anta rätt AI‑teknik för uppgiften utan att skapa en ny infrastruktur‑ och styrningsstack varje gång den underliggande modellen, leverantören eller gränssnittet förändras.

Verktygs- och identitetsstyrning

MCP Server Bundling konsoliderar flera MCP servers till en enda Kong‑rutt, och visar endast de verktyg som varje anropar har behörighet att se och köra. Identitetsmedvetna AI‑policyer, drivna av Kong Identity, låter hastighetsbegränsning, analys, kostnadsattribution och åtkomstkontroll baseras på en autentiserad huvudperson snarare än en gateway‑lokal Consumer, vilket Kong säger ger företag ett konsekvent sätt att veta vem eller vilken agent som ligger bakom varje anrop.

Utgåvan lägger till inbyggd AWS IAM‑autentisering för Amazon Bedrock AgentCore, vilket Kong beskriver som deklarativ, plattforms‑hanterad SigV4‑autentisering som ersätter skräddarsydda lösningar för AWS‑inhemska team som kör agenter och MCP‑servrar på AgentCore. Separat får AI Rate Limiting Advanced‑pluginet stöd för autentiseringsbaserad matchning, så policyer kan använda en autentiseringsuppgift som en matchningsdimension; Kong säger att detta ger organisationer ett mer detaljerat sätt att kontrollera AI‑konsumtion när flera autentiseringsuppgifter får åtkomst till samma modeller eller AI‑tjänster.

Utökad modell- och gränssnitts­stöd

AI Gateway 2.2 lägger till inbyggt stöd för TypeSafe JEV som leverantör och format, inklusive dess beslutsfunktion. Kong beskriver JEV som att returnera typade, probabilistiska beslut som mjukvara kan agera på direkt snarare än att generera text, och säger att JEV kan samarbeta med gatewayen för att informera intelligent LLM‑ruttning, avgöra vilken modell som ska hantera en begäran medan Kong AI Gateway utför rutten till den valda modellen. Utgåvan lägger också till stöd för Skills‑API:er, där Kong översätter mellan sin gemensamma representation och leverantörsspecifika format så att team kan arbeta med återanvändbara, versionshanterade Skills över stödda leverantörer utan att hårdkoda applikationer till en enda implementation. Inbyggt stöd för Kimi, Microsoft Foundry och Amazon SageMaker lades också till.

Ett nytt genomströmningstillstånd täcker AI‑arbetsbelastningar som använder anpassade eller icke‑standardiserade gränssnitt, inklusive självhostade modellservrar som vLLM, Ollama och NVIDIA NIM, leverantörs‑preview‑API:er med utvecklande scheman samt specialiserade icke‑LLM‑AI‑slutpunkter. I genomströmningstillstånd vidarebefordrar Kong förfrågningar och svar utan att transformera kroppen, samtidigt som funktioner som autentisering mot upstream‑leverantör, Kong‑autentisering, hastighetsbegränsning och loggning bevaras.

Kostnadshantering och utbyggbarhet

Dynamisk, modalitetsmedveten prissättning spårar text, ljud, bild och video separat, samt cache‑läsningar kontra cache‑skrivningar; Kong säger att detta ger plattforms‑ och finans‑team exakt kostnadsattribution istället för platta, token‑baserade uppskattningar. En Tech Preview‑integration med Headroom tillämpar promptkomprimering för att minska konsumtionen av utdata‑token genom utdata‑formning och adaptiv verbositet, medan Kong förblir den primära LLM‑utgångspunkten. Integrationen samlar in mätvärden inklusive sparade token, komprimeringsgrad och tillämpade transformationer, och om Headroom är otillgänglig eller får timeout kan Kong vidarebefordra det ursprungliga innehållet istället för att avbryta AI‑begäran.

AI Gateway 2.2 lägger också till stöd för anpassade plugin‑moduler i AI Gateway‑kontrollplanet, inklusive strömning av anpassade plugin‑moduler från kontrollplanet till dataplan samt plugin‑moduler som installeras direkt på dataplan. Kong säger att detta ger den utbyggbarhet som företag förväntar sig av deras API‑infrastruktur till AI Gateway, så att plattformsteam kan lägga till organisationsspecifik logik och policyer som passar deras egen arkitektur, säkerhet och styrningskrav.

Verkställande uttalande

“Löftet med agentisk AI handlar inte bara om vad en agent kan göra, utan om huruvida ett företag kan använda den med förtroende,” säger Reza Shafii, Senior Vice President of Product på Kong, i företagets släpp. Det fundamentet för AI‑styrning, säger han, kräver insyn i vad som händer, kontroll över vad agenter kan komma åt och köra, samt förmågan att hantera de risker och den ekonomi som följer med det, vilket han beskriver som det som kommer göra agentisk AI livskraftig i företaget.

Kong beskriver sig själv som AI Connectivity Company, bygger AI:s anslutningslager, med ett enhetligt API‑ och AI‑plattform som säkrar, hanterar, accelererar, styr och intäktsgenererar API‑ och AI‑trafik. Företagets nyhetsinlägg, skrivet av Alex Drag, Head of Product Marketing, publicerades den 30 september 2026.