La Sandbox, chiamata anche Box Runtime, fornisce all'Agent integrato un ambiente di esecuzione isolato. In termini semplici, l'Agent può lavorare più come uno sviluppatore: può eseguire comandi, leggere e scrivere file, modificare file e cercare nei contenuti del progetto senza toccare direttamente l'ambiente host.

Il set di strumenti nativo include sei strumenti principali:

Il backend della sandbox è modulare. A seconda dell'ambiente di distribuzione, LangBot può usare Docker, nsjail o E2B come backend di isolamento. Il sistema può scegliere automaticamente un'opzione adatta.

L'autore originale sottolinea anche un vantaggio architetturale: LangBot separa già il runtime dei plugin dal sistema principale. Questo rende il design più facile da estendere. Ad esempio, la WebUI può essere eseguita su una macchina, il backend di LangBot può essere eseguito su un NAS e il Plugin Runtime può essere distribuito altrove, ad esempio su un Raspberry Pi.

Box Runtime può anche ospitare server MCP in modalità stdio, offrendo a LangBot un modo più sicuro e flessibile per ampliare le capacità degli strumenti.

Per abilitare il profilo completo in una distribuzione Docker, usa:

docker compose --profile all up

Per disabilitare la sandbox, imposta:

box:
  enabled: false

Sistema di Skill

Le skill sono pacchetti di istruzioni su richiesta. Una skill può includere prompt, script, procedure, modelli o file di riferimento. Il punto chiave è che l'Agent non deve caricare ogni skill nel contesto in ogni momento.

Invece, l'Agent di solito vede solo un elenco delle competenze disponibili. Quando un'attività richiede una competenza specifica, il contenuto completo della competenza viene caricato solo in quel momento. Questo riduce lo spreco di contesto e rende più facili da gestire le conversazioni lunghe o complesse.

Questo design è utile quando un Agent ha bisogno di capacità specializzate ma non dovrebbe portare ogni istruzione nel prompt di sistema. Mantiene il contesto predefinito più leggero, pur consentendo una capacità più approfondita quando necessario.

Funzionalità già introdotte nella v4.9.x

Alcune funzionalità originariamente previste per la release v4.10.0 erano già state rilasciate in precedenza nella serie v4.9.x.

LangBot v4.9.0: Pluginizzazione della base di conoscenza

LangBot v4.9.0 si è concentrato sulla ristrutturazione della funzionalità della base di conoscenza, o RAG, in un'architettura basata su plugin. L'autore osserva che si è trattato di un aggiornamento profondo pianificato da tempo, soprattutto per una migliore integrazione con piattaforme come Dify.

Nel nuovo design, LangBot non tratta più le basi di conoscenza integrate e quelle esterne come due categorie separate. Al contrario, tutte le basi di conoscenza vengono gestite in modo unificato. I diversi motori di conoscenza sono forniti tramite plugin.

Le principali modifiche includono:

1. Gestione unificata: le basi di conoscenza integrate ed esterne sono gestite secondo un unico modello di gestione.

Nuovo tipo di componente: è stato introdotto il componente plugin KnowledgeEngine.

• Moduli dinamici: durante la creazione di una base di conoscenza, il modulo può essere visualizzato in modo diverso a seconda del motore selezionato.

• Funzionalità di base basate su API: le chiamate di embedding e le operazioni sul database vettoriale sono incapsulate all'interno di RAGRuntimeService, così i plugin possono richiamarle tramite API.

• Migrazione automatica: le basi di conoscenza create nelle versioni precedenti possono essere migrate automaticamente dopo l'aggiornamento alla versione v4.9.0.

Lo screenshot mostra diversi plugin del motore di conoscenza correlati a RAG. Il post originale menziona cinque opzioni RAG, incluso il lavoro di ricerca del team di LangBot.

Altri aggiornamenti importanti

LangBot Cloud è stato anche lanciato ufficialmente. Gli utenti che non desiderano effettuare il self-hosting possono provare LangBot tramite il servizio cloud ufficiale.

Questa linea di rilascio include anche diverse correzioni, che coprono aree come l'analisi dell'output di Dify, l'invio di messaggi WebSocket e la conversione dei tipi di configurazione.

Dopo che la base di conoscenza è stata resa pluginizzata, gli sviluppatori hanno ottenuto un modo più pulito per collegare motori di conoscenza personalizzati a LangBot. Questo è particolarmente utile per i team con requisiti aziendali più complessi.

Aggiornamenti già aggiunti ma di cui si è scritto raramente

L'autore originale passa poi oltre le note di rilascio pubbliche ed elenca diverse funzionalità che erano già cambiate ma che non erano state spiegate completamente negli articoli precedenti.

Il mercato dei plugin di LangBot ha superato i 400 elementi

Secondo il post originale, il mercato dei plugin di LangBot ha già superato i 400 elementi. L'autore osserva anche che il team esamina i plugin e che i plugin solo di intrattenimento sono relativamente limitati, con poca duplicazione.

Questo punto è importante perché gli ecosistemi di plugin sono spesso più importanti di un singolo elenco di funzionalità integrate. Un ecosistema più ampio significa che gli utenti possono estendere LangBot per diversi flussi di lavoro invece di aspettare che ogni capacità diventi parte del prodotto principale.

La compatibilità con piattaforme esterne di applicazioni IA ha superato le sette piattaforme

LangBot ha continuato ad ampliare la compatibilità con piattaforme esterne per lo sviluppo di applicazioni di IA. L'articolo originale menziona aggiornamenti recenti relativi a Weknora e Deerflow, sottolineando che LangBot presta grande attenzione all'estendibilità.

Lo screenshot mostra file relativi ai connettori per più piattaforme, tra cui Coze, DashScope, DeerFlow, Dify, Langflow, agenti locali, n8n, Tbox e Weknora.

Le capacità di LangTARS e simili a OpenClaw continuano a migliorare

LangTARS è descritto come un livello di capacità modulare. LangBot funge da base unificata che espone in modo sicuro modelli, strumenti, basi di conoscenza e cronologia delle conversazioni ad agenti locali o di terze parti.

Questo consente a un agente di concentrarsi sulla business intelligence: comprendere l'intento dell'utente, chiamare strumenti, recuperare conoscenze e organizzare le risposte. L'agente non deve preoccuparsi dei dettagli di connessione di basso livello.

L'articolo menziona inoltre che queste capacità possono supportare sia scenari di funzionamento basati su sandbox sia scenari di controllo del personal computer.

Aggiornamenti dell'Agent della piattaforma SaaS

Anche la piattaforma SaaS ha ricevuto aggiornamenti dell'Agent. L'autore non entra molto nei dettagli qui, ma osserva che gli utenti SaaS hanno già sperimentato questi cambiamenti, mentre la comunità open-source potrebbe vedere alcune funzionalità qualche versione più tardi.

Instradamento di callback del modello a livello enterprise

LangBot ha aggiunto l'instradamento di callback del modello a livello enterprise. Quando una chiamata al modello non riesce, il messaggio può essere reindirizzato a un modello di fallback predisposto in precedenza.

Il valore di questo design è che aiuta a superare le limitazioni legate alle chiavi API e ai fornitori di modelli. Per i sistemi enterprise, questo può migliorare l'affidabilità quando un provider non funziona o raggiunge un limite.

LangBot supporta più di 30 piattaforme IM direttamente o indirettamente

LangBot ha già raggiunto un'ampia compatibilità con le piattaforme di messaggistica istantanea. L'articolo originale afferma che LangBot supporta direttamente o indirettamente più di 30 piattaforme IM.

Per i framework per bot, la copertura delle piattaforme IM è molto importante. Un'azienda potrebbe aver bisogno di un unico sistema di bot che funzioni su WeChat, QQ, Lark, DingTalk, Telegram, Discord, Slack, LINE e altre piattaforme. Un framework per bot unificato può ridurre il lavoro di integrazione duplicato.

Instradamento delle pipeline: instradamento delle conversazioni simile a un workflow

L'articolo menziona anche l'instradamento delle pipeline, che si comporta in modo simile a un workflow.

Con questa funzionalità, LangBot può instradare le conversazioni verso diverse pipeline in base a parole chiave aziendali o ad altre condizioni. Pipeline diverse possono usare prompt, estensioni e database differenti. Possono anche essere annidate.

L'autore originale aggiunge una nota importante: dopo l'arrivo dell'aggiornamento del Workflow visivo, questa funzionalità di instradamento delle pipeline potrebbe essere rimossa o sostituita, perché l'orchestrazione visiva dei workflow sarà più stabile e più facile da usare.

Configurazione tramite codice QR

Per alcune piattaforme aperte supportate, LangBot può usare una configurazione basata su codice QR. Questo rende più semplice configurare una piattaforma aperta senza inserire manualmente ogni dettaglio.

Anteprima dei futuri aggiornamenti

Alcune funzionalità in arrivo erano già in fase di sviluppo quando è stato scritto l’articolo originale. L’autore osserva che parte del contenuto era così nuova che persino il sito web ufficiale non era ancora stato aggiornato in quel momento.

L’orchestrazione visiva dei flussi di lavoro è già stata sviluppata

La funzionalità di orchestrazione visiva dei flussi di lavoro ha già completato lo sviluppo e sono già stati definiti i tempi di integrazione.

Questo è uno dei cambiamenti futuri più importanti perché può rendere la logica complessa più facile da costruire e mantenere dalla WebUI.

Integrazione di altre funzionalità di agenti in stile CLI

L’articolo menziona anche che il progetto collegato a cc aveva attirato una certa attenzione, quindi il team ha deciso di aggiungere il supporto per altre funzionalità in stile CLI simili a Claude Code e Codex.

Questa direzione si adatta alla tendenza più ampia di permettere agli agenti di IA di lavorare più direttamente con ambienti di sviluppo, strumenti da riga di comando e progetti locali.

Altre funzionalità sono in arrivo

L’autore mantiene come anticipazione le restanti funzionalità in arrivo. Il messaggio principale è chiaro: l’attuale aggiornamento di LangBot non è il punto finale e la roadmap include ancora altri miglioramenti legati ad Agent e Workflow.

Una nota sui confronti non verificati

L’articolo originale risponde anche a un altro articolo che, secondo l’autore, non ha verificato abbastanza dettagli prima di fare confronti.

Lo screenshot afferma che sia LangBot sia AstrBot stanno lavorando per creare ecosistemi di bot IA utili, ma pongono l’accento su direzioni diverse. LangBot si concentra maggiormente sul collegare rapidamente le applicazioni IA agli ecosistemi di chat, mentre AstrBot si concentra maggiormente sul rendere il bot stesso una piattaforma intelligente estensibile.

La conclusione pratica è semplice: i confronti dovrebbero basarsi su funzionalità verificate, casi d’uso ed esigenze di distribuzione. Un framework può sembrare “più piccolo” solo se il confronto ignora i sistemi di plugin, la separazione del runtime, le integrazioni di piattaforma o le funzionalità di instradamento aziendale.

Siamo tutti simili

L’autore aggiunge brevemente una riflessione: i progetti nello stesso ecosistema spesso si somigliano perché rispondono a esigenze degli utenti simili.

I framework per bot IA stanno tutti cercando di collegare modelli, strumenti, basi di conoscenza, piattaforme di messaggistica e flussi di lavoro degli utenti. La somiglianza non è necessariamente un problema. La vera differenza sta nell’architettura, nel modello di estensione, nella progettazione della distribuzione e nella rapidità con cui un team può supportare casi d’uso reali.

Ognuno ha situazioni diverse

Team diversi sviluppano in presenza di vincoli diversi. Alcuni si concentrano sulla facilità d’uso in locale. Alcuni si concentrano sulla ricchezza dei plugin. Alcuni si concentrano sulla distribuzione aziendale. Alcuni si concentrano sulla copertura delle piattaforme di chat.

Ecco perché un confronto serio non dovrebbe chiedere solo “quale ha più funzionalità?”. Dovrebbe anche chiedere: quale framework si adatta meglio allo scenario di distribuzione, alla dimensione del team, ai requisiti della piattaforma, alla capacità di manutenzione e al piano di estensione a lungo termine?

Test di backlog ad alta concorrenza

Alla fine dell’articolo originale, l’autore aggiunge dati relativi alle prestazioni. Per un framework, l’elevata concorrenza e la gestione di più sessioni sono indicatori importanti.

Il metodo di test consisteva nel forzare l'accumulo di sessioni non elaborate fino a circa 50–70, quindi ridurre gradualmente la velocità e osservare il TPS quando il sistema raggiungeva l'equilibrio del carico.

L'autore osserva che durante il test vi era un arretrato di sessioni, quindi esso rappresenta un ambiente ad alta concorrenza e non corrisponde esattamente al normale traffico di produzione. Tuttavia, offre comunque una visione utile delle prestazioni del framework sotto pressione.

Condizioni di test descritte nell'articolo originale:

Framework domestici A/B

I grafici seguenti provengono dal test A/B del framework domestico mostrato nell'articolo originale.

Secondo l'interpretazione del grafico da parte dell'autore originale, il TPS è di circa 240 risposte all'ora.

LangBot

I grafici seguenti provengono dal test di LangBot mostrato nell'articolo originale.

Secondo l'interpretazione del grafico da parte dell'autore originale, LangBot raggiunge circa 1260 risposte all'ora in questo test.

L'autore osserva inoltre che questo potrebbe essere ancora in parte sfavorevole per LangBot, perché LangBot parte con un componente Runtime in più. Anche con quel componente aggiuntivo, il risultato rimane comunque significativamente più alto nel test mostrato.

Avvertenza sull'interpretazione delle prestazioni

Questi grafici sono utili, ma non dovrebbero essere considerati un benchmark universale di produzione. L'autore ha utilizzato un Raspberry Pi 5 e un metodo di test specifico, quindi i valori assoluti possono variare su hardware diversi, API diverse, latenza del modello diversa e topologie di distribuzione diverse.

Il segnale più utile è il rapporto TPS relativo a parità di configurazione di test. L'autore originale afferma inoltre che il software di test correlato potrebbe essere reso open source in seguito.

FAQ

Che cos'è LangBot?

LangBot è una piattaforma open-source di livello produttivo per creare bot di messaggistica istantanea basati sull'IA. Collega grandi modelli linguistici e piattaforme di applicazioni IA a piattaforme di chat come Discord, Telegram, Slack, WeChat, QQ, Lark, DingTalk e altre ancora.

Cosa è cambiato in LangBot v4.10.x?

L'aggiornamento più importante è l'introduzione di Sandbox e Skills. Sandbox fornisce all'Agent uno spazio di lavoro isolato per operazioni su comandi e file, mentre Skills consente all'Agent di caricare istruzioni specializzate solo quando necessario.

Che cos'è LangBot Box Runtime?

Box Runtime è l'ambiente di esecuzione sandbox di LangBot. Può fornire strumenti come exec, read, write, edit, glob e grep, mantenendo al contempo l'esecuzione isolata dall'ambiente host.

Come faccio ad abilitare la sandbox di LangBot in Docker?

Per il deployment con Docker, l'articolo originale usa docker compose --profile all up per avviare il profilo completo. Per disabilitare la sandbox, imposta box.enabled: false nella configurazione.

A cosa servono le Skills di LangBot?

Le Skills sono pacchetti di istruzioni on-demand per l'Agent. Possono includere prompt, procedure, script e file di riferimento, consentendo all'Agent di utilizzare conoscenze specialistiche senza caricare tutto nel contesto fin dall'inizio.

LangBot è migliore di AstrBot?

La risposta dipende dal caso d'uso. LangBot si concentra fortemente sul collegamento delle applicazioni di IA agli ecosistemi di chat, sul routing aziendale, sulla separazione del runtime dei plugin, su RAG, MCP e sul deployment IM multipiattaforma. Anche AstrBot dispone di solide funzionalità come framework per Agent e bot, quindi la scelta giusta dipende dallo scenario di deployment e dalle priorità in termini di funzionalità.

I numeri TPS in questo articolo sono benchmark di produzione?

No. Il test originale ha utilizzato una specifica configurazione di Raspberry Pi 5 e uno scenario di backlog controllato. I numeri sono utili come riferimento, ma le prestazioni in produzione dipenderanno dall'hardware, dalla latenza dell'API, dal metodo di deployment, dal carico delle sessioni e dalla configurazione.

LangBot può essere utilizzato per bot aziendali?

Sì, LangBot è progettato per scenari di produzione e aziendali, soprattutto quando i team necessitano di supporto IM multipiattaforma, integrazione con basi di conoscenza, instradamento dei modelli, monitoraggio e funzionalità di plugin estensibili.

Strumenti correlati

• LangBot: Piattaforma open source per creare bot di messaggistica istantanea basati sull'IA.

• Documentazione di LangBot: Documentazione ufficiale per il deployment, la configurazione dei bot, i modelli, le pipeline, i plugin, il sandbox e le skill.

• SDK Plugin di LangBot: SDK ufficiale per i plugin, CLI, Plugin Runtime e infrastruttura Box Runtime per LangBot.

• LangBot Cloud: Servizio LangBot gestito per gli utenti che non vogliono eseguire il self-hosting.

• AstrBot: Framework open source per assistenti AI Agent e chatbot, utilizzato qui come riferimento di confronto.

• Docker: Piattaforma di container utilizzata dalle distribuzioni di LangBot e dal backend del sandbox.

• Dify: Piattaforma di sviluppo di applicazioni LLM a cui LangBot può connettersi.

• n8n: Piattaforma di automazione dei flussi di lavoro che può essere collegata a LangBot per attivazioni di flussi di lavoro basate sulla chat.

Link correlati

• Articolo originale su CSDN: Articolo sorgente adattato in questa versione inglese in Markdown.

• Blog di rilascio di LangBot v4.10.0 Sandbox e Skills: Articolo ufficiale di LangBot che spiega Sandbox e Skills.

• Repository GitHub di LangBot: Repository open source principale di LangBot.

• Release di LangBot: Cronologia ufficiale delle release delle versioni di LangBot.

• Documentazione ufficiale di LangBot: Punto di accesso alla documentazione sull'uso, la distribuzione e la configurazione di LangBot.

• Documentazione delle Skills di LangBot: Documentazione ufficiale per l'installazione e l'uso delle Skills.

• Repository SDK dei plugin di LangBot: Repository ufficiale dell'SDK e del runtime per i plugin di LangBot e l'infrastruttura sandbox.

• Repository GitHub di AstrBot: Repository ufficiale di AstrBot per i lettori che desiderano confrontare le direzioni dei framework.