Qodo ha lanciato Agentic Toolbox, una suite di strumenti e skill progettata per integrare direttamente nei workflow degli agenti di coding un secondo livello indipendente di revisione, contesto e governance. Il sistema è pensato per far lavorare un agente incaricato di scrivere o modificare il codice insieme agli agenti specializzati di Qodo, che operano come controparte dedicata alla qualità e verificano il lavoro prima che raggiunga la fase di pull request. L’approccio viene descritto dall’azienda come agent-to-agent code review perché la verifica non avviene soltanto dopo che uno sviluppatore ha completato una modifica, ma può essere richiamata dallo stesso coding agent mentre sta pianificando, implementando e correggendo il cambiamento. La suite si integra con ambienti agentici tra cui Claude Code, Codex e Kiro.
Alla base del sistema c’è il Context Engine di Qodo, che fornisce agli agenti informazioni provenienti non soltanto dal file o dalla modifica corrente, ma anche dalla struttura dei repository, dalle dipendenze tra più repository, dalla cronologia delle pull request, dalle specifiche e dallo stato Git in tempo reale. Prima di intervenire sul codice, un agente può quindi interrogare Qodo per ricostruire quali servizi dipendano da un componente, quali decisioni siano già state prese in revisioni precedenti e quali parti del sistema potrebbero essere interessate dalla modifica. Questo livello di contesto serve a ridurre il rischio che un agente produca codice tecnicamente corretto nel file su cui sta lavorando ma incompatibile con dipendenze, convenzioni o vincoli presenti altrove nel sistema.
La Agentic Toolbox comprende diverse skill specializzate. qodo-codebase-wisdom utilizza il relationship graph, la cronologia delle pull request e lo stato Git per rispondere a domande architetturali, ricostruire regressioni e valutare l’impatto di modifiche tra repository differenti. qodo-review esegue il motore di revisione di Qodo direttamente sulle modifiche locali, comprese quelle già commitate e quelle ancora non commitate, prima che venga aperta una pull request. get-qodo-rules recupera invece le regole globali, di workspace e di repository applicabili al progetto, mentre qodo-review-resolver permette al coding agent di recuperare in forma strutturata i problemi individuati durante una review e lavorare direttamente alla loro risoluzione.
Il flusso previsto da Qodo può quindi iniziare prima della scrittura del codice. Se, per esempio, viene richiesta una modifica alla logica di retry di un servizio di pagamento, il coding agent può prima consultare Qodo per verificare dipendenze, cronologia e specifiche. In uno scenario illustrato dall’azienda, questa analisi può far emergere una precedente pull request che stabilisce che determinate categorie di errore non devono essere ritentate. Prima dell’implementazione, l’agente può poi caricare gli standard applicabili al servizio, come l’obbligo di utilizzare una chiave di idempotenza, definire timeout espliciti per le richieste in uscita o evitare che informazioni sensibili vengano scritte nei log. Questi vincoli entrano quindi nel piano dell’agente prima della generazione del codice anziché essere controllati soltanto nella review finale.
Dopo l’implementazione e l’esecuzione dei test, il coding agent può richiamare un agente di revisione indipendente di Qodo sul lavoro locale. Nell’esempio proposto dall’azienda, la review può individuare un ciclo di retry senza limite e l’assenza della chiave di idempotenza, restituendo i problemi direttamente alla sessione dell’agente che ha scritto il codice. Quest’ultimo può correggere automaticamente le anomalie considerate sicure da risolvere e richiamare nuovamente Qodo per verificarle, mentre le decisioni potenzialmente in grado di modificare il comportamento del sistema in produzione possono essere lasciate a uno sviluppatore umano. L’obiettivo è quindi utilizzare agenti separati per generazione e verifica, evitando che lo stesso sistema sia l’unico giudice della correttezza delle proprie modifiche.
La revisione può continuare anche dopo l’apertura della pull request. Se Qodo individua altri problemi durante la PR review, il coding agent può recuperare direttamente i finding strutturati senza che lo sviluppatore debba copiare manualmente commenti e istruzioni nella propria sessione di lavoro. L’agente può quindi analizzare i problemi nel contesto del codice e della richiesta originale, risolvere quelli che rientrano nei limiti definiti e lasciare all’intervento umano le questioni che richiedono decisioni di prodotto, architettura o rischio. In questo modello, la revisione umana viene spostata verso le scelte che non possono essere risolte in modo affidabile dagli agenti anziché essere utilizzata per controllare manualmente ogni singola modifica.
La componente di governance riguarda invece gli standard utilizzati dagli agenti durante queste attività. Qodo permette alle organizzazioni di mantenere regole applicabili a livello globale, di workspace o di singolo repository e di farle recuperare automaticamente prima che un agente inizi a implementare una modifica. Gli amministratori autorizzati possono inoltre utilizzare la skill qodo-manage-standards per creare, modificare, attivare, disattivare o ridefinire l’ambito delle regole direttamente attraverso istruzioni in linguaggio naturale. In questo modo gli stessi criteri possono essere applicati a sviluppatori e agenti differenti senza dover essere ridefiniti separatamente in ogni strumento di coding.
Il Rules System di Qodo è inoltre progettato come un sistema continuo anziché come un semplice file statico di istruzioni. Le regole possono essere scritte manualmente, importate da file presenti nei repository, ricavate dalla cronologia delle code review o estratte da Agent Skills. La piattaforma gestisce anche sovrapposizioni e conflitti tra standard differenti, stabilisce quali regole siano applicabili a una specifica modifica e ne misura successivamente l’effettiva applicazione. Qodo collega quindi la definizione della policy alla verifica delle violazioni e alla misurazione della loro risoluzione, creando una cronologia delle decisioni di qualità applicate al codice.
Queste capacità confluiscono nella piattaforma di governance più ampia di Qodo, che centralizza i finding delle review, i tassi di risoluzione, i problemi ancora aperti e le aree nelle quali si concentra il rischio tra repository e team differenti. Il sistema mantiene inoltre un audit trail delle segnalazioni e delle decisioni e utilizza la mappatura delle relazioni tra repository per individuare possibili effetti di una modifica su servizi o componenti esterni al repository corrente. Qodo definisce questa infrastruttura come un sistema di record per la qualità del codice, nel quale vengono conservate informazioni su finding, standard applicati e decisioni prese durante il ciclo di sviluppo.
Agentic Toolbox è pensata per essere utilizzata tramite richieste in linguaggio naturale, senza che lo sviluppatore debba ricordare comandi specifici per ogni funzione. Una richiesta come la revisione delle modifiche prima dell’apertura della PR, il recupero delle regole applicabili a un servizio o la correzione dei finding di una determinata pull request viene interpretata dal coding agent, che seleziona la skill Qodo appropriata. L’installazione mette quindi a disposizione dell’agente un insieme di funzioni dedicate a contesto, review, risoluzione e governance che possono essere richiamate durante l’intero ciclo della modifica.
Il lancio si inserisce nell’evoluzione della piattaforma Qodo verso una struttura multi-agente dedicata alla verifica del codice prodotto con strumenti di intelligenza artificiale. L’azienda aveva già introdotto funzionalità di Cross-Repo Code Review, gestione centralizzata degli standard e strumenti per misurare l’impatto delle regole, mentre la nuova Toolbox porta direttamente queste capacità dentro gli ambienti utilizzati dagli agenti di sviluppo. Qodo è stata fondata nel 2022 e dichiara di aver raccolto complessivamente 120 milioni di dollari; tra i suoi finanziatori figurano Maor Ventures, Phoenix Venture Capital, Qumra Capital, S Ventures, Square Peg, Susa Ventures, TLV Partners e Vine Ventures, oltre ad angel investor provenienti da aziende come OpenAI, Meta, Shopify e Snyk.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)