記事一覧へ戻る
AIエージェント

AWS、非同期で動くコーディングエージェント基盤「Kiro Crew」をオープンソース化

読了目安 3 分

概要

多くのCoding Agentは、開発者がプロンプトを入力し、結果を確認し、次の指示を出すという対話を前提にしている。AWSがオープンソース化したKiro Crewは、そこから一歩進み、開発者がコンピューターの前を離れている間も、複数のKiro Coding Agentが仕事を続けられる環境を提供する。セッションやツール、タスクをまたいで処理を継続し、後からレビューできる成果を残すことが狙いだ。

主な機能

Kiro CrewはKiro CLIを基盤とし、Agent Client Protocol(ACP)でエージェントを編成する。主な特徴は次の通りである。

  • 永続セッションとコンテキスト保持:プロジェクトの背景を保持し、毎回同じ説明を繰り返す必要を減らす。
  • 並列実行と委任:複数のエージェントが別々の作業を同時に進め、親エージェントが子エージェントへ処理を分担できる。
  • 設定とスキルの再利用.kiro設定、Steeringファイル、Skills、カスタムAgentを既存の開発フローから引き継げる。
  • 外部ツールとの接続:MCP、Webhook、専用Appsを利用し、既存のサービスやワークフローに接続できる。
  • 非同期・定期実行:インシデント調査、Dependabotのトリアージ、移行、CI/CD、プルリクエスト監視などを継続的に処理できる。

Activityビューでは、各エージェントの計画、ツール呼び出し、承認ポイント、実行結果をリアルタイムで確認できる。自動実行をブラックボックスにせず、状況を観察して必要な場面で介入できる設計である。

セキュリティと運用

Kiro Crewは、Amazon社内でMeshClawという名称で開発された。提供された情報によれば、社内では3万9,000人を超える開発者が利用し、500人の貢献者が関わったという。現在はApache 2.0ライセンスで公開され、macOS、Linux、Windowsに対応する。ローカルでの実行に加え、利用者が管理するインフラへの展開も可能で、Slack、Telegram、WeComとの連携も用意されている。

安全面では、OSレベルのサンドボックス、デフォルト拒否のコマンドポリシー、不審なパターンの遮断、入力検証、機密パスの保護、認証情報のマスキング、署名付き監査ログなど、縦深防御を掲げている。もちろん、これらは人によるレビューを不要にするものではないが、開発環境を操作するエージェントに権限と監査の境界を設ける材料になる。

意義と課題

Kiro Crewのポイントは、単にエージェントの数を増やすことではない。Coding Agentを一度きりの対話相手から、継続的に工程へ参加する存在へと位置付け直している点にある。コンテキストの蓄積と並列処理によって、繰り返しのプロンプト作成を減らし、開発者は目的の設定、リスク判断、成果物のレビューに集中できる可能性がある。

一方で、バックグラウンドで複数のエージェントを動かせば、モデル呼び出しとトークン消費は増える。情報源では、Kiro CLIよりCrewのトークン消費が明らかに速いという利用者の声も紹介されている。実運用では、作業範囲、権限、承認、コスト、結果の品質を一体で管理する必要がある。普及の鍵は機能の多さだけでなく、監査可能性と人間との協調プロセスを築けるかにある。

InfoQ 中文

コメント

ログイン状態を確認中…

コメントを読み込み中…

関連記事

CCTest · Blog
Dr. Claw:コーディングエージェントを監査可能なAI研究ワークスペースへ
AIエージェント
cctest.ai
AIエージェント

Dr. Claw:コーディングエージェントを監査可能なAI研究ワークスペースへ

Dr. Clawは新たな自律エージェントを作るのではなく、Claude CodeやGemini CLIなどの既存のコマンドラインエージェントを、制御可能で復旧できる研究ワークフローに組み込むオープンソース基盤です。

続きを読む
CCTest · Blog
マルチエージェントLLMの反省を「検証可能な改善」に変える
AIエージェント
cctest.ai
AIエージェント

マルチエージェントLLMの反省を「検証可能な改善」に変える

新しい研究は、オーケストレーターとワーカーの関係を二層協調ゲームとして分析し、環境に基づく評価で記憶更新を制御する手法を提案した。生成された文章だけを見る反省ゲートには、普遍的な改善を保証できないという限界がある。

続きを読む
CCTest · Blog
MaxKernel、多エージェントで TPU カーネル生成を自動化
AIエージェント
cctest.ai
AIエージェント

MaxKernel、多エージェントで TPU カーネル生成を自動化

MaxKernel は、大規模言語モデルにコンパイラからのフィードバックとハードウェアプロファイリングを組み合わせ、TPU カーネルの開発と最適化を支援する。人間協調、自律最適化、グラフベース探索の3方式を備える。

続きを読む