AWS udostępnia Kiro Crew — orkiestrator wielu agentów AI do autonomicznej pracy inżynierskiej

Od wewnętrznego eksperymentu do publicznej platformy

Kiro Crew zaczęło jako wewnętrzny projekt poboczny Amazonu o nazwie MeshClaw. Trzech inżynierów chciało stworzyć narzędzie, które pozwala uruchomić zadanie, odejść od komputera i wrócić do wyniku gotowego do przeglądu — bez nieustannego pilnowania kolejnych promptów . Projekt powstał na bazie istniejącego środowiska Kiro IDE oraz interfejsu wiersza poleceń Kiro CLI .

Eksperyment szybko wyszedł poza pierwotny zespół. W ciągu niespełna sześciu miesięcy wewnętrznego użytkowania Kiro Crew sięgnęło po nie ponad 39 tysięcy twórców oprogramowania w Amazonie. Przy projekcie pracowało niemal 500 osób, które dostarczyły 597 aktualizacji, średnio 143 commitów tygodniowo .

Dyrektor generalny AWS, Matt Garman, przekazał, że narzędzie rosło, ponieważ pracownicy Amazonu stale rozszerzali je o zastosowania odpowiadające ich potrzebom — od dyżurów on-call, przez analizowanie incydentów rozproszonych między repozytoriami, po nocne migracje .

Co potrafi Kiro Crew?

Platforma łączy autonomię agentów z mechanizmami kontroli, które mają ułatwiać ich wykorzystanie w środowisku produkcyjnym:

• Pamięć trwała — preferencje, kontekst projektu i historia są przenoszone między sesjami. Poprawki użytkownika mogą stawać się trwałymi lekcjami, a powtarzalne schematy — umiejętnościami do ponownego wykorzystania .
• Orkiestracja wielu agentów — kilka rozmów może działać równolegle w odizolowanych kontekstach. Agenci pomocniczy mogą prowadzić niezależne analizy, a następnie przekazywać wyniki głównemu agentowi .
• Procesy akceptacji — poszczególne działania można wstrzymać do czasu zatwierdzenia przez człowieka. Widok aktywności pokazuje na żywo rozumowanie agentów i wywoływane przez nie narzędzia .
• Harmonogramy — cykliczne zadania można uruchamiać według harmonogramów cron. Wyzwalacze webhook oraz mechanizmy heartbeat mają podtrzymywać pracę agentów także wtedy, gdy użytkownik jest offline .
• Sandboxing — system korzysta z izolacji na poziomie systemu operacyjnego, domyślnie blokowanych poleceń, wykrywania podejrzanych wzorców, walidacji danych wejściowych, ochrony wrażliwych ścieżek i usuwania danych uwierzytelniających z wyników .
• Podpisywane logi audytowe — każde działanie jest zapisywane w podpisanym dzienniku, co ma zapewniać pełną obserwowalność oraz ułatwiać spełnianie wymogów zgodności .

Gotowe aplikacje i praca z różnych komunikatorów

Wraz z Kiro Crew debiutują Apps — udostępnialne aplikacje zaprojektowane do konkretnych zadań. Łączą własny interfejs użytkownika z agentami, umiejętnościami, harmonogramami i integracjami.

Jednym z przykładów jest aplikacja do wstępnej kwalifikacji zgłoszeń. Pobiera ona dane z repozytoriów i prezentuje je w kolejce z panelem odczytu, kontrolkami do obsługi zgłoszeń, wyspecjalizowanymi agentami oraz zaplanowanymi skanami .

Kontekst pracy może być przenoszony między różnymi kanałami — między innymi Slackiem, Discordem, Telegramem, Microsoft Teams, Webeksem, WeComem i WeChatem .

Dla kogo jest Kiro Crew?

Według analityków Kiro Crew celuje przede wszystkim w zespoły platform engineering, DevOps i SRE odpowiedzialne za długotrwałe procesy rozciągające się na wiele narzędzi .

Funkcje harmonogramowania i monitorowania heartbeat mogą być przydatne przy badaniu incydentów, śledzeniu pull requestów, kwalifikowaniu zgłoszeń oraz automatyzacji zadań utrzymaniowych obejmujących wiele repozytoriów . W praktyce chodzi więc o przesunięcie AI z trybu „odpowiedz na pytanie programisty” w stronę stałego uczestnika procesów operacyjnych.

Większa autonomia oznacza także większe koszty

Premiera odbywa się w czasie rosnących obaw przedsiębiorstw dotyczących kontroli kosztów programowania z użyciem AI. Agenci działający bez przerwy mogą zwiększać zużycie mocy obliczeniowej i liczbę wywołań API .

AWS wcześniej zachęcał swoich pracowników do korzystania z Kiro zamiast narzędzi zewnętrznych, wskazując między innymi na potrzebę kontroli kosztów. W wewnętrznych komunikatach firma informowała, że nie planuje wspierać kolejnych zewnętrznych narzędzi do tworzenia oprogramowania z użyciem AI .

Najważniejsze ograniczenia

Otwartoźródłowy charakter Kiro Crew nie oznacza pełnej niezależności od ekosystemu AWS. Analitycy wskazują dwa istotne kompromisy:

• Zależność od zastrzeżonego Kiro CLI — platforma jest zbudowana na bazie środowiska Kiro i Kiro CLI, co uzależnia kluczową warstwę orkiestracji od toolchainu AWS . Zespoły, które nie korzystają z Kiro jako głównego środowiska pracy, mogą napotkać trudności integracyjne.
• Własne konektory dla innych agentów — Kiro Crew wykorzystuje Agent Client Protocol (ACP) do komunikacji między agentami, ale połączenie z narzędziami takimi jak Claude Code czy Codex wymaga przygotowania własnych konektorów. Nie ma gotowego adaptera działającego od razu po instalacji .

Otwarty kod, otwarte zarządzanie

AWS udostępnia Kiro Crew w modelu otwartego zarządzania, z publicznie wskazanym komitetem sterującym. Firma twierdzi, że otwarty kod ma pozwolić użytkownikom czytać, uruchamiać, kontrolować i modyfikować projekt w wybranym przez nich środowisku, tak aby rozwijał się wraz ze społecznością, a nie pozostawał pod kontrolą jednego dostawcy .

Projekt jest dostępny na GitHubie i może być wdrażany w całości we własnym środowisku zespołu . Dla organizacji oznacza to potencjalnie większą kontrolę nad danymi i sposobem działania agentów — choć nadal trzeba uwzględnić zależność od narzędzi Kiro oraz koszty utrzymywania długotrwałych procesów AI.