AWS 推出 Kiro Crew：開源多代理協作平台，讓 AI 編碼團隊 24/7 自主運行

從內部專案到核心基礎設施

Kiro Crew 最初是 Amazon 內部的 side project，代號為 MeshClaw。由三名工程師發起，他們希望有一種方式可以「啟動任務、離開、回來時能看到值得審查的成果」，而不必守在提示旁反覆操作 。這個專案建立在現有的 Kiro IDE 框架與 CLI 之上 。

這個小小的實驗快速成長。不到六個月的內部使用期間，Kiro Crew 已被 超過 39,000 名 Amazon 開發者採用，近 500 位貢獻者推送了 597 次更新，平均每週高達 143 次提交 。AWS 執行長 Matt Garman 表示，這個專案之所以快速成長，是因為開發者們不斷根據自身需求擴展它——從值班輪調、跨儲存庫的事件調查，到隔夜遷移任務，都能派上用場 。

核心功能

Kiro Crew 提供一系列功能，讓 AI 代理在生產環境中更自主、可審計且安全：

• 持久記憶：跨工作階段攜帶偏好設定、專案背景與歷史記錄；修正內容會變成持久的教訓，重複的模式會成為可重複使用的技能 。
• 多代理協作：同時運行多個對話，各自擁有獨立上下文；可將獨立研究任務委派給子代理，再將結果整合回主對話 。
• 審核工作流程：每個動作都可以設定為需經審核才能執行；活動視圖會即時顯示每個代理的推理過程與工具呼叫 。
• 排程任務：支援 Cron 排程執行定期任務；網路鉤子觸發與心跳監控讓代理在使用者離線時仍保持生產力 。
• 沙箱隔離：作業系統層級的沙箱環境，預設拒絕指令、可疑模式封鎖、輸入驗證、敏感路徑封鎖與憑證遮罩 。
• 簽署稽核日誌：每個動作都會記錄在簽署稽核日誌中，確保完整可觀察性與合規性 。

參考應用

Kiro Crew 推出時同步發布 Apps——可共享的專用介面，結合自訂 UI 與代理、技能、排程及整合功能。其中一個範例是議題分類 App，它能將儲存庫資料導入佇列，並提供閱讀窗格、分類控制、專用代理與排程掃描 。平台也支援跨多個聊天介面（包括 Slack、Discord、Telegram、Teams、Webex、WeCom 與微信）協作，且上下文可在所有介面間無縫延續 。

目標企業團隊

分析師指出，Kiro Crew 主要為平台工程、DevOps 與 SRE 團隊設計，這些團隊需要管理跨工具、長時間運行的工程工作流程 。其排程功能與心跳監控特別適合用於事件調查、拉取請求監控、議題分類以及跨越數個儲存庫的自動維護任務 。

成本管理背景

這次發布正值企業對AI 編碼成本管理日益關注之際，因為持續運行的代理工作流程可能大幅推升計算與 API 費用 。AWS 先前已內部推動員工使用 Kiro 而非第三方工具以控制成本，內部備忘錄甚至表明公司將不再支援額外的第三方 AI 開發工具 。

限制與折衷

雖然 Kiro Crew 是開源的，但分析師也指出幾項團隊在考慮採用時應注意的限制：

• 依賴專屬的 Kiro CLI：Kiro Crew 建立在 Kiro 框架與 CLI 之上，核心協調功能因此依賴 AWS 的工具鏈 。若團隊不將 Kiro 作為主要 IDE，可能面臨整合挑戰。
• 需自行建構其他代理的連接器：Kiro Crew 使用 Agent Client Protocol（ACP）進行代理通訊，但若要整合其他 AI 編碼代理如 Claude Code 或 Codex，則需要自行建立客製連接器，目前沒有現成的內建轉接器 。

治理模式與社群

Kiro Crew 採用開放治理模式，並設有公開列名的指導委員會。AWS 表示，開源該專案是為了讓任何人都能閱讀、在自己選擇的環境中運行、檢查與修改——與社群共同演進，而非由單一廠商控制 。該專案已可在 GitHub 上取得，並可完全部署在團隊自己的環境內 。