AWS, 개발 업무 맡는 키로 봇 출시

아마존웹서비스(AWS)는 5일(현지시간) AI 개발 환경 키로 크루(Kiro Crew)에서 여러 AI 에이전트의 작업을 조율하고 반복적인 개발 업무를 맡는 키로 봇(Kiro Bots)을 제공하기 시작했다고 공식 블로그에서 밝혔습니다. 각 봇은 과거 작업과 개발자의 판단 기준을 기억하고 업무 진행과 후속 조치를 관리해, 개발자가 에이전트들을 일일이 감독하는 부담을 줄이도록 설계됐습니다.

키로 크루는 기존에도 여러 에이전트의 병렬 실행, 장기 기억, 예약 작업 기능을 제공해 왔습니다. 이번에는 이를 업무별 전담 봇에 통합했습니다. 개발자가 업무를 지정하면 봇은 여러 하위 에이전트를 병렬로 실행해 진행 상황을 확인하고, 계획에서 벗어난 작업은 방향을 수정하며, 결과를 하나의 대화창으로 모아 전달합니다. 사람의 판단이 필요한 부분은 별도로 질문하면서 다른 업무는 계속 수행할 수 있습니다.

개발자는 자연어로 일정을 설정해 야간 소프트웨어 빌드 오류 조사나 매주 금요일 릴리스 노트 작성 같은 반복 업무를 자동화할 수 있습니다. 봇마다 독립적인 기억과 작업 공간이 있으며, 과거 결정과 개발자의 피드백을 저장해 비슷한 업무에서 이전 판단 기준을 활용합니다. 이는 AI 모델 자체를 재학습시키는 방식은 아닙니다. AWS는 신규 개발 이슈 분류와 중복 확인, 빌드·테스트 오류 감시, 코드 리뷰, 배포 전 점검을 활용 사례로 들었습니다.

AWS는 키로 봇이 일회성 명령보다 특정 업무를 계속 맡도록 설계됐다고 설명했습니다. 커서와 앤트로픽도 예약 실행과 기억 기능을 제공하고 있으며, AWS는 키로 봇이 업무별 봇을 통해 하위 에이전트를 관리하고 과거 판단 기준을 유지하는 점을 강조했습니다. 봇별 접근 권한을 제한하거나 특정 작업에 개발자 승인을 요구하도록 설정할 수 있지만, 기본 설정은 개별 작업마다 승인을 요청하지 않습니다. 개발자는 봇의 기억을 확인·수정·삭제하고 대시보드에서 진행 상황을 볼 수 있습니다.

전체 작업을 관리하는 봇과 하위 작업에 서로 다른 모델을 선택할 수 있습니다. AWS는 관리 봇에 성능이 높은 모델을, 하위 작업에는 상대적으로 빠르고 저렴한 모델을 적용하는 예를 제시했습니다. 봇은 개발자 컴퓨터, 별도 서버 또는 AWS EC2 인스턴스에서 실행할 수 있습니다. AWS는 경쟁 제품보다 생산성이나 작업 성공률이 얼마나 개선됐는지를 보여주는 구체적인 벤치마크를 공개하지 않았습니다. 여러 에이전트를 계속 실행할 때의 비용, 정확성, 안전성은 실제 운영 과정에서 검증이 필요합니다.

AWS는 개발자가 개별 코딩 작업뿐 아니라 개발 업무의 지속적인 관리도 위임할 수 있다고 설명했습니다. 이에 따라 개발자는 여러 에이전트의 진행을 일일이 확인하는 대신 전체 방향을 정하고 중요한 판단과 결과 검토에 집중할 수 있다는 설명입니다.

아마존웹서비스(AWS)는 5일(현지시간) AI 개발 환경 키로 크루(Kiro Crew)에서 여러 AI 에이전트의 작업을 조율하고 반복적인 개발 업무를 맡는 키로 봇(Kiro Bots)을 제공하기 시작했다고 공식 블로그에서 밝혔습니다. 각 봇은 과거 작업과 개발자의 판단 기준을 기억하고 업무 진행과 후속 조치를 관리해, 개발자가 에이전트들을 일일이 감독하는 부담을 줄이도록 설계됐습니다.

키로 크루는 기존에도 여러 에이전트의 병렬 실행, 장기 기억, 예약 작업 기능을 제공해 왔습니다. 이번에는 이를 업무별 전담 봇에 통합했습니다. 개발자가 업무를 지정하면 봇은 여러 하위 에이전트를 병렬로 실행해 진행 상황을 확인하고, 계획에서 벗어난 작업은 방향을 수정하며, 결과를 하나의 대화창으로 모아 전달합니다. 사람의 판단이 필요한 부분은 별도로 질문하면서 다른 업무는 계속 수행할 수 있습니다.

개발자는 자연어로 일정을 설정해 야간 소프트웨어 빌드 오류 조사나 매주 금요일 릴리스 노트 작성 같은 반복 업무를 자동화할 수 있습니다. 봇마다 독립적인 기억과 작업 공간이 있으며, 과거 결정과 개발자의 피드백을 저장해 비슷한 업무에서 이전 판단 기준을 활용합니다. 이는 AI 모델 자체를 재학습시키는 방식은 아닙니다. AWS는 신규 개발 이슈 분류와 중복 확인, 빌드·테스트 오류 감시, 코드 리뷰, 배포 전 점검을 활용 사례로 들었습니다.

AWS는 키로 봇이 일회성 명령보다 특정 업무를 계속 맡도록 설계됐다고 설명했습니다. 커서와 앤트로픽도 예약 실행과 기억 기능을 제공하고 있으며, AWS는 키로 봇이 업무별 봇을 통해 하위 에이전트를 관리하고 과거 판단 기준을 유지하는 점을 강조했습니다. 봇별 접근 권한을 제한하거나 특정 작업에 개발자 승인을 요구하도록 설정할 수 있지만, 기본 설정은 개별 작업마다 승인을 요청하지 않습니다. 개발자는 봇의 기억을 확인·수정·삭제하고 대시보드에서 진행 상황을 볼 수 있습니다.

전체 작업을 관리하는 봇과 하위 작업에 서로 다른 모델을 선택할 수 있습니다. AWS는 관리 봇에 성능이 높은 모델을, 하위 작업에는 상대적으로 빠르고 저렴한 모델을 적용하는 예를 제시했습니다. 봇은 개발자 컴퓨터, 별도 서버 또는 AWS EC2 인스턴스에서 실행할 수 있습니다. AWS는 경쟁 제품보다 생산성이나 작업 성공률이 얼마나 개선됐는지를 보여주는 구체적인 벤치마크를 공개하지 않았습니다. 여러 에이전트를 계속 실행할 때의 비용, 정확성, 안전성은 실제 운영 과정에서 검증이 필요합니다.

AWS는 개발자가 개별 코딩 작업뿐 아니라 개발 업무의 지속적인 관리도 위임할 수 있다고 설명했습니다. 이에 따라 개발자는 여러 에이전트의 진행을 일일이 확인하는 대신 전체 방향을 정하고 중요한 판단과 결과 검토에 집중할 수 있다는 설명입니다.