re:Invent 2025で正式に発表されたAI駆動開発ツール「Kiro」を早速試してみた！ | AWS re:Invent2025現地レポート

AWS re:Invent 2025 にて、今話題の AI駆動開発ツールである Kiro と SDLC についてのセッションがありましたので、参加してきました。Kiro は、一言でいうと仕様から実装までを一貫してサポートする Agentic AI です。今回はセッションの概要と、その後実際にKiroを使ってアプリ開発を試してみた様子をご紹介します。

Kiro は、単なるバイブコーディングに留まらず、より専門的なソフトウェア開発での活用ができるようになっており、参加したセッションではハンズオンデモ形式で Kiro の活用方法を説明していただきました。特に印象的だったのは、AI駆動開発ライフサイクル（AI-DLC）方法論の概要です。AIを用いた開発の流れや考え方が体系的に整理されていて、今後のAI活用の指針になりそうだと感じました。

LLM（大規模言語モデル）エージェントの構成についても詳しく解説がありました。 エージェントは、目標達成のためにコンテキストを構築し、必要に応じてツールをループで実行します。 この「エージェントループ」は以下のような流れで進みます。

1. 入力
2. コンテキストウィンドウ（ワーキングメモリ）
3. LLMによる推論
4. ツール選択
5. ツール実行

主な構成要素としては、推論や知識のためのLLM、ワーキングメモリとしてのコンテキストウィンドウ、そして実際のアクションを行うためのツールが挙げられます。この仕組みを理解することで、AIエージェントの設計や運用のイメージがぐっと具体的になりました。

セッションでは、Kiro CLIを使ったカスタムエージェントの設定デモも行われました。 エージェントは、特定のツール（例：MCPサーバー）と、システムプロンプトによって構成されます。 ここで強調されていたのは、「エージェントが過剰な情報で圧倒されないよう、関連するコンテキストとツールだけを適切に提供することの重要性」でした。 実際の運用でも、必要な情報とツールを絞り込むことが、エージェントのパフォーマンス向上につながると感じました。

次に、設定したカスタムエージェントを使って「Flappy Hero」ゲームを構築するライブデモがありました。このプロセスは、AI-DLCのワークフローに沿って進行します。

1. まず、作りたいゲームの要件概要と進め方をプロンプトで伝えるところからスタート

2. ゲームの要件やデザインの選択を定義

3. エージェントが要件と設計に関する質問を作成し、マークダウンファイルを生成

エージェントからのフィードバックをもとに、設計や要件を反復的に改良していく様子がリアルタイムで見られ、AIエージェントによるソフトウェア開発の方法を理解することが出来ました。

今回のデモでは、エージェントは要件や設計に関する質問を投げかけ、ドキュメント（マークダウン）を作成するところや、そのフィードバックを受けて、設計や要件をブラッシュアップしていく反復的なプロセスが印象的でした。また、開発中のコンテキストウィンドウの管理や、クレジット（リソース）使用量の話もあり、実運用の視点でも参考になる内容でした。

カスタムエージェントの高度な活用方法についても触れられました。下記のようなことを取り入れることで、エージェントの業務効率や品質が大きく向上するとの説明がありました。

• チーム標準や内部ドキュメントの組み込み
• MCPサーバー経由でAWSドキュメントの統合（APIの最新利用）
• ConfluenceなどのナレッジベースをMCPサーバーとして活用し、内部調査も可能に

今回のセッションを通して、KiroをはじめとしたエージェントAIの活用方法や、実践的な開発フローについて多くの学びがありました。今後は、AI-DLCやカスタムエージェントの設計・運用ノウハウを自分の現場でも積極的に取り入れていきたいと思います。AI×ソフトウェア開発の最前線を体感できる、非常に有意義なセッションでした！

ということで、現地で早速「Kiro」をインストールしてアプリ開発を試してみました！（筆者はアプリケーション開発の経験がない人間です。）

まずは Kiro をインストールするところから始めました。IDE（デスクトップアプリで実行できる統合開発環境版）がありましたので、今回は、そちらをインストールしました。

インストールが出来たので、セッションで説明されていた記憶を頼りに、仕様をKiroと固めながら進めていきました。

最後は実装タスクをKiroと一緒に進めていきました。

それっぽいFlappyのブラウザゲームが完成しました！