AWS는 화요일에 새로운 오픈 소스 (open-source) 오케스트레이션 (orchestration) 플랫폼인 Kiro Crew를 소개했습니다. 이 도구는 기업들이 대화형 AI 코딩 어시스턴트 (AI coding assistants)에서 자율 엔지니어링 워크플로 (autonomous engineering workflows)로 전환하는 것을 돕는 것을 목표로 합니다. 이 시스템은 전반적인 효율성을 높이기 위해 여러 작업 세션에 걸쳐 다양한 리포지토리 (repositories) 및 개발자 도구 전반에서 작업을 관리합니다.

자율 개발 사이클의 오케스트레이션 (Orchestrating autonomous development cycles)

Kiro Crew는 여러 AI 에이전트 (AI agents)를 동시에 조정함으로써 단순한 코드 생성 그 이상의 역할을 수행합니다. 이 시스템은 반복적인 작업을 스케줄링하고 세션이 종료되더라도 프로젝트 컨텍스트 (context)를 유지합니다. 이를 통해 시스템은 장애 조사나 풀 리퀘스트 (pull requests) 모니터링을 위해 표준 개발자 도구와 통합될 수 있습니다. 개발자가 워크스테이션을 비운 동안 티켓을 분류 (triages)하고 소프트웨어 엔지니어링 작업을 자동화합니다.

이 플랫폼은 AI 코딩 에이전트를 스스로 학습하는 팀원으로 변모시키는 애플리케이션 레이어 (application layer)로 기능합니다. 연속성을 보장하기 위해 지속성 메모리 (persistent memory)와 멀티 에이전트 오케스트레이션 (multi-agent orchestration) 도구를 특징으로 합니다. 보안은 샌드박싱 (sandboxing) 및 서명된 감사 로그 (signed audit logs)와 같은 기능을 통해 우선순위로 유지됩니다. 사용자는 투명성을 위해 설계된 전용 웹 및 데스크톱 대시보드를 통해 활동을 모니터링할 수 있습니다.

공개 출시 전, 이 프로젝트는 Amazon 내부에서 MeshClaw라는 이름의 내부 도구로 존재했습니다. 39,000명 이상의 Amazon 빌더들이 6개월도 채 되지 않아 이를 채택했습니다. 이러한 내부적 성공은 현재의 오픈 소스 제공의 길을 열어주었습니다. 기업들은 로컬 노트북이나 가상 머신 (virtual machines)과 같이 자체 환경 내에 플랫폼을 완전히 배포할 수 있습니다.

참조 애플리케이션 및 실제 사용 사례 (Reference applications and practical use cases)

AWS는 플랫폼이 실제 시나리오에서 어떻게 작동하는지 보여주기 위해 여러 참조 애플리케이션을 출시했습니다. DevFleets는 워크트리 (worktrees)를 관리하며, Issue Radar는 풀 리퀘스트와 티켓의 분류를 처리합니다. Task Runner는 완료하는 데 오랜 시간이 걸리는 엔지니어링 작업을 실행하는 데 중점을 둡니다. 이러한 앱들은 핵심 오케스트레이션 엔진과 결합된 특정 인터페이스를 사용합니다.

이러한 도구들은 독립적인 제품이라기보다 엔지니어링 워크플로 (engineering workflows)를 자동화하는 방법의 예시입니다. 이들은 메모리 (memory), 스케줄링 (scheduling), 그리고 백엔드 서비스 (backend services)를 결합하여 운영을 간소화합니다. AWS는 향후 이러한 특화된 애플리케이션을 더 많이 출시할 것으로 예상하고 있습니다. 이러한 접근 방식은 팀이 자신들의 구체적인 조직적 요구 사항에 기술을 어떻게 적용할지 이해하는 데 도움을 줍니다.

생산성 및 기술 관리에 미치는 영향

플랫폼 엔지니어링 (Platform engineering) 및 DevOps 팀은 이러한 자율적인 기능으로부터 상당한 이익을 얻을 수 있습니다. 이들의 일상 업무 중 상당 부분은 반복적이고 오래 걸리는 운영 작업(operational tasks)을 포함합니다. 여기에는 종속성 업그레이드 (upgrading dependencies), 프레임워크 마이그레이션 (migrating frameworks), 그리고 일관성 없는 테스트 정리 등이 포함됩니다. 자동화된 에이전트 (Automated agents)는 인간의 개입 없이 사고 조사 (incident investigations)의 초기 단계를 처리할 수 있습니다.

이 플랫폼은 수 시간에 걸쳐 체크포인트 (checkpoints)와 재시도 (retries)가 필요한 마이그레이션에 특히 유용합니다. 이는 개발자가 모든 프롬프트 (prompt)를 일일이 감독하거나 프로세스를 수동으로 재시작해야 할 필요성을 제거합니다. 직원들이 회의 중이거나 퇴근한 상태에서도 작업은 백그라운드 (background)에서 계속됩니다. 이를 통해 팀은 중단된 상태에서 다시 시작하는 대신, 완료된 진행 상황으로 복귀할 수 있습니다.

기술 리더십을 위한 전략적 이점

오픈 소스 (open-source) 및 셀프 호스팅 (self-hosted) 아키텍처를 사용하는 것은 조직에 더 나은 거버넌스 (governance)를 제공합니다. 현재 많은 기업이 개발자들이 중앙의 추적 없이 AI 에이전트를 사용하는 섀도우 IT (shadow IT) 문제에 직면해 있습니다. 승인 게이트 (approval gates)와 로깅 (logging) 기능이 갖춰진 공유 워크스페이스 (shared workspace)는 활동을 모니터링할 수 있는 중앙 집중식 위치를 제공합니다. 이러한 가시성 (visibility)을 통해 관리자는 어떤 코드가 수정되었고 누가 해당 작업을 승인했는지 확인할 수 있습니다.

소프트웨어를 내부 인프라에서 실행할 수 있는 능력은 보안 및 컴플라이언스 (compliance) 우려를 해결합니다. CIO (최고정보책임자)는 민감한 코드와 자격 증명 (credentials)을 자체 경계 내에 유지할 수 있습니다. 이를 통해 위험을 초래할 수 있는 외부 블랙박스 에이전트 (black-box agents)로 데이터를 전송하는 것을 방지합니다. 인간 승인 워크플로우 (Human-approval workflows)는 무인 프로세스 (unattended processes)에 신뢰를 확장하기 전에 에이전트 기술 (agentic technology)을 도입할 수 있는 저위험 방식을 제공합니다.

과제 및 통합 요구사항

이 새로운 오케스트레이션 (orchestration) 레이어를 채택하는 것은 모든 조직에 있어 단순한 플러그 앤 플레이 (plug-and-play) 프로세스가 아닙니다. 이는 보안 및 감독을 위한 추가적인 관리 요구사항을 도입합니다. 기업은 최소 권한 접근 (least-privilege access) 및 코드 출처 (code provenance)에 대한 정책을 개발해야 합니다. 자율 에이전트 (autonomous agents) 군집을 관리하는 것은 단순히 토큰 사용량이나 컴퓨팅 비용을 추적하는 것 이상의 작업이 필요합니다.

많은 기업이 아직 여러 개의 병렬 에이전트를 처리할 운영 준비가 되어 있지 않습니다. 이러한 시스템은 모델 호출 (model calls) 및 API 사용 횟수를 배가시키며, 이는 비용 관리를 복잡하게 만들 수 있습니다. 품질을 보장하기 위해 인간의 검토 (Human review)는 워크플로우의 필수적인 구성 요소로 남아 있습니다. 조직은 자동화의 속도와 엄격한 기술적 감독의 필요성 사이에서 균형을 맞춰야 합니다.

기술적 의존성 및 커뮤니티 거버넌스

이 플랫폼은 에이전트 클라이언트 프로토콜 (Agent Client Protocol) 및 모델 컨텍스트 프로토콜 (Model Context Protocol)과 같은 개방형 표준을 활용합니다. 그러나 출시 시점에는 현재 독점적인 Kiro CLI에서 실행됩니다. 이는 Claude Code 또는 Devin과 같은 다른 에이전트를 사용하는 조직이 커스텀 커넥터 (custom connectors)를 구축해야 할 수도 있음을 의미합니다. 이러한 커넥터가 검증될 때까지 오케스트레이션 레이어는 특정 도구에 종속된 상태로 유지됩니다.

이미 Kiro 생태계를 사용 중인 팀의 경우, 전환이 비교적 간단할 것으로 예상됩니다. 추가 설정 없이 기존 구성, 스티어링 파일 (steering files) 및 커스텀 에이전트를 재사용할 수 있습니다. 핵심 오케스트레이션 플랫폼은 무료로 사용할 수 있지만, 사용자는 연결된 AI 모델에 대한 비용을 여전히 지불해야 합니다. 이러한 가격 모델은 높은 초기 라이선스 비용 없이 실험을 장려합니다.

AWS는 공개 운영 위원회(steering committee)를 통해 이 프로젝트를 관리할 계획입니다. 이 그룹은 기여자(contributor)들이 풀 리퀘스트(pull requests)를 통해 제안서를 제출하는 개방형 거버넌스 모델(open governance model)을 따를 것입니다. 초기에는 기존 프로젝트의 엔지니어들이 코드를 유지 관리할 예정입니다. 시간이 흐름에 따라, AWS는 개발자 커뮤니티의 신뢰할 수 있는 구성원들이 유지 관리자 그룹(maintainer group)에 합류하여 향후 개발을 이끌어 나가기를 기대하고 있습니다.