Kiro AI とは何ですか?
Kiro (Kiro AI IDE とも呼ばれる) は、アマゾン ウェブ サービス (AWS) によって開発された新世代の統合開発環境 (IDE) で、2025 年 7 月頃にリリースされます。これは自動的に動作する「エージェント AI」ツールで、行ごとのコードを提案するだけでなく、自然言語でリクエストを受け取り、分析して技術設計文書を作成し、タスクを分割して複数のファイルにコードを記述します。中心となる哲学は「仕様駆動開発」です。これにより、「雰囲気」コーディングによる混乱が最小限に抑えられ、ソフトウェアが構造的に構築され、保守が容易になり、最初から明確なドキュメントが用意されることが保証されます。 Kiro はコード エディターで「サブプログラマ」として機能し、アイデア、設計、タスク、最終的なソース コードを同期します。
無料版 (Kiro Free)
費用: $0/月。
クレジット: 新規ユーザーは 500 ボーナス クレジットを受け取ります (30 日間有効)。その後は、毎月 50 クレジットを受け取ります (累積的ではなく、超過したクレジットは翌月に繰り越されません)。
適している: 個人のプログラマー、学生、または小規模プロジェクトで基本機能をテストする場合。
制限事項: クレジットは、コード生成や統合などの AI タスクに使用されます。複雑な要件では、より多くのクレジットが消費されます。無料プランのデータはサービス向上のために使用できます。待機リストはもう必要なく、誰でもすぐにアクセスできます。
価格の詳細を確認するには、https://kiro.dev/pricing
無料の Kiro インストール ガイド
どのプラットフォームでも簡単で迅速なインストール プロセスをご覧ください。
インストーラーのダウンロード: 公式ページ https://kiro.dev にアクセスします。 Web サイトは、お使いのオペレーティング システム (Windows、macOS、または Linux) を自動的に検出し、適切なバージョンを推奨します。ダウンロード ボタンをクリックします。
インストーラーを実行します:
Windows: ダウンロードした .exe ファイルを開き、画面上の指示に従います。
macOS: .dmg ファイルを開いて、Kiro アイコンをアプリケーションにドラッグします。
Linux: ダウンロード ファイル形式の指示に従います (例: Debian/Ubuntu の場合は .deb、Fedora/CentOS の場合は .rpm)。
サインインしてセットアップを完了します: インストール後に Kiro アプリを開きます。エクスペリエンスを認証して同期するには、Google、GitHub、または AWS アカウントでサインインするように求められます。最初の起動時に、Kiro は既存の VS Code から設定、テーマ、拡張機能をインポートするかどうかを尋ねます。これは、再インストールせずに使い慣れたワークスペースを取得するために推奨されます。
VS Code から移行 (オプション): ワンクリック移行機能を使用して、VS Code から拡張機能と設定をインポートします。
サインアップ後、リアルタイムで 500 の無料クレジットを自動的に受け取ります。
無料の Kiro 基本ユーザー ガイド
インストール後、Kiro を起動し、[プロジェクトを開く] を選択してコードベース フォルダーを開きます。インターフェイスは VS Code に似ていますが、別の AI セクションがあります。
Kiro ダッシュボードにアクセスする: アクティビティ バー (左側のバー) の Kiro アイコン (ゴースト) をクリックします。このパネルには次のようなタブが表示されます。
仕様: 機能要件を定義し、AI 計画を管理します。
フック: 自動化ルールを設定します。
ステアリング: .kiro/steering/ ディレクトリ内のプロジェクト標準を Markdown として自然言語で定義します。
main:自然言語でリクエストを作成: [仕様] タブで、「電子メールとパスワードでユーザーを登録するための API エンドポイントを作成します。パスワードは少なくとも 8 文字である必要があります」のようなコマンドを入力します。 Kiro は、複数のファイルにわたるコードを自動的に計画、設計、作成します。
レビューと承認: エディターを使用して変更を確認します。 Kiro は自身をデバッグし、失敗した場合は修正を提案できます。
クイック チャット モード (バイブ コーディング): 説明や小さなコードに使用します。たとえば、「このコードがどのように機能するかを説明してください」と # アイコンを使用してファイルを添付します。
作業モード: Kiro には、Vibe コード (最初にチャットしてからビルド) と仕様ベース (要件ドキュメントの作成、要件、設計、構築する詳細なタスク) の 2 つの主なモードがあります。
効果的な使用のヒント:
最初の 5 分間は、ルールを設定してプロジェクトについて Kiro に「教える」ことに費やします。ステアリング。
クレジット追跡: チャット インタラクションなどの単純なタスクの消費量はほとんどありませんが、複雑な仕様の作成や Auto Agent の使用にはコストがかかります (例: Auto Agent 1X、Claude Sonnet 1.3X モデル)。
無料のコア機能には、仕様の生成、技術設計、タスク オーケストレーション、コード統合、クロスプラットフォーム サポートが含まれます。
必要な場合さらに詳細な手順や実践的なチュートリアルについては、https://kiro.dev/docs/ の公式ドキュメント、または TikTok/Twitter の説明ビデオを参照してください。
主な機能の比較
以下は、優れた機能の比較表です。
1.開発方法
Kiro AI:
仕様主導の開発: 標準プロセスに重点を置く: 自然言語 $\rightarrow$ 要件仕様 $\rightarrow$ アーキテクチャ設計 $\rightarrow$ タスク分割 $\rightarrow$ コード。
優れた機能: エージェントが自動的にエラー修正、ターミナル用の強力な CLI 統合。
自動化: フック システム (ファイルの保存時にドキュメントを自動的に更新するなど) を備え、マルチモーダル (コードに変換する UI デザイン イメージを読み取って理解) をサポートします。
カーソル:
バイブ コーディング:リアルタイムの AI 提案によるスムーズなコード入力エクスペリエンスを優先します ([オートコンプリート] タブ)。
優れた機能: コードベース全体の深い理解、デバッグ モード、AI コード レビューのサポート、多様なモデル (OpenAI、Anthropic、Gemini) の統合。
実験: 研究/テスト用の混合精度トレーニングと CLI ランナーをサポートプロジェクト。
2.統合と互換性
Kiro AI:
エコシステム: VS Code (Open VSX プラグイン、テーマ) と完全に互換性があります。
接続性: Git、MCP (モデル コンテキスト プロトコル) を統合して、内部ドキュメント、データベース、 API 外部。
カスタマイズ: ユーザーが AI の動作とプログラミング スタイルを必要に応じて定義できるように、ステアリング ファイル を使用します。ローカル、SSH、ターミナルで柔軟に動作します。
カーソル:
プラットフォーム: VS Code 上に直接構築され、GitHub および Slack と緊密に統合されます。
エンタープライズ: エンタープライズ インサイトなどの詳細な管理ツールを提供します。請求グループとセキュリティ制御。シークレット)。
3. AI パフォーマンス
Kiro AI:
モデル: Claude Sonnet 4.5 または Auto モードを使用します (モデルを自動的に組み合わせて品質、速度、コストを最適化します)。
エージェント: オートパイロット モードにより、エージェントは大規模なタスクを自動的に実行し、言語を管理できます インテリジェントなコンテキスト非常に複雑なプロジェクトの場合。
カーソル:
速度: 「タブ」モデルは MoE (専門家の混合) 技術を使用して 1.5 倍速く応答します。
品質: 提案が 21% 少ないにもかかわらず、コード受け入れ率は（受け入れ率）は 28% 高くなります。マルチエージェント判定メカニズム (複数の AI が同時に評価) と高速検索のための Instant Grep をサポートします。
4.デバッグとメンテナンス
Kiro AI:
診断: 構文エラー (Syntax)、型エラー (Type)、意味論的エラー (Semantic) を自動的に検出します。
ユーティリティ: コード変更 (Diff) をリアルタイムで表示します。実際の変更内容の現実に基づいてコミット メッセージを自動的に書き込みます。
カーソル:
デバッグ プロセス: 公開前にソース コードの品質を確認するために、デバッグ モード (エラーの検索)、プラン モード (計画の変更)、AI コード レビューなどの特殊なモードを提供します。
カーソルは従来のオートコンプリートやリアルタイムの提案よりも優れており、Kiro は次の点に優れています。大規模プロジェクトの自動化とコード構造化 (例: 自動テスト生成。ただし、ユーザーは基本モードでテストを手動で記述する必要がある場合があります)。
価格
Kiro: 初回は 500 クレジット (その後は 50 クレジット/月) の無料バージョンで、小規模プロジェクトに適しています。有料版（Pro/Enterprise）では高度な機能が利用できますが、価格の詳細は公式サイトで明確に発表されていません。クレジットは AI タスクに使用され、無料データはサービスの改善に使用できます。
カーソル: より高度な AI 機能を備えた無料バージョンとプレミアム バージョンもあります。具体的な価格設定の詳細はありませんが、モデルは企業向けのサブスクリプションに焦点を当てた Kiro に似ています。
どちらもフリーミアム モデルですが、クレジットベースの価格設定のため、複雑なタスクの場合は Kiro の方が高価になる可能性があります。
長所と短所
Kiro:
長所: 10 倍のスピードアップエージェントワークフローによる開発者向け、高セキュリティ、強力な自動化 (フック、仕様) を備えた一貫した企業向け。プロトタイプから実稼働までの大規模プロジェクトに最適です。
短所: 個人的なコーディングには柔軟性が低く、仕様主導の学習時間が必要になる可能性があり、Cursor に比べてオートコンプリートのパフォーマンスが低下します。
Cursor:
長所: 使いやすく、すぐに開始でき、使い慣れた VS とシームレスに統合されます。コード。何百万もの開発者とフォーチュン 500 企業の半数以上から信頼されており、バイブ コーディングとマルチモデルのサポートに優れています。
短所: 大規模なプロジェクト構造にあまり焦点を当てていないため、エンタープライズでは Kiro のような高度な自動化が欠けている可能性があります。
個人のプログラマである場合、または日常のコーディングに迅速なツールが必要な場合は、柔軟性と優れたオートコンプリートのおかげで Cursor がより良い選択肢となります。対照的に、Kiro は、明確な構造とエージェントによる自動化を必要とするエンタープライズ チームや複雑なプロジェクトに適しています。絶対的な「最適な」ツールはありません。ニーズに応じて、無料バージョンがあるので両方を試すことができます。
Kiro と Cursor の FAQ
2026 年時点で更新されたソースに基づいて、以下は Kiro (AWS の AI IDE) と Cursor (VS Code に基づく AI IDE) に関するよくある質問 (FAQ) のコレクションです。価格、インストール、機能、比較に焦点を当て、理解しやすいようにトピックごとに分類しました。
Kiro に関する一般的な FAQ
Kiro とは何ですか? Kiro は AWS のエージェント AI IDE であり、仕様駆動型開発に焦点を当てており、フックとステアリング ファイルを通じてアイデアを構造化された自動コードに変換するのに役立ちます。
Kiro無料はありますか?最初に 500 ボーナス クレジット (有効期限は 30 日) が付与され、その後は 50 クレジット/月の無料バージョンがあります。プレビュー バージョンは無料ですが、Pro/Enterprise は近日公開予定です。
Kiro を使用するには AWS アカウントが必要ですか? いいえ、Google、GitHub、または AWS Builder ID でサインインします。
クレジットはどのように消費されますか? すべてのプロンプト (バイブ/スペック モード、タスク実行、フック) にはクレジットがかかります。 IDE のダッシュボードに従ってください。
Kiro はビジネス向けに何をサポートしていますか?カスタム エージェントの MCP 統合、チーム アーキテクチャのステアリング、自動化フック。
最初のプロジェクトを開始するにはどうすればよいですか? IDE をダウンロードし、ステアリング ファイルを設定し、自然言語で仕様を作成し、エージェントにタスクを割り当てます。
に関する一般的な FAQ Cursor
Cursor とは何ですか? Cursor は VS Code に基づく AI IDE で、バイブ コーディング、リアルタイム オートコンプリート、コードベース チャットに重点を置いています。
Cursor は無料ですか? 基本無料バージョンがあります。 Pro $20/月、Ultra $200 (マルチモデル サポートなどの高度な機能を利用可能)。
コードについて質問するにはどうすればよいですか? コードを選択し、Cmd+K を使用して簡単な質問をするか、チャット サイドバー (Cmd+I) で対話します。
カーソルはプライバシーをどのように処理しますか? はい、プライバシー モードではリモート コードは保存されません。中国のインフラストラクチャを使用せず、認証を通じてデータを保護します。
Cursor はどのモデルをサポートしますか? OpenAI、Anthropic、Google を統合します。オートコンプリートとエージェントのモデルを選択します。
カーソルを使用してデバッグするにはどうすればよいですか? コードベースで Cmd+L を使用して、「ここにバグはありますか?」と尋ねます。
Kiro と Cursor の比較に関するよくある質問
主な違い Kiro は、大規模/エンタープライズ プロジェクト (エージェント オートメーション、フック) 向けの仕様主導型に優れています。 Cursor は、個人的な高速コーディング (オートコンプリート、スムーズなチャット) に適しています。
初心者に適しているツールはどれですか? Cursor は、使い慣れた VS Code インターフェイスのおかげで使いやすくなっています。 Kiro はスペック モードを使用すると学習曲線が高くなります。
チームに適したツールはどれですか? Kiro にはチーム アーキテクチャ用のステアリングと MCP が備わっています。 Cursor は企業をサポートしていますが、あまり構造化されていません。
長期的なコストについて Kiro はクレジットを使用します (複雑なタスクには費用がかかる場合があります)。カーソルのサブスクリプションがより安定しました。
Kiro AI IDE のエージェント機能
AWS が開発した IDE である Kiro は、そのエージェント AI 機能で際立っています。つまり、AI は、単にコードを 1 行ずつ提案するのではなく、タスクを独立して分析、計画、実行できる自律エージェントとして機能します。この機能は「仕様駆動開発」に焦点を当てており、自然言語のアイデアを構造化コードに変換し、エラーを最小限に抑え、開発速度を最大 10 倍向上させるのに役立ちます。以下は、公式ドキュメントに基づいており、2026 年に更新された詳細です。
仕組み
Kiro のエージェント AI は、ソフトウェア開発の「フロンティア エージェント」として機能します。
サンドボックス環境: タスクを割り当てるときに、エージェントは分離されたサンドボックス環境を作成し、リポジトリのクローンを作成し、分析します。
分析と計画: 要件を分析し、要件を定義し、アーキテクチャを設計し、受け入れ基準に従ってサブタスクに分割します。
サブエージェントの調整: 特化したサブエージェントを使用します。調査/計画用に 1 つ、コーディング用に 1 つ、検証/初期テスト用に 1 つです。
インタラクティブ: 不明な場合は詳細を尋ね、フィードバック (コード レビューなど) から学び、次のタスクに適用します。
実行: 変更を加え、決定事項と変更の詳細な説明を含むプル リクエスト (PR) を作成します。
同時実行: 最大 10 個の並列タスクをサポートし、実行します。
エージェントは、セッションベースのエージェントとは異なり、リポジトリとセッション全体で永続的なコンテキストを維持します。 MCP (モデル コンテキスト プロトコル) と統合して、専用ツールや内部システムに接続します。
主な機能
タスク分解: 目標を詳細なタスクに分析し、複数のファイル (ルート、サービス、テスト、ドキュメントなど) にわたる変更を推奨します。
複数ファイル編集: 複数のファイルにわたる編集同期、表示
フックの自動化: ドキュメントの作成、テストの更新、プロジェクト ルールの適用などの反復的な作業を自動的に処理するフックを統合します。
コンテキストの学習と保持: コード レビューから学習し (エラー処理ルールの適用や変数の名前付けなど)、Web 検索や知識を使用して回答します。
チーム統合: リポジトリ間で作業し (例: 15 のマイクロサービスにわたるライブラリのアップグレード)、GitHub、Jira、Slack、Confluence に接続して、問題、PR、またはディスカッションからコンテキストを取得します。
実行モード: 「オートパイロット」 (自動実行、割り込み可能) 「監視あり」 (各ステップを一時停止して確認します)。
AI モデル: Amazon Bedrock の高度なモデル (Anthropic Claude、Amazon Nova など) を使用し、VPC エンドポイントなどのエンタープライズ セキュリティをサポートします。
エージェントはカスタム環境をサポートします: DevFiles/Dockerfiles 検出、ネットワーク アクセス構成 (制限付きからオープンまで)、環境変数、暗号化
ワークフロー
意図のキャプチャ: ユーザーは自然言語で説明します (例: 「アプリケーションの返金ワークフローを作成する」)。
仕様の作成: エージェントは、requirements.md のようなマークダウン ファイルを生成します。 design.md、tasks.md と承認基準。
タスクの分割: タスクと提案されたファイルをリストします。
実行とレビュー: 変更を適用し、承認/拒否の差分を表示します。フックを統合して自動的に更新します。
管理の統合: PR、コード所有者、または CI/CD を無視しないでください。変更に備えながら人間による制御を維持します。
このプロセスにより、構造、追跡の容易さ、および SDLC (ソフトウェア開発ライフ サイクル) プロセスの順守が保証されます。
使用例
ライブラリ アップグレード: 1 回限りのタスクの説明。エージェントはライブラリの使用状況を分析し、サンプル コードを更新し、テストを実行し、複数のリポジトリにわたって PR を開きます。
機能のデプロイメント: たとえば、返金ワークフローをデプロイします – エージェントは以前のレビューからエラー処理テンプレートを適用し、フックを介してドキュメント/テストを自動的に更新します。
チーム開発: リポジトリを介して作業を並行して処理し、Confluence または Slack からの更新を統合して維持します。
GitHub からタスクを割り当てる: ラベル「kiro」を追加するか、問題に「/kiro」をメンションします。エージェントはコメントからコンテキストを取得して実行します。
他の機能との統合
仕様: エージェントは仕様を使用して実行をガイドし、変更が元の要件と一致していることを確認します。
ステアリング: ステアリング ファイル (自然言語のプロジェクト ルール) を介して AI の動作をカスタマイズします。コース)。
フック: 自動化のための統合 (ファイル保存時のドキュメントの生成など)。
チャット エージェント: 実装前にアプローチについて話し合うためにチャットで通信します。
サードパーティ ツール: GitHub、Jira、Teams、Slack に接続して取得します。チーム コンテキスト グループ。
制限事項とリスク
プレビュー フェーズ: 2025 年 12 月に開始され、毎週限定的に使用されます。チームには順番待ちリストが必要です。
幻覚リスク: AI が誤解を招くデザインを提案する可能性があります。人材、テスト、CI を考慮することで最小限に抑えられます。
学習曲線: 仕様主導に慣れるまでに時間が必要。従来のオートコンプリートほど柔軟性はありません。
セキュリティ: 正しく設定されていない場合、データのリスク。 AWS によってサポートされていますが、アクセス制御が必要です。
人間の代替は不要: アーキテクチャ上のエラーを避けるために依然として承認が必要です。
Kiro の特定のエージェント コードとワークフローの例
2025 年から 2026 年までの公式ドキュメントと実践的なガイダンスに基づいて、以下は Kiro AI IDE でエージェント機能を使用する方法の具体的な例です。ここでのエージェントティックとは、多くの場合、スペック、フック、ステアリング、MCP (モデル コンテキスト プロトコル) などのツールを通じて、タスクを分析、計画、実行する「エージェント」として自律的に動作する AI を指します。各タイプについて、段階的な手順、説明的な例、および可能な場合はコード/構成スニペットを使用して説明します。
1. 仕様による機能の作成 (仕様主導のワークフロー)
仕様により、エージェントは自然言語要件を要件ドキュメント、設計、タスクに解析し、自動的に実行できます。
ステップ 1 プロセス:
Kiro パネル (左側のバーのゴースト アイコン) を開き、「仕様」タブを選択し、「+」を押して仕様を作成します。 new。
機能の説明を自然言語で入力します。
エージェントは、requirements.md (要件)、design.md (デザイン)、および tasks.md (タスク)。
各タスクを確認して承認します。エージェントが実行され、複数のファイルにわたるコードが更新され、必要に応じて PR が作成されます。
オートパイロット モードを使用してエージェントを自動的に実行するか、監視モードを使用して各ステップを一時停止します。
具体的な例: 4x4 三目並べアプリケーションを構築する
説明: 「シンプルなターミナル インターフェイスを備えた Python を使用して 4x4 三目並べゲームを構築し、2 人のプレイヤーをサポートし、検出を行います」行、列、クロス、引き分け、基本色で勝ちます。」
分析エージェント: 要件 (例: 「プレイヤー セットが移動するとき、システムは勝ち/引き分けをチェックする」)、設計 (クラス構造、関数)、および最大 10 のタスク (グリッド設定から入力処理まで) を作成します。
実行: エージェントは完全なコード (最大 200 行) を作成し、テストを自動的に実行します。
ドキュメントには特定のコード スニペットはありませんが、エージェントは check_win() やdraw_board() などの関数を使用してコンソール ゲームのような Python コードを生成します。
その他の例: マンデルブロ集合アプリ
説明: 「ズームでマンデルブロ集合を表示し、カーソルに基づいて分割画面のジュリア セットを表示する Web アプリを構築します」 "
エージェントは、HTML セットアップからフラクタル計算まで、25 を超えるタスクを作成し、コードが正しい数学的構造を持っていることを確認します。
2. フックによる自動化 (イベント ドリブン エージェント オートメーション)
フックを使用すると、エージェントはイベント (ファイルの保存など) に反応してタスクを自動的に実行できます。
ステップ 1 プロセス:
Kiro パネルを開き、[フック] タブを選択し、「+」を押して新しいフックを作成します。
イベントを定義する(とき: fileEdited、fileSaved など)、パターン ファイル (「**/*.ts」のような GLOB)、およびアクション (そのとき: 自然言語プロンプトを持つ askAgent)。
フックを .kiro.hook ファイルとして .kiro/hooks ディレクトリに保存します。
イベントが発生するとエージェントが自動的に起動し、プロンプトが実行され、変更が適用されます。
具体的な例: TypeScript ファイルの更新テスト
フックの説明: 「TypeScript ファイルを編集するときに、変更を解析し、新しい関数/メソッドのテストに対応するテスト ファイルを更新します。」
構成スニペット (JSON 形式) .kiro.hook):
JSON
{
"名前": "TypeScript テスト アップデーター",
"description": "TypeScript ソース ファイルへの変更を監視し、新しい関数またはメソッドのテストで対応するテスト ファイルを更新します",
"バージョン": "1"、
「いつ」: {
"タイプ": "ファイル編集済み",
「パターン」: [
"**/*.ts",
"!**/*.test.ts",
"!**/*.spec.ts",
「!**/node_modules/**」
】
}、
「その後」: {
"タイプ": "askAgent",
"prompt": "TypeScript ファイルを編集したことに気づきました。変更を分析し、対応するテスト ファイルを更新します。\n1. まず、ソース ファイルに追加された新しい関数またはメソッドを特定します\n2. 次に、対応するテスト ファイル (同じディレクトリ内の .test.ts または .spec.ts) を見つけるか作成します\n3. 新しい関数/メソッドに対して適切なテスト ケースを生成します\n4.テストはプロジェクトの既存のテスト パターンと規則に従います\n変更に基づいて私が提案するテストの更新は次のとおりです:"
}
}結果: file.ts を保存するときに、エージェントは、describe('newFunction', () => { it(' should return right value', () => { ... }); }); のようなテストを使用して file.test.ts を作成/更新します。
その他の例: Python テスト同期
プロンプトフック: 「Python ファイルの変更を分析し、新しい関数のテストをファイル test_*.py に追加します。」
パターン: 「.py」 (「test_.py」を除く)。
エージェントは pytest または Unittest を使用してテストを追加します関数/クラス。
例: TypeScript API ドキュメントの同期
プロンプト: 「TypeScript ファイルを監視し、エンドポイント、パラメーター、応答への変更を使用して docs/api/ を更新します。」
パターン: 「**/.ts, **/.tsx"。
3. ステアリングと MCP (コンテキスト認識型エージェント タスク) によるコンテキスト管理
ステアリングでは、エージェントに長期的なプロジェクト ルールが提供されますが、MCP では、エージェントが外部ツール (Web 検索など) にアクセスして、ライブラリのアップグレードなどのタスクをサポートできます。
ステップ 1 の手順 (ステアリング):
[ステアリング] タブを開き、「+」を押して作成します。 .kiro/steering/ に新しいファイルを作成します。
包含パターンとマークダウン コンテンツ (「ジェネリック関数には TypeScript ジェネリックを使用する」などのルール) を定義します。
エージェントは、ファイルを照合するときにステアリングを自動的に読み込みます。
スニペット ステアリングの例:
マークダウン
---
包含: fileMatch
fileMatchPattern: "analysis/**/*.py"
---
# カスタム標準
- 関数には常に型ヒントを使用します。
- PEP 8 スタイル ガイドに従ってください。
- すべてのパブリック メソッドの docstring を含めます。MCP プロセス:
設定ファイル (JSON) で MCP サーバーを設定します。
プロンプトで # [tool] を使用して MCP を参照します (例: "# [fetch] React の移行ガイドを検索) 18")。
タスク サービスの情報を収集するために使用されるエージェント。
MCP 構成例 (ライブラリ アップグレード):
JSON
{
"mcpサーバー": {
"ウェブ検索": {
"コマンド": "uvx",
"args": ["mcp-server-brave-search"],
"環境": {
"BRAVE_API_KEY": "あなたの API キーはここにあります"
}、
「無効」: false、
"自動承認": ["検索"]
}
}
}ワークフロー: 説明「React 18 へのアップグレード」、エージェントは MCP 検索ガイドを使用し、変更を分析し、仕様/タスク経由で適用します。
4. 実際のワークフローの例 (実際のプロジェクトから)
TanStack Start + React を使用してポートフォリオ Web サイトを構築する: 説明 「プロジェクト ショーケース、ブログ、連絡先を備えたポートフォリオ サイトを作成します。」エージェントは仕様、構造足場を作成し、MCP を使用して個々のリンクからデータを収集し、ルーティング/コンポーネントを実装します。時間: 約 4 時間、ほとんどが自動化され、英語プロンプトによる編集が行われます。
オープンソース コントリビューション (Alchemy PR): TypeScript IaC 機能の詳細な仕様を作成します (約 8000 行、80% エージェント生成)。エージェントは、エラーの繰り返しを避けるために仕様を「一般的な真実」として使用して、セッションを通じて処理します。
Spring Boot + Angular プロジェクトのオンボーディング: エージェントはコードベースを分析し、アーキテクチャに関するステアリング ドキュメントを作成し、データ フローに関する質問に答えますが、依存関係の競合については手動のガイダンスが必要です。
モデル コンテキスト プロトコル (MCP) の概要
モデル コンテキスト プロトコル(MCP) は、AI アプリケーションを外部システムに接続するために開発された標準のオープンソースで、AI がデータ、ツール、プロセスに安全かつ効率的にアクセスできるようにします。 MCP は、情報サイロやレガシー システムに閉じ込められることが多い、実際のデータから AI モデルを分離するという問題を解決するために、2024 年 11 月 25 日に Anthropic によって導入されました。データ ソースごとにカスタム統合を必要とする代わりに、MCP は、クロードなどの AI やその他のツールが外部データ ソースとシームレスに通信できるようにする汎用言語を提供し、それによって応答品質とタスクの実行を向上させます。
MCP は「標準接続ポート」 (AI の USB-C と同様) として設計されており、データ ソースと AI エンジンの間に安全な双方向接続を構築できます。 Kiro AI IDE (AWS が開発) のコンテキストでは、MCP は特殊なサーバーに接続することで Kiro の機能を拡張し、AI エージェントが AWS ドキュメント、エンタープライズ データベース、カスタム ツールなどの詳細な情報にアクセスできるようにし、それによってより効率的なソフトウェア開発をサポートします。
MCP の目的と利点
MCP の主な目的は、AI と外部データの間の障壁を取り除き、AI が考えるだけでなく実際のコンテキストに基づいて行動できるようにすることです。利点は次のとおりです。
強化された AI 機能: AI はリアルタイム データ、特殊なツール (検索エンジン、計算機など)、ワークフローにアクセスでき、より複雑なタスクの処理に役立ちます。たとえば、チャット経由で複数のデータベースからのデータを分析したり、Figma 設計からコードを生成したりできます。
開発時間の短縮: 統合を個別に構築する代わりに、開発者はデプロイするだけで済みます。 MCP を 1 回行うだけで複数のソースに接続できます。
ユーザー エクスペリエンスの向上: AI がよりスマートになり、たとえば、Google カレンダーと Notion の接続によるパーソナライゼーションのサポートや、Blender の 3D デザインからの Web アプリケーションの作成が可能になります。
エンタープライズ サポート: Kiro では、MCP は GitHub、Slack、Postgres などの内部システムとの統合を支援し、ソフトウェア開発プロセスを強化します。エラーが減少し、エージェント タスクの速度が最大 10 倍向上します。
オープンとコミュニティ: オープン ソースとして、MCP はコミュニティがサーバーとクライアントを構築することを奨励しており、Block、Apollo、Zed、Replit、Codeium、Sourcegraph などの企業がすでに参加しています。
MCP の仕組み
MCP はクライアント サーバー モデルに基づいて動作します:
MCP サーバー: これは次のとおりです。データまたはツールを提供する当事者。開発者は、データ (ローカル ファイル、データベースなど) またはツール (検索、API) を公開するサーバーを構築します。サーバーはクライアントからのリクエストをリッスンし、安全なデータを返します。
MCP クライアント: サーバーに接続してリクエストを送信し、レスポンスを受信する AI アプリケーション (Kiro や Claude など) です。双方向接続により、AI はインタラクション全体でコンテキストを維持できます。
通信: 標準プロトコル (仕様およびオープンソース SDK) を使用し、ローカルまたはリモート接続をサポートします。 AI は、プロンプト内のプレースホルダーを介してツールを呼び出すことができます。たとえば、「# [tool_name] query」です。
処理: AI はデータが必要な場合、MCP 経由でリクエストを送信します。サーバーは処理して返し、AI が環境を離れることなく応答に統合できるようにします。
Kiro では、MCP が IDE パネルに直接統合されます。
Kiro はクライアントとして機能し、サーバーに接続してツールにアクセスします。
ユーザーはチャットまたはスペック経由で対話します。MCP サーバー タブからツールを選択し、プロンプトにプレースホルダーを挿入すると、Kiro が自動的に呼び出します。
Anthropic の主要コンポーネントには以下が含まれます:
オープンソース仕様と SDK (GitHub 上)。
Claude デスクトップ アプリでのローカル サーバーのサポート。
利用可能なオープンソース サーバー リポジトリ (例: Google Drive、Slack、GitHub、Git、Postgres、 Puppeteer)。
主な機能
柔軟な接続: データ (ファイル、データベース)、ツール (検索、API)、ワークフロー (特殊なプロンプト) をサポートします。
簡単な統合: Claude 3.5 を使用して、わずか数分でサーバーを構築するためのクイックスタート ガイド自動化をサポートするソネット。
ビジネス サポート: AWS ドキュメントなどのシステムに接続して、Kiro でドキュメントを直接検索/読み取り/推奨します。
拡張機能: 特定のワークフロー用のカスタム ツールを作成します。例: 課題管理のために Jira と統合します。
AI との統合: Claude のようなモデルと連携し、AI が複数のタスク ツール間でコンテキストを維持できるようにします。
セキュリティの側面
MCP は、以下を通じてセキュリティを強調します。
アクセス制御 (トークン、API キー) による安全なエンドツーエンド接続。
データを保持するために AWS の VPC エンドポイントをサポート内部。
不要なデータは保存されません。必要な場合にのみ交換します。
Kiro では、接続失敗や無効なキーなどのエラーをデバッグするためにログを確認します。
Kiro への MCP の統合: 詳細な手順
MCP を Kiro に統合するには:
前提条件: Kiro の最新バージョンをインストールします。特定のサーバー (AWS ドキュメントなど) については、ドキュメントに従って追加の依存関係をインストールします。
設定: .kiro/mcp/ ディレクトリに設定ファイル (通常は JSON) を作成します。 AWS ドキュメントサーバーの設定例:
JSON
{ "mcpサーバー": { "aws-docs": { "コマンド": "uvx", "args": ["mcp-server-aws-docs"], "環境": { "AWS_REGION": "us-east-1" }、 「無効」: false、 "autoApprove": ["検索"、"読み取り"] } } }有効: 設定 (Cmd/Ctrl + ,) を開き、「MCP」を見つけてサポートを有効にします。 Kiro は設定を自動的にロードします。
使用法: Kiro パネルの MCP サーバー タブには、接続されているサーバー、ステータス、およびツールが表示されます。ツールをクリックしてチャットにプロンプト プレースホルダーを挿入します。例: 「# [search-aws-docs] EC2 インスタンスに関するクエリ」。
トラブルシューティング: [出力] タブ > [Kiro - MCP ログ] からログを表示します。無効なキーや JSON 構文などのエラーを解決します。
MCP の使用例
Kiro で AWS 開発: AWS ドキュメント サーバーに接続します。プロンプト: 「# [search-aws-docs] S3 バケットのベストプラクティス」。 MCP はドキュメントの概要を返し、Kiro がドキュメントに基づいてコードや仕様を作成するのに役立ちます。
ビジネス統合: AI 用に GitHub サーバーに接続してリポジトリを分析するか、Slack に接続してディスカッションからコンテキストを取得し、複数のマイクロサービスにわたるライブラリのアップグレードなどのエージェント タスクをサポートします。
一般的な例: Google Drive と Notion を接続して管理するパーソナライズされたエージェントを構築します。スケジュールを設定したり、Blender で 3D モデルを作成して自動印刷したりします。
カスタム サーバーを構築する: Claude を使用して内部データベース用の MCP サーバーを生成します。たとえば、販売データをクエリする AI に Postgres を公開します。
モデル コンテキスト プロトコル (MCP) の実際の詳細な例
更新されたソースに基づいています2026 年までのさまざまな分野における MCP アプリケーションのより詳細な実際の例を以下に示します。私はエンタープライズ、AI 開発、コーディングや Kiro のような IDE に関連するツール統合などのユースケースに焦点を当てています。実際の記事、プロジェクト、チュートリアルから抜粋した例では、MCP が AI エージェントが外部データにアクセスし、コンテキストを維持し、ワークフローmerge.dev
1 を自動化するのにどのように役立つかを示します。インテリジェント ヘルプ デスク サポート
説明: AI エージェントは MCP を使用して ITSM (IT サービス管理) リクエストを処理します。ユーザーが Slack 経由で問題を説明し (「デバイスを紛失した」など)、フォームに記入すると、エージェントは問題の説明、影響を受ける従業員、優先順位などの詳細を含むチケットをプロジェクト管理システムに自動的に作成します。
実用的なアプリケーション: Siit などのプラットフォームと統合して、デバイスの問題を迅速に処理します。 MCP は、エージェントをプロジェクト管理ツールの MCP サーバーに接続し、リアルタイムのコンテキスト収集を可能にします。
利点: チケットの処理時間が短縮され、問題解決の効率が向上します。
Kiro/コーディング関連: エージェントが GitHub MCP サーバーに接続してエラー code.merge.devthenewstack.io
2.候補者ソーシングの採用
説明: AI エージェントは役割リクエストを処理します (例: 「インフラストラクチャ検索の経験を持つベイエリアのシニア エンジニアを探しています」)。エージェントは、ATS (応募者追跡システム) MCP サーバーを呼び出して、同様の役割から候補者データを取得し、面接の進行状況を分析して興味を推測し、内部データベースから上位の候補者を推奨します。
実際の応用: 履歴データに基づいてパーソナライズされた採用を自動化するために Juicebox によって使用されます。
利点: コンテキストベースを使用して採用の質を向上させます。
Kiro/コーディング関連: Kiro が MCP を使用して GitHub に接続する方法と同様に、開発者チームがリポジトリ code.merge.devthenewstack.io
3.サプライヤーとの契約交渉 (調達におけるベンダー交渉)
説明: AI エージェントが契約更新を処理します。 「更新の開始」をアクティブ化すると、エージェントは ESP (電子メール サービス プロバイダー) と ERP (エンタープライズ リソース プランニング) の MCP サーバーを呼び出して、過去の電子メールと条件を取得し、交渉のベスト プラクティスに基づいて分析し、推奨事項を作成し、更新を監視し、電子メールを作成します。
実践的な応用: BRM は、「交渉エージェント」を使用して財務チームが条件を最適化するのをサポートします。
利点: コスト削減のためのコンテキストベースの推奨事項をタイムリーに提供します。
Kiro/コーディング関連: Kiro では、MCP が QuickBooks MCP サーバーに接続して、プロジェクトのコスト管理を自動化できます。soft.merge.dev
4. Financial Analyst Automation
説明: AI エージェントは会計データを処理します (たとえば、アカウントを収益などのカテゴリに分類します)。エージェントは ERP の MCP サーバーを呼び出して、履歴データを取得し、パターンを検出し、ユーザーが承認または拒否するためのマッピングを提案します。
実際の応用: Aleph AI は、スプレッドシートまたは FP&A (財務計画と分析) 製品のデータを整理して整理するために使用されます。
利点: カレンダー テンプレートに基づいて反復作業を自動化します。
Kiro/コーディング関連: Analytics Vidhya の「MCP Powered Financial Analyst」プロジェクトは、LLM に MCP を使用してリアルタイムの財務データにアクセスし、プロジェクトの予算管理のために Kiro に統合できますdev.merge.devanalyticsvidhya.com
5.コンピューター ビジョンとの統合 (コンピューター ビジョンの使用例)
説明: MCP はサーバーを画像検出システム (Ultralytics YOLO など) に接続して検出結果をデータベースに保存し、AI エージェントが分析して応答を作成します。例: エージェントの Web スクレイピング、電子メール/Slack の送信、受信トレイ/カレンダー データに基づいた会議のスケジュール。
実践的なアプリケーション: Ultralytics チュートリアルでは、MCP は GitHub 経由のエラー検出、チケットの作成、コードの実装、Slack への通知などのワークフローをサポートします。医療 (医療画像) またはロボット工学に適用されます。
利点: コンテキストが改善され、モデルのパフォーマンスが向上し、幻覚が減少します。
Kiro/コーディング関連: マルチモーダル処理エージェント用に Kiro と統合されます (Figma 画像からの UI デザインの分析など)。youtube.com@ultralytics
6.マルチエージェントディープリサーチャー
説明: オーケストレーションには CrewAI、詳細検索には LinkUp、合成には phi3 モデル (Ollama) を使用します。 3 つのエージェント: Web サーチャー、リサーチ アナリスト、テクニカル ライター – 順番に実行され、リサーチの質問に回答します。
実用的なアプリケーション: 自動リサーチ システム、/リサーチ エンドポイント経由の API サポート。
メリット: 分散データから構造化された回答を生成します。
Kiro/コーディングに関連:ローカル推論のための Ollama との統合。Kiro でコードまたは docs.analyticsvidhya.com
7 を調査するために使用できます。 Cursor MCP メモリ拡張
説明: Cursor AI (Kiro に似た IDE) に永続メモリを追加し、LLM がセッション間でコンテキストを保持できるようにします (例: 前のセッションからのコードの呼び出し)。
実用的なアプリケーション: コーディング時のコンテキスト メモリを向上させます。
利点: 長期的なソフトウェア開発の精度が向上します。
Kiro/コーディング関連: Cursor などの IDE に直接関連します。 Kiro は、MCP.analyticsvidhya.comiamdave.ai
8 を介してステアリングとスペックを維持するために同様に適用できます。エンタープライズ統合
説明: Salesforce は、Salesforce DX、Heraku、MuleSoft、Slack などのサーバーで Agentforce 3 の MCP を使用します。たとえば、AI エージェントは GitHub と Google Drive を接続してコード ワークフローを自動化します。
実践的な応用: Cloudflareはセキュリティ管理にMCPポータルを使用します。 New Relic は、Python アプリの MCP 通信を監視します。
利点: 大規模組織における MCP 接続を保護し、監視します。
Kiro/コーディング関連: Kiro (AWS) は、Google が Gemini や VS Code を使用する方法と同様に、MCP を Bedrock などの AWS サービスと統合できます。
効果的なユーザーTan Phat Digital からのガイド結果
kiro.dev ホームページからインストールしてログインした後、エクスペリエンスを最適化するために次の手順を実行する必要があります。
ステアリングを設定する: 最初の 5 分間は、ステアリング タブを通じて Kiro にプロジェクトについて「教える」ことに費やします。ここで、AI が「主題から外れた」コードを書かないようにするコア ルールを定義します。
仕様の使用: ただチャットするだけではありません。まずはスペックを作成しましょう。 Kiro は詳細に分析して計画を立て、クレジットを節約し、アーキテクチャ上のエラーを回避できるようにします。
クレジット追跡: Tan Phat Digital ハイエンド モデル (Claude Sonnet 1.3X など) で Auto Agent を使用すると、クレジットの消費が早くなることに注意してください。簡単な質問にはクイック チャット モードの使用を検討してください。
現在のプロジェクトにすぐに適用できるサンプル ステアリング ファイルの作成をTan Phat Digital にご協力いただけませんか
シェア
