在目前的 AI 輔助開發流程中，大多數開發者習慣於同步的對話模式，也就是在聊天視窗中輸入提示詞，然後等待 AI 回應並執行任務。然而，這種模式要求開發者必須全程在場監控，一旦任務變得複雜或需要長時間執行，開發者就變成了 AI 的保姆，必須不斷地確認進度並手動觸發下一步。為了打破這種限制，Amazon 近期將其內部開發的系統開源，命名為 Kiro Crew。這是一個專為非同步編碼代理設計的控制平面，旨在讓 AI 代理能獨立處理長期任務，而無需開發者持續盯盤。
背景與開發動機
Kiro Crew 的前身是 Amazon 內部名為 MeshClaw 的系統。該專案的開發動機源於工程師在實際工作中的痛點：他們需要一種簡單的方式來啟動任務後即可離開，等回來時直接審閱結果，而非一次只能處理一個提示詞。在 Amazon 內部，該系統在沒有強制推行的情況下，在半年內吸引了超過 39,000 名開發者使用以及 500 名貢獻者，這種有機成長證明了非同步代理在解決真實開發問題上的強大需求。
核心運作機制
Kiro Crew 的核心在於將 AI 代理從單一的會話中解放，轉化為一個可管理的工作空間。它支援多個代理在不同會話、工具與任務之間協作，並透過共享記憶體與可重複使用的技能，讓代理能夠在跨 session 的開發工作中保留專案脈絡。
在技術實作上，Kiro Crew 透過 Agent Client Protocol（ACP，代理客戶端協定）來編排代理的行為，並提供一個 Activity 視圖，讓開發者能即時監控代理的執行計畫、工具調用、審核閘道以及最終結果。此外，它整合了 MCP（Model Context Protocol，一種標準化的上下文傳輸協定），使代理能輕鬆連接外部工具與 Webhooks。
為了提升效率，Kiro Crew 引入了子代理（subagents）的概念。主代理可以將複雜任務委派給多個子代理平行處理，而不會阻塞主工作流。這種設計讓 AI 能處理如事故調查、票單分類、系統遷移或 Pull Request 監控等耗時且繁瑣的任務。
安全性與防禦體系
由於 AI 代理具有執行程式碼與操作系統的權限，安全性成為 Kiro Crew 設計的首要考量。該系統採取深度防禦策略，在底層部署了作業系統等級的沙箱（OS-level sandbox），確保 AI 執行的指令被隔離在安全環境中。
其安全機制包含預設拒絕所有命令（denied-by-default）、攔截可疑模式、輸入驗證以及敏感路徑封鎖。為了防止資訊外洩，系統會自動對憑證進行遮蔽（credential redaction），並對每一次操作生成經過簽署的稽核日誌，確保所有 AI 行為皆可追溯且可審計。
實務影響與限制
對於開發者而言，Kiro Crew 的最大意義在於減少了重複的提示工程（Prompt Engineering）。由於代理能跨會話堆疊上下文，開發者不再需要每次啟動新任務時都重新提供背景資料。目前 Kiro Crew 已支援 macOS、Linux 與 Windows，並能與 Slack、Telegram 及 WeCom 等通訊工具整合，讓開發者能透過通知得知任務完成進度。
然而，這類非同步系統也帶來了成本挑戰。部分使用者回饋指出，Kiro Crew 在運行背景子代理處理平行任務時，消耗 Token 的速度顯著快於傳統的 Kiro CLI。這是因為維持多個代理的狀態與頻繁的上下文交換會增加 API 呼叫量，開發者在部署時需權衡自動化帶來的效率提升與潛在的成本增加。
Kiro Crew 目前以 Apache 2.0 授權開源，允許社群參與開發與路線圖規劃。它能與現有的 .kiro 配置相容，包括指導文件（steering files）與自定義代理，使其能快速融入既有的開發工作流中。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。