Kiro Crew: jak nechat AI agenty pracovat, zatímco ty děláš něco jiného

Minulý týden AWS otevřelo Kiro Crew — systém pro běh více AI coding agentů napříč sešcemi, nástroji a úkoly. Na první pohled další open-source agentí framework. Ale jedno číslo stojí za pozornost: interně ho v Amazonu používá přes 39 000 vývojářů a přispělo do něj 500 lidí, aniž by to kdokoli nařídil. Nástroj, který se uchytí organicky v takové velikosti, obvykle řeší reálný problém.

A ten problém zní takhle: dosud jsi při práci s AI agentem babysitter jednoho promptu. Napíšeš úkol, čekáš, kontroluješ, opravíš, čekáš znovu. Mezitím tvoje druhá záložka s dalším úkolem čeká taky. Asynchronní agenti to obrací — úkol zadáš, odejdeš od klávesnice, a vrátíš se k něčemu, co stojí za review.

Co Kiro Crew vlastně je

Kiro Crew je open-source workspace postavený na Kiro CLI, který orchestruje více coding agentů najednou. Vznikl interně v Amazonu pod jménem MeshClaw. Tři autoři (Bolin Chen, Zejiang Guo a Zezhen Xu z Amazonu a AWS) ho napsali, protože chtěli něco, co interně nebylo k dispozici: „zadat úkol, odejít, vrátit se k něčemu, co stojí za review — a řešit více úkolů najednou místo hlídání jednoho promptu."

Konkrétní stavební kameny:

• Shared memory napříč sešcemi — agent si pamatuje kontext projektu, takže nemusíš všechno vysvětlovat znovu. Žádné „start from scratch" u každého úkolu.
• Naplánované úlohy (scheduled jobs) — agent může běžet v noci nebo v pravidelných intervalech.
• Paralelní agenti a subagenti — hlavní agent může delegovat práci dál, aniž by blokoval tvůj workflow.
• Skills — znovupoužitelné dovednosti, které přenášíš mezi úkoly. Fungují i skills napsané pro jiné open, standards-based agentí platformy.
• MCP integrace a webhooks — napojení na externí nástroje, které už používáš.
• Activity view — přes Agent Client Protocol (ACP) vidíš v reálném čase plán agenta, tool cally, approval gaty a výsledky. Nečekáš na konec, abys zjistil, co se dělo.

Běží lokálně nebo na infrastruktuře, kterou ovládáš. Licencia Apache 2.0, dostupné pro macOS, Linux i Windows. Integrace na Slack, Telegram a WeCom.

Kde to reálně použiješ

Tady jsou scénáře, které se v praxi už osvědčily — a které zvládneš zkopírovat i s malým týmem:

1. Investigace incidentů. Vrátí se ti alert z produkce v 23:00? Nemusíš sedět a číst logy. Spusť agenta, který projde logy, trasování a nedávné deploye, a ráno si přečteš shrnutí hypotéz s odkazy na konkrétní řádky. Ty mezitím spíš nebo řešíš něco jiného.

2. Triage ticketů a Dependabotů. Pull requesty z Dependabota nebo Renovate se dají nechat roztřídit automaticky: které jsou safe minor bumpy, které rozbíjejí API, které stojí za ručním review. Agent projede changelogy, pustí testy a připraví doporučení.

3. Migrace. Upgrade z jedné major verze frameworku na druhou, přechod z jednoho ORM na jiné, hromadné přejmenování — to jsou úkoly, kde se agent dobře rozjede a ty přebíráš hotové části po blocích. Paralelně můžeš mít agenta na backendu, druhého na testech.

4. Monitoring PRs. Agent sleduje příchozí PR ve tvém repozitáři, kontroluje styl, spouští lint, píše first-pass komentáře. Review pak děláš rychleji, protože první filtr už proběhl.

Bezpečnost: na co si dát pozor, než to pustíš na svůj kód

Asynchronní agent bez dozoru je bezpečnostní riziko — to je potřeba říct nahlas. Kiro Crew na to podle tvůrců myslel od prvního dne:

• OS-level sandbox
• Denied-by-default příkazy (vše zakázané, povoluješ výslovně)
• Blokování podezřelých vzorů a validace vstupů
• Blokování citlivých cest v souborovém systému
• Redakce credentials
• Podepsaný audit log každé akce

To je slušná baseline, ale nezávislost agenta představuje zodpovědnost i pro tebe: bez ohledu na sandbox mu nedávej produkční klíče, běž na neměnné infrastruktuře a review každý výsledek před merge. Audit log čti, ne jen archivuj.

Náklady: ta past, na kterou si postěžovali

Community reakce je většinou pozitivní, ale objevila se jedna opakovaná výhrada: Crew consumuje tokeny výrazně rychleji než Kiro CLI. Dává to smysl — paralelní agenti s trvalou pamětí si drží kontext, který se počítá při každém volání.

Prakticky to znamená:

• Začni s jedním asynchronním agentem, ne se čtyřmi.
• Měř tokeny za úkol, ne za den. Asynchronní práce svádí k tomu nechat agenta „trochu dělat i navíc".
• Pro levné, opakované úlohy (triage, monitoring) zvaž routing na menší model. Drahý model ať řeší migrace, ne čtení changelogů.
• Naplánované noční úlohy nastavuj s limity — jinak se můžeš ráno probudit k pěknému účtu.

Jak začít, pokud už Kiro používáš

Dobrá zpráva: Kiro Crew běží na Kiro CLI a přímo využívá existující .kiro konfiguraci — steering files, skills, custom agenty. Pokud už máš projekt nakonfigurovaný, není co přenastavovat:

1. Nainstaluj Kiro Crew (macOS, Linux, Windows) z oficiálního repozitáře.
2. Otevři projekt s existující .kiro konfigurací, nebo si steering files vytvoř.
3. Zadej první úkol jako asynchronní — ideálně něco úzkého a ověřitelného, třeba Dependabot triage na jeden repozitář.
4. Sleduj Activity view a uč se, kde agent potřebuje tvůj approval gate.
5. Až důvěra poroste, přidej scheduled job a druhého agenta.

Jedna věc, která se vyplatí nastavit hned na začátku: approval gaty. Activity view ti ukazuje plán agenta, tool cally a místa, kde čeká na schválení. Nech si vyžadovat schválení u všeho, co sahá mimo repozitář — push, deploy, zápis do produkčních systému. Uvnitř repozitáře můžeš agentovi věřit víc, protože každá změna stejně projde tvým review v PR. Tímhle rozdělením si ponecháš kontrolu tam, kde je potenciální škoda velká, a agenta nebrzdíš u trivia.

Druhá věc: sdílená paměť nastav vědomě. To, že agent pamatuje kontext napříč sešcemi, je výhoda, ale tak i plocha pro únik necílených informací mezi úkoly. Pokud má agent přístup k citlivému repozitáři a současně běží na veřejných datech, rozděl to na dvě izolované instance s vlastní pamětí. Paralelní agenti jsou levní, důvěru obnovuješ špatně.

Kdy se ti to nevyplatí? Pokud píšeš malé, lineární úpravy, kde prompt-cyklická práce v editoru trvá tři minuty. Asynchronní orchestrace má smysl u úloh, které trvají desítky minut až hodiny, nebo u těch, co se opakují. U jednořádkových fixů jen přidáváš režii.

Co z toho vzít

Asynchronní agentí práce není hype — je to logické pokračování toho, kam se AI coding posunul. DoorDash nedávno popsal, že jejich Flux systém řeší 130 000 engineering úloh přes cloudové agenty. Kiro Crew je první velký open-source krok v tomto směru, který si můžeš rozběhnout na vlastní infrastruktuře, s vlastními bezpečnostními pravidly.

Nejdůležitější posun je ale mentální: přestaneš být operátor promptu a začneš být zadavatel a reviewer. Úkoly, které dnes zabírají tvůj kontext, deleguješ — a tvůj čas jde na rozhodování, ne na čekání.

Zkus to na jednom nudném opakovaném úkolu. Třeba právě na tom Dependabot triage.