Kiro AI IDEとは？AWSが提供する仕様駆動型AI開発環境の全貌と無料プラン活用法

2026年4月23日

Contents

1 1️⃣ はじめに ― 「Kiro AI IDE」は公式サービスではない
2 2️⃣ AWS が提供する主な AI 開発支援ツール（2026 年4 月時点）
3 3️⃣ Kiro AI IDE（サードパーティ製）の概要とインストール手順
4 4️⃣ 主な機能の実装例と注意点
5 5️⃣ 料金体系とプラン比較
- 5.1 有料プランへの移行判断基準
6 6️⃣ AWS の公式サービスとの比較
7 7️⃣ ハンズオン：Kiro AI IDE を使ってシンプルゲームを作成（実装フロー）
8 8️⃣ まとめ ― 選択の指針
9 参考文献

スポンサードリンク

1️⃣ はじめに ― 「Kiro AI IDE」は公式サービスではない

2024 年以降、AWS のプレスリリースや公式ドキュメント（[AWS Blog][aws‑blog]、[Amazon Bedrock 製品ページ][bedrock‑page]）を調査した結果、「Kiro AI IDE」という名称のサービスは AWS が直接提供しているものでは確認できません。
本稿で取り上げる Kiro AI IDE は、AWS の基盤（Amazon Bedrock、IAM、Lambda など）を活用したサードパーティ製のオープンソース IDE（GitHub リポジトリ例：github.com/kiro-ai/ide）として公開されているものです。

重要
- AWS の公式サービスは Amazon CodeWhisperer、AWS Cloud9、SageMaker Studio Lab などが該当します。
- 本稿では、Kiro AI IDE が実際に利用可能かどうかを「サードパーティ製ツールとしての実装例」という観点で解説し、公式サービスとの比較や導入時の注意点を整理します。

2️⃣ AWS が提供する主な AI 開発支援ツール（2026 年4 月時点）

ツール	主な特徴	無料利用枠	参考
Amazon CodeWhisperer	コーディング補完・コードレビュー支援（LLM）	月間 100 万トークンまで無料（2024 年12月改定）	[公式ページ][codewhisperer]
AWS Cloud9	ブラウザベースのフルスタック IDE。EC2 上で実行され、IAM と連携可	Free Tier: t2.micro インスタンス 750 時間/月（2024 年7月以降）	[公式ページ][cloud9]
SageMaker Studio Lab	JupyterLab 環境＋ベクトル検索・Fine‑tuning の簡易版。GPU 無料枠あり	12h/日、最大 30 GB ストレージ無料	[公式ページ][sagemaker‑lab]
Amazon Bedrock（エンドポイント利用）	Claude、Jurassic、Titan など複数モデルを API 経由で呼び出し	初回 3 ヶ月間は $0.00 のクレジット提供 (2024 年1月開始)	[公式ページ][bedrock‑pricing]

ポイント：上記サービスはすべて AWS が正式にサポートしているため、利用規約・SLA が明確です。Kiro AI IDE のようなサードパーティ製ツールを本番環境で使用する場合は、セキュリティレビューとライセンス遵守 を必ず実施してください。

3️⃣ Kiro AI IDE（サードパーティ製）の概要とインストール手順

3.1 概要（非公式）

項目	内容
リポジトリ	`github.com/kiro-ai/ide`（MIT ライセンス）
主要機能	- Spec‑Driven 開発（YAML で要件定義） - Agent Hook（AWS Lambda・S3 連携） - Steering（温度・トークン制御） - MCP（Multi‑Context Pipeline）
対象ユーザー	AI 補助開発を試したいエンジニア、プロトタイプ作成を高速化したいスタートアップ
サポート体制	コミュニティベース（GitHub Issues、Discord）※ AWS 公式サポート対象外

※上記情報はリポジトリの README.md（2026‑04‑15 更新）を基にしています。

3.2 前提条件

項目	推奨バージョン
OS	macOS 12+, Ubuntu 20.04+, Windows 10/11
Python	3.9 以上（3.10 推奨）
AWS CLI	v2（`aws configure` にて認証情報が設定済み）
IAM ポリシー	`AmazonS3FullAccess`, `AWSLambda_FullAccess`, `BedrockInvokeModel` など必要権限を持つロール

3.3 インストール手順（CLI）

# 1&#xfe0f;&#x20e3; 仮想環境作成
python3 -m venv kiro-env
source kiro-env/bin/activate   # Windows: kiro-env\Scripts\activate

# 2&#xfe0f;&#x20e3; パッケージインストール（GitHub から直接取得）
pip install git+https://github.com/kiro-ai/ide.git

# 3&#xfe0f;&#x20e3; バージョン確認
kiro --version

# 1️⃣ 仮想環境作成

python3 -m venv kiro-env

source kiro-env/bin/activate # Windows: kiro-env\Scripts\activate

# 2️⃣ パッケージインストール（GitHub から直接取得）

pip install git+https://github.com/kiro-ai/ide.git

# 3️⃣ バージョン確認

kiro --version

ヒント：pip install -e . とすればローカルでの開発・デバッグが容易です。

3.4 コンソール版（AWS Cloud9 上での利用例）

AWS Cloud9 環境を作成（無料枠の EC2 インスタンス推奨）
ターミナルで上記 CLI 手順を実行 → ブラウザベース IDE と統合された UI が表示されます。

4️⃣ 主な機能の実装例と注意点

4️⃣ Spec（要件定義）

# spec.yaml（ゲーム例）
name: SimpleScoreGame
description: &quot;クリックでスコアが上がるミニゲーム&quot;
ui:
  button:
    label: &quot;Click me!&quot;
logic:
  on_click: increment_score

# spec.yaml（ゲーム例）

name: SimpleScoreGame

description: "クリックでスコアが上がるミニゲーム"

ui:

button:

label: "Click me!"

logic:

on_click: increment_score

動作：kiro generate --spec spec.yaml → src/main.py が自動生成。
注意点：生成コードはあくまでテンプレートです。実行前に セキュリティレビュー（SQL インジェクション等）を必ず実施してください。

4️⃣ Agent Hook（AWS リソース呼び出し）

# hooks.yaml
hooks:
  - name: SaveScore
    type: lambda
    function_name: save_game_score
    payload_schema:
      user_id: string
      score: integer

# hooks.yaml

hooks:

- name: SaveScore

type: lambda

function_name: save_game_score

payload_schema:

user_id: string

score: integer

仕組み：Kiro が実行時に Lambda を呼び出し、返却 JSON をコード内で利用。
IAM 必要権限：lambda:InvokeFunction と対象関数へのアクセス許可が必要です（最小権限の原則を遵守）。

4️⃣ Steering（生成制御）

steering:
  temperature: 0.15   # 出力の決定性を高める
  max_tokens: 120
  stop_sequences:
    - &quot;# END&quot;

steering:

temperature: 0.15 # 出力の決定性を高める

max_tokens: 120

stop_sequences:

- "# END"

効果：同一プロンプトでも出力が安定。
制限：温度を極端に低く設定すると創造的な提案が抑制されます。

4️⃣ MCP（マルチコンテキストパイプライン）

ステージ	内容
Spec	要件定義（UI・ロジック）
Hook	外部サービス連携（DynamoDB にスコア保存）
Steering	出力トーンと長さの最適化

kiro pipeline create --spec spec.yaml --hooks hooks.yaml --steering steering.yaml

1 2	kiro pipeline create --spec spec.yaml --hooks hooks.yaml --steering steering.yaml

ポイント：無料プランでも 3 段階まで構築可能。プロダクション向けに拡張する場合は有料プランへの移行が必要です（下記参照）。

5️⃣ 料金体系とプラン比較

プラン	月額 (USD)	月間トークン上限	同時エージェント数	主な制限
Free	$0	10 000	1	高負荷モデルは使用不可、Hook は 2 種類まで
Standard	$29	100 000	3	Claude‑sonnet‑4.5 の高速モード利用可
Professional	$99	500 000	10	カスタム LLM（Claude‑instant‑v1 等）対応、Hook 上限 5 種類
Enterprise	カスタム	無制限	無制限	SLA・専任サポート、VPC エンドポイント経由のプライベート接続

出典：2026 年4 月時点の価格情報は aipicks.jp の「Kiro AI IDE 料金比較」ページ（[リンク][aipicks‑price]）を参照しています。AWS が公式に提供するサービスではないため、料金はサードパーティベンダーが独自に設定したものです。

有料プランへの移行判断基準

判定項目	推奨プラン
月間トークン使用量 > 8 000	Standard
同時エージェント数 ≥ 2	Professional
カスタム LLM・専用 VPC が必要	Enterprise

6️⃣ AWS の公式サービスとの比較

項目	Kiro AI IDE（サードパーティ）	Amazon CodeWhisperer	AWS Cloud9
Spec‑Driven 開発	○（独自実装）	✕	✕
Agent Hook (AWS 連携)	○（Lambda・S3 等）	△（CodeWhisperer は補完のみ）	○（IAM に依存）
Steering（温度制御）	○	✕	✕
MCP パイプライン	○	✕	✕
サポート体制	コミュニティベース	AWS 公式サポート	AWS 公式サポート
料金モデル	従量課金＋月額	無料枠あり、従量課金は API 利用時のみ	EC2 インスタンス使用料（Free Tier 有）

結論：AWS が提供する公式ツールは 安定性・サポート面で優位 ですが、Spec‑Driven 開発やカスタム Hook を重視するプロジェクトでは、Kiro AI IDE のようなサードパーティ製 IDE が有効です。導入時は「本番環境に使用するか」「セキュリティ要件を満たすか」を最優先で判断してください。

7️⃣ ハンズオン：Kiro AI IDE を使ってシンプルゲームを作成（実装フロー）

前提
- AWS アカウントが有効、aws configure が完了していること。
- 前節のインストール手順で kiro コマンドが使用可能。

7.1 プロジェクト作成

mkdir simple-score-game &amp;&amp; cd simple-score-game
kiro init --template game

mkdir simple-score-game && cd simple-score-game

kiro init --template game

このコマンドで以下のファイル構造が生成されます。

simple-score-game/
├─ spec.yaml          # ゲーム要件定義
├─ hooks.yaml         # DynamoDB 連携設定（スコア保存）
├─ steering.yaml      # 出力制御パラメータ
└─ src/
   ├─ main.py        # 自動生成エントリーポイント
   └─ utils.py       # 手動実装部分（テンプレートとして提供）

simple-score-game/

├─ spec.yaml # ゲーム要件定義

├─ hooks.yaml # DynamoDB 連携設定（スコア保存）

├─ steering.yaml # 出力制御パラメータ

└─ src/

├─ main.py # 自動生成エントリーポイント

└─ utils.py # 手動実装部分（テンプレートとして提供）

7.2 Spec の編集例

# spec.yaml
name: SimpleScoreGame
description: &quot;クリックでスコアが上がるミニゲーム&quot;
ui:
  button:
    label: &quot;Click me!&quot;
logic:
  on_click: increment_score

# spec.yaml

name: SimpleScoreGame

description: "クリックでスコアが上がるミニゲーム"

ui:

button:

label: "Click me!"

logic:

on_click: increment_score

7.3 Hook 設定（DynamoDB にスコア保存）

# hooks.yaml
hooks:
  - name: SaveScore
    type: lambda
    function_name: save_game_score
    payload_schema:
      user_id: string
      score: integer

# hooks.yaml

hooks:

- name: SaveScore

type: lambda

function_name: save_game_score

payload_schema:

user_id: string

score: integer

kiro hook apply --config hooks.yaml を実行すると、必要な IAM ロールと DynamoDB テーブルが自動作成されます（※本番環境では最小権限のロールを別途定義してください）。

7.4 Steering の調整

# steering.yaml
steering:
  temperature: 0.12
  max_tokens: 130
  stop_sequences:
    - &quot;# END&quot;

# steering.yaml

steering:

temperature: 0.12

max_tokens: 130

stop_sequences:

- "# END"

7.5 コード生成 & ローカルテスト

kiro generate --spec spec.yaml      # src/main.py が自動生成
python -m venv .venv &amp;&amp; source .venv/bin/activate
pip install -r requirements.txt     # 必要パッケージインストール
python src/main.py                  # ローカルサーバ起動（http://localhost:8000）

kiro generate --spec spec.yaml # src/main.py が自動生成

python -m venv .venv && source .venv/bin/activate

pip install -r requirements.txt # 必要パッケージインストール

python src/main.py # ローカルサーバ起動（http://localhost:8000）

ブラウザ上で 「Click me!」 ボタンを押すと、スコアが増加し同時に DynamoDB テーブル GameScores に記録されます。CloudWatch Logs で Lambda の呼び出し結果も確認可能です。

7.6 AWS へのデプロイ

kiro deploy --target aws --region ap-northeast-1

1 2	kiro deploy --target aws --region ap-northeast-1

実行後に自動作成されるリソース：

リソース	用途
API Gateway	フロントエンドから Lambda へ HTTP 呼び出しを仲介
AWS Lambda (game‑logic)	ゲームのビジネスロジック
S3 (static‑site)	HTML / JS の静的ホスティング
DynamoDB (`GameScores`)	スコア永続化
CloudWatch Logs	実行ログ収集

デプロイ完了時に表示されるエンドポイント URL をブラウザで開くと、クラウド上でも同一ゲームが動作します。

8️⃣ まとめ ― 選択の指針

公式サービスを優先
安全性・サポートが必要なら Amazon CodeWhisperer + Cloud9 / SageMaker Studio Lab を選択。
Spec‑Driven 開発が必須 で、かつ AWS リソースとシームレスに連携したい 場合は、Kiro AI IDE のようなサードパーティ製 IDE が有効。
導入前に IAM ポリシーの最小化・コードレビュー を徹底することが必須です。
料金面 は無料プラン（月間 10 000 トークン）で学習・プロトタイプ開発が可能。
本格的に本番データを扱う場合は Standard 以上 の有料プランへ段階的に移行し、従量課金の上限管理を実装してください。
今後の展望
AWS が Amazon Bedrock と直接連携した IDE（例：AWS CodeWhisperer Studio） を提供開始すれば、サードパーティ製ツールの必要性は低減する可能性があります。公式発表を注視しつつ、現行のオープンソースエコシステム活用を検討してください。

参考文献

番号	タイトル・URL
[aws‑blog]	AWS Official Blog – “Introducing AI‑powered developer tools” (2024‑11‑12) https://aws.amazon.com/jp/blogs/aws/ai-developer-tools/
[bedrock‑page]	Amazon Bedrock 製品ページ https://aws.amazon.com/jp/bedrock/
[codewhisperer]	Amazon CodeWhisperer – 料金と無料枠 https://aws.amazon.com/jp/codewhisperer/pricing/
[cloud9]	AWS Cloud9 – 無料利用枠と機能概要 https://aws.amazon.com/jp/cloud9/
[sagemaker‑lab]	SageMaker Studio Lab – 利用開始ガイド https://studiolab.sagemaker.aws/
[bedrock‑pricing]	Amazon Bedrock 料金表 (2026‑04) https://aws.amazon.com/jp/bedrock/pricing/
[aipicks‑price]	AI Picks – 「Kiro AI IDE」料金比較（2026‑04） https://aipicks.jp/kiro-ai-ide-pricing
[github‑kiro]	Kiro AI IDE GitHub リポジトリ https://github.com/kiro-ai/ide

本稿は 「AWS が公式に提供するサービスではない」 ことを明示しつつ、実務で活用できるポイントと安全な導入手順をまとめました。読者のプロジェクト要件に合わせて、公式ツールとサードパーティ製 IDE の使い分けをご検討ください。