AIエージェント

AWSのエージェントが構築・維持管理する公開クラウドエミュレーター

AWSは、自律型コーディングエージェントによって完全に生成され、人間によるコード作成なしに維持管理されている自社クラウドサービスのオープンソースエミュレーターをリリースしました。

ガラス製サーバーラックを組み立てるロボットアーム
この記事用に生成されたイラスト

英語の原文から自動翻訳されました。

Amazon Web Servicesは2026年11月11日、同社のクラウドプラットフォーム向けローカルテストツール「AWS Emulator」を発表しました。このプロジェクトは有用性だけでなく、コードが人間のエンジニアではなく自律型ソフトウェアエージェントによって記述され、継続的に維持管理されている点でも注目を集めています。

何が起きたのか

このエミュレーターにより、開発者やその他のAIエージェントは、実際の認証情報やネットワークアクセスを必要とせず、AWSサービスに対してアプリケーションをローカルでテストできます。LocalStackなど類似のツールは長年存在していましたが、AWSは永続的な課題を特定しました。それは、エミュレーターが実際のクラウド環境との同期から外れやすく、ユーザーや社内チームの間で信頼性が損なわれるという問題です。これを解決するため、AWSは自社のエージェント型コーディングツールであるKiroを活用し、API変更に合わせて自動的に最新状態を保てるソリューションを構築しました。

本プロジェクトは、AWS Developer ToolsチームのシニアプリンシパルエンジニアであるMatt Goldberg氏による実験として始まりました。以前にエージェントがCコンパイラを構築した事例に触発されたGoldberg氏は、KiroにAmazon Simple Queue Service(SQS)のエミュレーター作成を依頼しました。エージェントは15分で動作するバージョンを作成しました。このスピードに勇気づけられたチームは範囲を広げ、週末だけで残りのAWSサービスに対するサポートをエージェントに構築させました。初期バージョンには不十分な点がありましたが、翌週月曜日までに内部テストを行うには十分機能するものでした。

AWSはこのエミュレーターをCreative Commons Zeroライセンスで公開し、パブリックドメインとしました。この決定は、AIによって完全に生成されたコードの著作権帰属に関する法的な不確実性に起因しています。著作権を放棄することで、AWSは法的に存在しない可能性のある権利を主張することを回避しています。また、同社はメンテナンスワークフローが自律型エージェント専用に設計されているため、人間からのプルリクエストを受け付けないことを明言しています。

仕組み

このシステムは、ループ内で連携する3つの異なるエージェントチームに依存しています。最初のチームは、AWSがAPI定義に使用する公開Smithyモデルを分析し、テストシナリオを生成します。これらのシナリオを実際のAWSサービスに対して実行し、各APIの挙動に関する基準値(グラウンドトゥルース)を確立します。これにより、ドキュメントが不正確な場合でも、実際のクラウド挙動が参照ポイントとして機能することが保証されます。

2番目のチームは、同じシナリオをエミュレーターコードに対して実行します。エミュレーターの出力と実際のAWS応答との間の不一致を識別し、障害が発生した場合は共通の原因ごとにグループ化してリポジトリにイシューとして登録します。3番目のチームは、コードを変更することでこれらのイシューに対処します。変更がマージされる前に、他のエージェントによって実施される自動ビルド、テスト、およびセキュリティレビューを通過する必要があります。

人間のエンジニアはエミュレーターコードの記述や編集を行いません。代わりに、エージェントオーケストレーションシステムの改善に注力します。エミュレーターにバグが見つかると、チームはその原因をエージェントの指示またはロジックの欠陥まで遡り、エージェント自体を修正します。例えば、初期バージョンのエージェントはLambda関数をサポートするために独自のPythonインタープリターを書こうとしましたが、これは冗長な試みであり、人間がエージェントの制約を更新して既存ライブラリの再利用を促すことで修正されました。

主要な詳細

  • このエミュレーターは、200以上のサービスをカバーする438個の公開AWS APIモデルをサポートしています。
  • Rustで記述されており、インターネット接続なしでLinux、macOS、Windows上でローカル実行されます。
  • エミュレーターのランタイム中に大規模言語モデルへの呼び出しは行われず、静的バイナリとして動作します。
  • AWSは、新しいサービス開始からエミュレーターサポートまでのギャップが数日に短縮されると予想しています。
  • 本プロジェクトでは人間のプルリクエストを受け付けません。貢献はイシュー報告に限られます。
  • AWSは、エミュレーターをテストするために使用されるベンチマークスイートを公開しており、ユーザーは独自にその精度を検証できます。

なぜ重要なのか

ソフトウェアビルダーにとって、このプロジェクトは自律型コード生成のための成熟したワークフローを示しています。単純なコード補完を超え、テスト、デバッグ、メンテナンスを含むフルライフサイクル管理へと移行しています。定義されたAPIモデルのエミュレーションという問題の境界が明確であったため、エージェント型システムの理想的なテストケースとなりました。明確な真実の源と厳格な検証ループによって導かれた場合、エージェントが複雑なマルチサービスインタラクションを処理できることが示されています。

人間のプルリクエストを拒否するという決定は、AIネイティブな未来においてオープンソースプロジェクトがどのように運営されるかの変化を浮き彫りにします。エージェント群を唯一のメンテナーとして扱うことで、AWSはコードが生成ロジックと一貫性を保つようにしています。このアプローチは人間による不整合のリスクを低減しますが、エージェント自体を管理するための堅牢なツールが必要となります。また、主な作者が非人間である場合のコミュニティ貢献モデルについて、実践的な疑問も提起しています。

さらに、このエミュレーターはAWSとインタラクションする必要のあるAIエージェントのテストにとって、より安全な環境を提供します。開発者は、実際のAWS認証情報をさらけ出すことなく、自分のコーディングエージェントをエミュレーターに対してテストさせることができます。このサンドボックス機能は、本番環境における自律型ツールの導入を妨げてきた重大なセキュリティ懸念に対応しています。

やれること

  • 公開リポジトリからAWS Emulatorをダウンロードし、ローカル開発ワークフローをテストしてください。
  • 公開されているベンチマークスイートを実行し、特定のユースケースに対するエミュレーターの精度を検証してください。
  • コードパッチの提出ではなく、プロジェクトのイシュートラッカーを通じてイシューや不足しているAPI挙動を報告してください。
  • ライブAWSアカウントへのアクセスを許可する前に、自分のAIエージェントをサンドボックス化するためにエミュレーターを使用してください。
  • AWSが説明するエージェントオーケストレーションパターンを研究し、自身のエージェント型コーディングパイプラインを改善してください。
  • 新しいAWSサービス開始にどれだけ迅速に適応するかを確認するために、プロジェクトの進化を監視してください。
  • #aws
  • #ai agents
  • #open source
  • #devtools
  • #automation

Bytechapストアのツール

続きを読む

AIエージェント

TokenEconomizer、過去のセッションから学習しAIコーディングエージェントのコストを削減

Microsoft Researchとカリフォルニア大学バークレー校が、基盤モデルを変更することなくリポジトリの履歴を活用してAIコーディングエージェントのトークン使用量を削減するオープンソースプラグインを発表しました。

すべての記事