Kiro CLI zyskuje pamięć długoterminową dzięki Amazon Bedrock

Kiro CLI dostał pamięć — ale musisz ją samodzielnie podłączyć

AWS opublikował przewodnik pokazujący, jak rozszerzyć pamięć konwersacyjną Kiro CLI przez niestandardowy serwer Model Context Protocol (MCP) zintegrowany z Amazon Bedrock AgentCore Memory. Domyślnie Kiro CLI traci kontekst po zakończeniu sesji — każda rozmowa zaczyna się od zera.

Kiro CLI to terminal do bezpośredniej komunikacji z agentami AI z ekosystemu Kiro. Narzędzie działa sprawnie w ramach jednej sesji, ale bez zewnętrznego magazynu pamięci nie jest w stanie zapamiętać, że tydzień temu kazałeś mu wygenerować ten konkretny pipeline CI/CD albo że preferujesz TypeScript nad JavaScript.

Bedrock AgentCore Memory to usługa AWS zaprojektowana właśnie do tego — przechowuje fakty, preferencje i historię interakcji między oddzielnymi sesjami agenta.

Jak to działa pod maską?

Integracja opiera się na serwerze MCP, który działa jako most między Kiro CLI a AgentCore Memory. MCP (Model Context Protocol) to otwarty standard wprowadzony przez Anthropic, który pozwala modelom językowym komunikować się z zewnętrznymi narzędziami i źródłami danych w ujednolicony sposób.

Przepływ danych wygląda tak: Kiro CLI wysyła zapytanie do serwera MCP, ten odpytuje lub zapisuje dane w AgentCore Memory, a odpowiedź wraca do agenta wzbogacona o zapamiętany kontekst. Serwer MCP trzeba odpalić samodzielnie i skonfigurować jako rozszerzenie Kiro CLI.

AWS nie daje gotowego pluginu do pobrania jednym kliknięciem. To tutorial dla developerów, którzy chcą zbudować własną warstwę pamięci — z pełną kontrolą nad tym, co agent zapamiętuje i jak długo.

Czy to tylko akademicki przykład?

W praktyce takie rozwiązanie ma sens w kilku konkretnych scenariuszach. Programista pracujący z agentem codziennie przez kilka tygodni nie chce za każdym razem tłumaczyć architektury swojego projektu. Zespół używający Kiro CLI do automatyzacji zadań może chcieć, żeby agent pamiętał decyzje podjęte w poprzednich sprintach.

Bez trwałej pamięci agenci terminalni są w zasadzie bardzo sprawnym narzędziem jednorazowego użytku — skuteczni w chwili, bezużyteczni następnego dnia w kwestii kontekstu.

AgentCore Memory obsługuje różne typy pamięci: semantyczną (fakty i wiedza), epizodyczną (konkretne zdarzenia z przeszłości) oraz pamięć proceduralną (jak wykonywać określone zadania). AWS nie podał publicznie cennika dla AgentCore Memory w konfiguracji opisanej w tutorialu, więc koszt produkcyjnego wdrożenia pozostaje do wyceny indywidualnie.

MCP jako de facto standard agentów

To kolejna implementacja oparta na MCP w ciągu ostatnich miesięcy. OpenAI dodało wsparcie dla MCP w swoich agentach w marcu 2025 roku, Google DeepMind zapowiedział integrację w Gemini, a teraz AWS buduje na tym standardzie usługi dla Kiro.

Anthropic wypuścił MCP jako open source w listopadzie 2024 roku — osiem miesięcy później stał się on fundamentem ekosystemu narzędzi agentowych praktycznie wszystkich głównych graczy w branży. To rzadki przypadek, gdy standard zaproponowany przez mniejszą firmę (Anthropic przy skali Amazona czy Google’a) zostaje powszechnie przyjęty bez oporu.

Sam ekosystem Kiro jest stosunkowo nowy — AWS nie podaje dokładnej daty premiery Kiro CLI ani liczby aktywnych użytkowników narzędzia. Pojawienie się oficjalnego tutoriala rozszerzającego funkcjonalność sugeruje, że AWS aktywnie rozwija ten kawałek oferty dla developerów.

Implementacja opisana przez AWS wymaga znajomości Pythona lub Node.js do napisania serwera MCP oraz aktywnego konta AWS z dostępem do Bedrock — nie jest to rozwiązanie dla kogoś, kto chce odpalić gotowy plugin w pięć minut.