우리팀에 새롭게 입사한 Kiro Crew를 활용하여 업무 생산성 올리기

Kiro Crew는 오픈소스 개인 AI 에이전트 워크스페이스로, 기존 AI 어시스턴트와 달리 로컬 또는 원격 머신에서 상시 동작하며 컨텍스트를 기억하고 스케줄 작업을 자율 실행한다. 이 글은 AWS EC2에 Kiro Crew를 배포하고 GitHub 이슈 자동 분류, PR 리뷰 자동화 등 실제 업무에 활용하는 방법을 다룬다.

핵심 포인트

기존 AI 어시스턴트와의 차이: 프롬프트를 받을 때만 반응하는 게 아니라 상시 가동 팀원처럼 지속 실행하며 컨텍스트를 세션 간 유지.
3레이어 아키텍처: UI(웹 대시보드, CLI, Slack, Telegram) → 게이트웨이(Python 비동기, 세션+메모리 관리) → 에이전트 백엔드(Kiro CLI, 실제 추론·도구 실행).
6가지 메모리 구조(선호도, 프로젝트, 히스토리, 시맨틱, 에피소드, 교훈)로 세션 간 컨텍스트 유지.
오토파일럿 모드: 계획 수립 → 사람 승인 → 자율 실행 워크플로우로 복잡한 다단계 작업 처리.
AWS EC2 배포 시 사용 패턴에 따라 월 $4~$128 비용 예상.

상세 정리

상시 동작 특성: 프롬프트 대기가 아니라 백그라운드에서 지속 실행, 예약 작업을 자율 수행.
UI 레이어: 웹 대시보드, CLI, Slack, Telegram 등 다양한 인터페이스 지원.
게이트웨이 레이어: Python 기반 비동기 프로세스, 세션과 메모리를 중앙 관리.
에이전트 백엔드: Kiro CLI가 실제 추론 및 도구 실행 담당.
세션: 독립적인 대화 단위, 세션 간 공유 메모리 지원.
오토파일럿: 계획 수립 → 사람 승인 → 실행 단계를 거쳐 복잡한 작업도 단계별 처리 가능.
메모리 6종: 선호도, 프로젝트, 히스토리, 시맨틱, 에피소드, 교훈 메모리로 세션이 바뀌어도 컨텍스트 유지.
스케줄링: Cron 표현식 기반 자동 작업 실행으로 반복 작업 위임.
아티팩트: 버전 관리 가능한 영구 결과물, 전용 URL 부여.
지식 베이스: 에이전트 컨텍스트용 큐레이션 참조 자료, Issue Radar·Code Review Sage 등 앱 패키지 확장 가능.
실제 사례 1 — GitHub 이슈 자동 분류: 이슈를 분석하고 분류하는 작업을 에이전트에 위임.
실제 사례 2 — PR 리뷰 자동화: Code Review Sage 앱이 리뷰 준비를 담당하고 최종 의사결정은 사람이 수행.
AWS EC2 배포 비용: 사용 패턴에 따라 월 $4~$128 수준.

왜 읽나반복 업무(이슈 분류, PR 리뷰, 스케줄 작업)를 상시 가동 AI 에이전트에 위임해 팀 생산성을 높이고 싶은 개발팀 리더와 DevOps 엔지니어에게 유용한 실전 배포 가이드.

AWS Korea Tech 블로그

원문은 여기서 이어서 읽을 수 있어요

원문 읽기

읽음 (0)

·takedown 요청

우리팀에 새롭게 입사한 Kiro Crew를 활용하여 업무 생산성 올리기

이 글과 비슷한

같은 LLM인데 왜 결과가 다를까? 답은 하네스에 있다.

LLM 서빙, 띄우는 것과 잘 띄우는 것 사이

사내 지식으로 Agentic RAG 만들기 (1/3) : RAG 파이프라인의 바닥 다지기