概要
https://zenn.dev/oikon/articles/kiro-steering
詳細内容
## KiroのAgent Steeringの仕組みが良いと思った話
https://zenn.dev/oikon/articles/kiro-steering
AWS KiroのAgent Steeringは、AIコーディングエージェントに永続コンテキストを構造化されたスコープ付きのMarkdownファイルで提供する優れたメカニズムであり、単一ファイルのアプローチよりも大きな利点をもたらします。
**Content Type**: ⚙️ Tools
**Scores**: Signal:4/5 | Depth:4/5 | Unique:4/5 | Practical:4/5 | Anti-Hype:4/5
**Main Journal**: 80/100 | **Annex Potential**: 80/100 | **Overall**: 80/100
**Topics**: [[AWS Kiro, AI Agent Steering, Context Management, 仕様駆動開発, 開発ワークフロー]]
AWSが提供するAIエディタ「Kiro」は、仕様駆動開発（Spec-driven Development）を基本思想とし、要件定義、技術設計、タスク実行の3段階で開発を進行させます。この記事では、その基盤を支える「Agent Steering」機能の先進性に注目しています。
Agent Steeringは、プロジェクトに関する永続的なコンテキストを`.kiro/steering/`以下のMarkdownファイルを通じてKiroに提供する仕組みです。Kiroはプロジェクトを解析し、デフォルトで`product.md`（製品概要）、`tech.md`（技術スタック）、`structure.md`（プロジェクト構造）の3種類のSteeringファイルを生成します。さらに、ユーザーは独自のカスタムSteeringファイルを作成でき、`inclusion`オプション（`always`、`fileMatch`、`manual`）で適用範囲を柔軟に制御できる点が特筆されます。
このAgent Steeringの利点は多岐にわたります。第一に、AWSがAIエージェントによる開発に不可欠と考える「製品概要」「技術スタック」「プロジェクト構造」といった必須コンテキストを明確に提案している点です。これは、AIエージェントが効率的に機能するために必要な情報の構造化を示唆しています。
第二に、従来`CLAUDE.md`のような単一ファイルで管理されていた永続コンテキストを、ドメインごとに分割して管理できるようになったことで、コンテキストのメンテナンス性が飛躍的に向上します。例えば、API標準やテスト戦略、コード規約などを個別のファイルに分離し、関連する開発タスクにのみ適用することが可能となります。
第三に、ファイルごとの適用範囲を細かく設定できる柔軟性により、AIエージェントに不必要なコンテキストを渡すことを避け、コンテキストウィンドウの汚染を防ぎます。これは、コンテキストエンジニアリングの観点からも非常に優れたアプローチであり、より効率的で精度の高いAIエージェントの動作を促します。
現状、Kiroはプレビュー版であり、使用モデルや安定性に課題はありますが、本稿はAgent Steeringの概念が今後のAIエージェント開発におけるコンテキスト管理のあり方に重要なヒントを与えていると指摘しています。この仕組みが他のAIコーディングツールにも波及する可能性を秘めており、ウェブアプリケーションエンジニアにとって、AIを活用した開発ワークフローの最適化を考える上で見過ごせない進展と言えるでしょう。