概要
https://zenn.dev/rakushaking/articles/3549462069beb1
詳細内容
## kiroがまだ使えない😭ので自作した！コード生成する #2
https://zenn.dev/rakushaking/articles/3549462069beb1
筆者は、未公開のAIツール「Kiro」を模倣した自作AIエージェントシステムを構築し、要件定義からコード生成、テストまでを自動化する試みとその運用課題を具体的に解説する。
**Content Type**: ⚙️ Tools
**Scores**: Signal:4/5 | Depth:4/5 | Unique:4/5 | Practical:3/5 | Anti-Hype:5/5
**Main Journal**: 76/100 | **Annex Potential**: 79/100 | **Overall**: 80/100
**Topics**: [[AIエージェント, コード生成, 開発ワークフロー自動化, LangGraph, AI駆動開発]]
この記事では、未公開のAI開発ツール「Kiro」の思想を独自に再現したAIエージェントシステムの実装と、その実用性が詳細に解説されています。著者は、ユーザーヒアリング議事録をインプットとし、プロジェクトの要件定義、設計、タスク分割、コード生成、AIによる静的解析、人間によるレビュー、そしてテストコード生成までの一連のソフトウェア開発プロセスをLangGraphでオーケストレーションしました。
特に注目すべきは、要件定義から詳細な実装タスクリスト、さらにはPythonとStreamlitを用いたFAQチャットボットの具体的なコードと網羅的なテストコードまでを自動生成するデモンストレーションです。システムは、生成された各成果物（プロジェクト概要、要件、設計書、タスク一覧など）をプロジェクトフォルダ内に整理して保存する機能も持ち、開発プロセスの透明性と管理性を高めています。
しかし、著者はこの試みから得られた課題も率直に共有しています。コード生成のタスク粒度が大きいと多数の人間による承認（今回のケースで56回、API呼び出しは100回以上）が必要となり、実行時間も長くなることが判明しました。この経験から、仕様書駆動型のコード生成はプロジェクトの粒度をより小さくするか、または「Kiro」のようなツールで要件定義を精緻化した後、CursorやVibecodingのようなツールで実際のコード生成を行うハイブリッドアプローチが有効であるという示唆が与えられています。
この試みは、AIを活用した開発ワークフロー自動化の現状と課題を具体的に示し、今後のAI駆動開発における実践的な知見を提供します。特に、人間とAIの協調の重要性や、各フェーズにおける最適なAIツールの活用方法を検討する上で、貴重な示唆に富んでいます。