Kiro IDE の環境構築と拡張機能活用 - VS Code 互換エディタを開発現場に最適化する

Kiro IDE のインストールから VS Code 拡張機能の活用、ワークスペース設定、デバッグ構成まで、開発環境を最適化する手順を解説します。

Kiro IDE の導入と初期設定

Kiro IDE は公式サイトからインストーラーをダウンロードしてセットアップします。初回起動時に AWS Builder ID または IAM Identity Center でサインインすると、AI 機能が有効化されます。VS Code からの移行では、設定のインポート機能を使ってキーバインド、テーマ、スニペットを一括で引き継げます。settings.json の構造も VS Code と同一であるため、既存の設定ファイルをそのままコピーして利用できます。エディタのフォントサイズ、タブ幅、自動保存の間隔といった基本設定は、コマンドパレットから Preferences: Open Settings (UI) を開いて調整します。

VS Code 拡張機能の活用

Kiro IDE は Open VSX レジストリに対応しており、多くの VS Code 拡張機能をそのままインストールできます。ESLint、Prettier、GitLens、Docker、Remote - SSH などの主要な拡張機能は動作確認済みです。拡張機能のインストールは、サイドバーの拡張機能パネルから検索してインストールするか、コマンドラインから kiro --install-extension <extension-id> を実行します。一部の Microsoft 独自拡張機能 (Live Share、C# Dev Kit など) は VS Code Marketplace 限定のため利用できませんが、同等機能を提供する代替拡張機能が存在します。プロジェクトで推奨する拡張機能は .vscode/extensions.json に記述しておくと、チームメンバーが Kiro IDE を開いた際にインストールを促すポップアップが表示されます。

ワークスペース設定とデバッグ構成

Kiro IDE のワークスペース設定は .vscode/settings.json に記述します。プロジェクトごとにフォーマッタ (Prettier、Biome など) やリンター (ESLint、Stylelint など) を切り替えられるため、複数プロジェクトを並行して開発する場合に便利です。デバッグ構成は .vscode/launch.json に記述し、Node.js、Python、Go、Java などのデバッガーを利用できます。ブレークポイントの設定、ステップ実行、変数ウォッチ、コールスタックの確認といったデバッグ機能は VS Code と同等に動作します。複合起動構成 (compounds) を使えば、フロントエンドの開発サーバーとバックエンドの API サーバーを同時に起動してデバッグすることも可能です。

まとめ

Kiro IDE は VS Code 互換のエディタ基盤に AI 機能を統合した開発環境です。既存の VS Code 資産 (拡張機能、設定、キーバインド) をそのまま活用できるため、移行コストを最小限に抑えられます。ステアリングファイルによるプロジェクト固有ルールの定義と、エージェントフックによる自動処理を組み合わせることで、AI を活用した効率的な開発ワークフローを構築できます。

AWS の優位点

  • Kiro IDE は VS Code 互換のエディタ基盤を採用しており、既存の VS Code 拡張機能やキーバインドをそのまま利用できる
  • ワークスペース設定とユーザー設定の 2 層構造で、プロジェクトごとに異なるフォーマッタやリンターを使い分けられる
  • ステアリングファイルをグローバルレベルとワークスペースレベルで管理し、プロジェクト固有のコーディング規約を AI に伝達できる
  • デバッグ構成 (launch.json) は VS Code と同じ形式で記述でき、ブレークポイントや変数ウォッチなどの機能がそのまま動作する
  • Git 統合により差分表示、ステージング、コミット、プッシュをエディタ内で完結でき、AI によるコミットメッセージ生成も利用できる
  • マルチルートワークスペースに対応しており、フロントエンドとバックエンドを 1 つのウィンドウで同時に開発できる
  • リモート開発 (SSH、コンテナ、WSL) にも対応し、クラウド上の開発環境に接続して作業できる

この分野について体系的に学びたい方は、関連書籍 (Amazon) も参考になります。

同じテーマの記事

AI-DLC で変わるソフトウェア開発 - Inception・Construction・Operation の 3 フェーズ実践ガイド AWS が提唱する AI-Driven Development Lifecycle (AI-DLC) の概要、従来の SDLC との違い、3 つのフェーズの進め方、Kiro や Amazon Q Developer での実践方法を解説します。 AI-DLC Unicorn Gym で体験する実践的ワークショップ - チーム開発で AI-DLC を身につける AWS が主導する AI-DLC Unicorn Gym ワークショップの概要、参加形態、3 日間の進め方、Mob Elaboration と Mob Construction の実践方法を解説します。 AWS Application Composer でサーバーレスアプリケーションをビジュアル設計 - IaC テンプレートの自動生成 Application Composer によるサーバーレスアーキテクチャのビジュアル設計、SAM テンプレートの自動生成、VS Code 統合を解説します。 アーティファクトリポジトリ管理 - AWS CodeArtifact で実現するセキュアなパッケージ管理基盤 AWS CodeArtifact を活用したアーティファクトリポジトリの構築と運用方法を解説します。npm、Maven、PyPI などのパッケージ管理を一元化し、CodeBuild との統合によるセキュアなビルドパイプラインの構築手法を紹介します。 ブラウザベースシェル環境 - AWS CloudShell で実現する即時 CLI アクセス AWS CloudShell を活用したブラウザベースのシェル環境を解説します。AWS マネジメントコンソールから即座に利用できる CLI 環境、プリインストールされた開発ツール、IAM 認証の自動統合、セキュアなファイル管理など、運用効率を向上させる実践的な活用方法を紹介します。 AWS CDK でプログラミング言語による IaC - コンストラクトとスタックの設計 CDK による TypeScript/Python でのインフラ定義、L1/L2/L3 コンストラクトの使い分け、テスト手法を解説します。 クラウド IDE 開発環境 - AWS Cloud9 で実現するチーム開発基盤 AWS Cloud9 を活用したクラウドベースの統合開発環境の構築方法を解説します。ブラウザからのフルスタック開発、リアルタイムペアプログラミング、CodeCommit との統合、Lambda 関数のローカルテストなど、チーム開発を加速する実践的な活用方法を紹介します。 AWS Cloud9 で始めるクラウド開発環境 - ブラウザベース IDE のセットアップと活用 Cloud9 のブラウザベース IDE によるクラウド開発、ペアプログラミング、SAM CLI との統合による Lambda 開発の効率化を解説します。 コードレビューとプロファイリング - Amazon CodeGuru で実現する品質向上とパフォーマンス最適化 Amazon CodeGuru を活用したコードレビューの自動化とアプリケーションプロファイリングの手法を解説します。CodeBuild との統合による CI/CD パイプラインへの品質ゲート組み込みと、本番環境のパフォーマンス最適化を紹介します。 AWS CodeArtifact で構築するパッケージ管理基盤 - npm ・ Maven ・ PyPI のプライベートリポジトリ CodeArtifact によるプライベートパッケージリポジトリの構築、アップストリーム連携、サプライチェーンセキュリティの強化手法を解説します。 Amazon CodeCatalyst で統合する開発ワークフロー - プロジェクト管理から CI/CD まで CodeCatalyst によるプロジェクト管理、ブループリントベースの環境構築、CI/CD ワークフローの統合を解説します。 Amazon CodeGuru でコード品質を自動改善 - Reviewer と Profiler の活用 CodeGuru Reviewer による自動コードレビューと CodeGuru Profiler によるランタイムパフォーマンス分析の活用法を解説します。 Amazon CodeWhisperer で加速するコーディング - AI コード提案とセキュリティスキャン CodeWhisperer による IDE 内のコード提案、セキュリティスキャン、ライセンス参照検出を解説します。 AWS Device Farm で自動化するモバイルアプリテスト - 実機テストと CI/CD 統合 Device Farm による iOS ・ Android 実機でのテスト自動化、テストフレームワークの選定、CI/CD パイプラインへの統合を解説します。 Kiro エージェントフック活用術 - ファイル保存時の自動処理で開発品質を底上げする Kiro のエージェントフック機能を解説。ファイル保存時の自動リント、コミット時のテスト実行、ドキュメント自動更新など、開発ワークフローの自動化パターンを紹介します。 Kiro CLI でターミナルから開発を加速する - コマンドライン操作とエージェント活用 Kiro CLI のインストールからチャットモード、ファイル操作、コードインテリジェンス、サブエージェント活用まで、ターミナル中心の開発ワークフローを解説します。 スペック駆動開発の実践 - Kiro で要件定義からコード生成までを一気通貫で実行する Kiro のスペック駆動開発ワークフローを解説。要件定義書・設計書・タスクリストの自動生成、エージェントによるタスク実行、ステアリングファイルによるルール制御を紹介します。 Kiro でチーム開発を効率化する - ステアリングファイルとスペック共有による品質統一 Kiro をチーム開発で活用する方法を解説。ステアリングファイルによるルール共有、スペックのレビューフロー、サブエージェントの分担パターンを紹介します。 プラットフォームエンジニアリング - AWS Proton でインフラテンプレートを標準化する AWS Proton を使ったインフラテンプレートの標準化と開発者セルフサービスを解説。環境テンプレート・サービステンプレートの設計、開発者ワークフロー、IaC との統合を紹介します。 Amazon Q Developer で加速する AWS 開発 - AI コード生成とトラブルシューティング Amazon Q Developer による IDE 内でのコード生成、AWS コンソールでのトラブルシューティング、コード変換の活用法を解説します。 フレームワーク移行の自動化 - AWS Transform Custom で言語・ランタイムを一括アップグレード AWS Transform Custom によるフレームワーク・ランタイム移行の自動化を解説。Java バージョンアップ、Python 2→3 移行、企業固有の変換パターンを紹介します。 技術的負債をエージェント AI で解消する - AWS Transform Custom による大規模コード刷新 AWS Transform Custom を使った技術的負債の解消を解説。自然言語による変換定義、大規模コードベースへの一括適用、品質検証の自動化を紹介します。 統合開発プラットフォーム - Amazon CodeCatalyst でチーム開発を加速する Amazon CodeCatalyst を使った統合開発環境を解説。プロジェクト管理、Dev Environments、CI/CD ワークフロー、ブループリントによるプロジェクト初期化を紹介します。 ビジュアルインフラ設計 - AWS Application Composer でサーバーレスアーキテクチャを視覚的に構築する AWS Application Composer を使ったサーバーレスアプリケーションの視覚的な設計を解説。ドラッグ & ドロップによるアーキテクチャ設計、SAM/CloudFormation テンプレートの自動生成を紹介します。 AWS X-Ray で実現する分散トレーシング - マイクロサービスのパフォーマンス分析 X-Ray による分散トレーシングの実装、サービスマップの活用、パフォーマンスボトルネックの特定を解説します。