AWS re:Invent 2025現地の様子Workshop(Kiro CLI編)

こんにちは!荒川です。
AWS re:Invent 2025に初参加してきました。
本コラムではWorkshopセッションであるTroubleshooting in the cloud with Kiro CLI (SPS307)の様子についてお伝えします。
本コラムは詳細な手順ではなく、実際に体験して感じたポイントを中心に紹介します。
NTT東日本では、AWSなどクラウドに関するお役立ち情報をメールマガジンにて発信していますので、ぜひこちらからご登録ください。
1. Workshopとは
ワークショップは、ビジネス上の課題解決に役立つ実践的なスキル、テクニック、またはコンセプトを指導または紹介することを目的とした、実践的なイベントです。
つまりは用意された手順に沿って操作をすることで、構築スキルおよび各サービスの理解を深められる体験型の学習セッションになります。
NTT東日本では、AWSなどクラウドに関するお役立ち情報をメールマガジンにて発信していますので、ぜひこちらからご登録ください。
2. Workshop(Kiro CLI編)の様子
会場に到着すると、空いているテーブルに着席しセッション開始前までにノートPCおよび通信環境を準備します。

セッションが始まると、スクリーンを用いて全体説明があります。
その後、workshopのリンクが配布され、参加者は各自のペースで手順に沿って学習を進めます。

今回のテーマは「AI(Kiro CLI)を活用したクラウドのトラブルシューティング」です。
従来であれば多くの稼働を必要とする調査作業を、AIがどこまで支援できるかを体験しました。

注意点として、Workshopでも強調されていたのは「AIの結果には必ず人間の判断が必要」という点でした。

Workshopでは複数のユースケースが用意されていましたが、今回は「Serverless/DevOps」を選択し取り組みました。
パイプラインの画面を確認するとステータスが失敗になっているため、Kiroを利用してトラブルを解決します。

Kiroに「パイプラインのステータスが失敗しているためトラブルシュートを手伝って」と質問すると以下の流れで調査をしてくれました。
Kiroが下記のように段階的に状況を分析し、必要な修正点を提示してくれます。
① S3バケットでエラーが発生していることを特定。
② cloudfrontではCodeArtifactBucketを探しているが、実際はCodeArtifactBucket-xxxxxと設定されていること

③ Kiroの調査結果をもとにスタックを修正してよいか判断
④ Kiroが修正したテンプレートで更新
⑤ パイプラインのsourceステージがsucceeded
Kiroとのやりとり
> STEP 4: SHOW THE CORRECTED CONFIGURATION
The CORRECT configuration should be:
Configuration:
S3Bucket: !Ref CodeArtifactBucket
S3ObjectKey: 'sampleapp.zip'
The fix is to change S3Bucket: CodeArtifactBucket to S3Bucket: !Ref CodeArtifactBucket
The !Ref intrinsic function returns the actual physical name of the S3 bucket resource created by CloudFormation, which includes the stack name and a unique identifier.
③Would you like me to proceed with updating the CloudFormation stack with this fix?
▸ Credits: 0.14 • Time: 4s
[serverless-agent] > yes
> STEP 5: UPDATE CLOUDFORMATION STACK
I'll modify the following file: /tmp/aws-api-mcp/workdir/serverlesspipeline-template.yaml (using tool: write)
Purpose: Fix S3Bucket reference in template
341, 341: Configuration:
- 342 : S3Bucket: CodeArtifactBucket
+ 342: S3Bucket: !Ref CodeArtifactBucket
343, 343: S3ObjectKey: 'sampleapp.zip'
344, 344: PollForSourceChanges: false
Updating: /tmp/aws-api-mcp/workdir/serverlesspipeline-template.yaml
- Completed in 0.0s
Running tool call_aws with the param (from mcp server: awslabs.aws-api-mcp-server)
⋮ {
⋮ "cli_command": "aws cloudformation describe-stacks --stack-name serverlesspipeline --query 'Stacks[0].StackStatus'"
⋮ }
- Completed in 0.129s
>④ Excellent! The stack update completed successfully (UPDATE_COMPLETE). Now let me verify the pipeline Source stage status:
Running tool call_aws with the param (from mcp server: awslabs.aws-api-mcp-server)
⋮ {
⋮ "cli_command": "aws codepipeline get-pipeline-state --name SampleApplicationPipeline --query 'stageStates[0].[stageName,latestExecution.status]' --output table"
⋮ }
- Completed in 0.132s
> The pipeline still shows the old failed execution. The pipeline needs to be triggered again to use the updated configuration. Let me start a new execution:
Running tool call_aws with the param (from mcp server: awslabs.aws-api-mcp-server)
⋮ {
⋮ "cli_command": "aws codepipeline start-pipeline-execution --name SampleApplicationPipeline"
⋮ }
- Completed in 0.188s
Running tool call_aws with the param (from mcp server: awslabs.aws-api-mcp-server)
⋮ {
⋮ "cli_command": "aws codepipeline get-pipeline-state --name SampleApplicationPipeline --query 'stageStates[0].[stageName,latestExecution.status]' --output table"
⋮ }
- Completed in 0.161s
> ⑤Perfect! The fix is successful. The Source stage now shows "Succeeded" status.
NTT東日本では、AWSなどクラウドに関するお役立ち情報をメールマガジンにて発信していますので、ぜひこちらからご登録ください。
3.まとめ
Kiroは特定ユースケースに最適化されたカスタムエージェントを活用することで、トラブルシュートから修正まで一連の対応を行える点が非常に印象的でした。
今回のWorkshopでは、Kiroが単なるAIツールではなく、構成理解や問題箇所の切り分けといった思考プロセスの補助としても有効であることを実感しました。AIの提案を人間が最終判断する前提を維持すれば、一次切り分けの精度やスピードが大きく向上し、運用効率化に直結すると思いました。
- Amazon Web Services(AWS)および記載するすべてのAmazonのサービス名は、米国その他の諸国における、Amazon.com, Inc.またはその関連会社の商標です。
RECOMMEND
その他のコラム
相談無料!プロが中立的にアドバイスいたします
クラウド・AWS・Azureでお困りの方はお気軽にご相談ください。






