Es viernes por la tarde. Estás cerrando la semana. Un compañero te escribe por un pico de latencia y necesita que investigues. Ya conoces la rutina: abrir CloudWatch, cruzar tres repositorios, revisar cuándo pasó esto la última vez, correr consultas de diagnóstico. Nada de eso es difícil. Todo requiere que tú seas el pegamento entre seis herramientas distintas.
¿Y si pudieras escribirles a tus agentes de IA, decirles “averigüen qué hicimos la última vez, redacten un informe, envíenlo al equipo”, y retirarte?
Eso es Kiro Crew. Y se lanzó el 4 de agosto de 2026.
Qué es Kiro Crew en realidad
Kiro Crew es un workspace de desarrollo persistente y open source (Apache 2.0). Una capa de orquestación que coordina múltiples agentes de IA, preserva el contexto entre sesiones, agenda trabajo recurrente y sigue funcionando mientras estás desconectado.
La historia de origen importa. Tres ingenieros dentro de Amazon construyeron un proyecto paralelo llamado MeshClaw. Querían algo simple: iniciar una tarea, alejarse, volver a algo revisable. Ejecutar varias tareas a la vez en lugar de cuidar un prompt a la vez.
Luego otros builders de Amazon lo adoptaron. No porque alguien lo ordenara, sino porque los ingenieros seguían encontrando vacíos en sus flujos de trabajo, los arreglaban y empujaban la solución río arriba. En menos de seis meses, más de 39,000 builders de Amazon lo adoptaron. Casi 500 contribuidores enviaron 597 actualizaciones a un ritmo promedio de 143 commits semanales.
Esa adopción orgánica es la señal más fuerte. El hecho de que miles de ingenieros eligieran usarlo y cientos eligieran mejorarlo dice más que cualquier lista de features.
“Después de 10+ años construyendo infraestructura cloud, acepté una verdad frustrante: paso más tiempo siendo el ‘pegamento’ entre herramientas que haciendo ingeniería real. Los desarrolladores somos la capa de integración entre nuestras propias herramientas.”
El problema que resuelve
Si usas Kiro CLI desde hace meses, sabes que es bueno dentro de una sola sesión. Haces un prompt, responde, hace trabajo sólido. Pero ¿cierras la pestaña? La próxima vez que la abras, el contexto se perdió. Pasas los primeros diez minutos reexplicando en qué estás trabajando. Tus archivos de configuración se conservan, pero la memoria de trabajo de “¿dónde estábamos?” no.
Kiro Crew rompe ese patrón haciendo el workspace persistente:
- Memoria: preferencias, proyectos activos e historial relevante entre sesiones.
- Lecciones: las correcciones que haces se vuelven reglas persistentes. Dile una vez que deje de usar
vary nunca más lo usará. Con alcance por workspace, para que las reglas del proyecto A no contaminen el proyecto B. - Skills: los patrones repetidos se sintetizan en archivos Markdown nombrados e inspeccionables.
- Grafo de conocimiento: decisiones de arquitectura, preferencias de código y contexto de proyecto almacenados con embeddings vectoriales y búsqueda de texto completo.
Todo es visible. Puedes editarlo, borrarlo, acotarlo. Nada de caja negra mágica que no puedas auditar.
Trabajo programado y sin supervisión
Aquí es donde Crew se separa de todas las demás herramientas de código IA que he usado:
- Cron jobs: conscientes de zona horaria, timeouts por trabajo, jitter para evitar avalanchas de ejecuciones y fechas de salto para ventanas de mantenimiento.
- Webhooks: endpoints autenticados que disparan trabajo del agente cuando llegan eventos externos.
- Heartbeats: vigilan cambios de estado en PRs, deploys y pipelines. Disparan trabajo cuando se cumplen condiciones.
- Checkpoints y reintentos: las tareas largas guardan progreso y se reanudan después de fallos.
El detalle clave: los trabajos que no requieren razonamiento del modelo corren como scripts planos. Sin llamada de inferencia, sin consumo de créditos. Un script de health check no cuesta nada. Solo el razonamiento consume créditos.
Orquestación multi-agente
Crew puede ejecutar varias conversaciones en paralelo, cada una con contexto aislado. Delega investigación e implementación independiente a sub-agentes y luego devuelve los resultados a una conversación padre que se mantiene enfocada en el objetivo.
Le das una tarea de migración. Crea un agente para analizar el código fuente, otro para escribir el código destino, otro para manejar los tests. El padre coordina. Es el patrón que muchos esperábamos desde que aparecieron los sub-agentes en las CLIs de IA, que funcionan pero te obligan a permanecer en el loop en cada traspaso.
Apps: interfaces construidas para propósitos específicos
Algunos trabajos no pertenecen a una ventana de chat. Las Apps envuelven agentes, skills, horarios e integraciones en UIs personalizadas:
- DevFleets: gestión del árbol de trabajo
- Task Runner: ejecución de tareas de larga duración
- Issue Radar: triage de PRs e issues con etiquetas de readiness
- Code Review Sage: revisiones por radio de impacto, prepara borradores de reviews en GitHub
- Research Lab: lanza sub-preguntas a agentes en paralelo y transmite hallazgos
Puedes construir las tuyas con el App SDK (TypeScript o Python), combinando UI en React con el runtime de agentes y el bus de eventos.
7 capas de seguridad
Darle a un agente acceso real a tu código y tu CI exige seguridad real. Crew incluye:
- Sandbox de procesos a nivel de SO
- Puertas de aprobación de herramientas (tú decides qué se ejecuta)
- Bloqueo de rutas sensibles
- Rutas protegidas contra escritura
- Patrones de comandos denegados y bloqueo de bash sospechoso
- Validación de entradas MCP y redacción de salidas
- Redacción de credenciales y logs de auditoría firmados (SEL)
Al ser open source, puedes verificar cada capa. Leer el código, trazar la ruta de ejecución, confirmar que el sandbox realmente aísla.
Dónde encaja en el ecosistema Kiro
Kiro ahora tiene cuatro superficies: IDE, CLI, Web y Crew.
| Kiro IDE | Kiro CLI | Kiro Web | Kiro Crew | |
|---|---|---|---|---|
| Sesiones | Interactivas | Interactivas | Interactivas | Persistentes, autónomas |
| Programación | No | No | No | Cron, webhooks, heartbeats |
| Multi-agente | No | Sub-agentes | No | Orquestación paralela completa |
| Memoria | Solo sesión | Solo sesión | Solo sesión | Persistente entre sesiones |
| Trabajo sin supervisión | No | No | No | Sí |
| Open source | No | No | No | Sí (Apache 2.0) |
Crew corre sobre la CLI de Kiro y lee tu configuración .kiro existente. Archivos de steering, skills y agentes personalizados se transfieren sin migración ni reconfiguración. También usa el Agent Client Protocol (ACP) para la orquestación: cada paso es observable en vivo. Ves cómo planea, crea sub-agentes, selecciona herramientas, bloquea acciones para aprobación y sintetiza resultados.
Dónde lo habría usado el mes pasado
Tres escenarios reales de las últimas semanas donde Crew me habría ahorrado horas:
La migración CDK que se estancaba cada noche. Estaba migrando stacks de CloudFormation a CDK. Cada stack tomaba 20-40 minutos de tiempo de agente: analizar la plantilla, generar constructos CDK, correr cdk synth para validar. Podía hacer 3-4 stacks por sesión antes de que el contexto se degradara. Con checkpoints y memoria persistente de Crew, podría haber encolado los 12 stacks, dejar que trabajara toda la noche y volver a un PR con todos los outputs validados.
El lunes de “¿qué pasó el fin de semana?”. Abrir Slack con 40+ mensajes, revisar tres repos, ver si el deploy del viernes aguantó, escanear CloudWatch. Son 45 minutos antes de escribir una línea de código. Un cron de resumen matutino de Crew hace eso en 5 minutos. Cero créditos para el escaneo de Slack y CloudWatch (scripts planos), créditos mínimos para resumir hallazgos.
La actualización de dependencias que nadie hace. Un proyecto personal con 15 dependencias npm que debería actualizar mensualmente. Un heartbeat semanal podría revisar avisos de seguridad, probar las actualizaciones y abrir un PR solo cuando los tests pasen. Costo: casi cero, porque la mayoría de ejecuciones serían “nada que actualizar”.
“Un digest matutino de PRs toma una llamada de razonamiento (2-3 créditos). Compáralo con los 45 minutos que pasas escaneando GitHub cada mañana.”
Casos de uso para probar primero
No empieces con algo complejo. Empieza con trabajo que ya se extiende más allá de una sesión.
Digest matutino de PRs: agenda un cron diario que revise los PRs abiertos, resuma el estado y marque lo que necesita atención. La parte de “listar PRs” es un script (cero créditos); la de “resumir qué cambió y si está listo para review” toma una llamada de razonamiento (2-3 créditos).
Cazador de tests flaky: pon un heartbeat en tu pipeline de CI. Cuando un test falle dos veces seguidas, Crew investiga los logs, identifica el patrón y abre un PR de fix.
Investigación de incidentes entre repos: apúntalo a una alerta. Extrae logs de múltiples repos, correlaciona timestamps e identifica la causa raíz probable mientras tú te enfocas en el fix.
Detección de drift de dependencias: cron semanal que busca paquetes desactualizados, ramas muertas, docs que ya no coinciden con el código y suites de tests fallando. La mayoría de semanas no encuentra nada (cero créditos). Cuando encuentra algo, abre un issue con versiones exactas y ruta de actualización sugerida.
Migración larga con checkpoints: cada stack es un checkpoint. Si el stack 7 falla la validación, Crew reintenta con otro enfoque. No reinicias desde el stack 1.
Cómo empezar
Requisitos: cuenta de Kiro (el free tier sirve para probar, Pro+ recomendado para uso real), CLI de Kiro instalada y autenticada, y familiaridad con la configuración .kiro.
# Clona el repo
git clone https://github.com/kirodotdev/KiroCrew
# O descarga desde releases (macOS, Linux, Windows)
# Comandos principales
kirocrew chat # Iniciar una sesión
kirocrew run # Ejecutar una tarea
kirocrew cron # Gestionar trabajos programados
kirocrew spawn # Crear agentes paralelosTu configuración .kiro existente se transfiere automáticamente: archivos de steering, skills, agentes personalizados. Si ya invertiste tiempo en tu setup de Kiro, esa inversión se transfiere directo. La app de escritorio (Electron) no requiere instalar Python ni npm. También puedes conectar Slack, Telegram, Discord o WeCom para interactuar con tu crew desde cualquier superficie.
La realidad del pricing
Kiro Crew en sí no cuesta nada. Es Apache 2.0. Pero los agentes necesitan inferencia, y la inferencia necesita un plan de Kiro.
| Plan | Costo mensual | Créditos incluidos |
|---|---|---|
| Free | $0 | 50 créditos |
| Pro | $20 | 1,000 créditos |
| Pro+ | $40 | 2,000 créditos |
| Pro Max | $100 | 5,000 créditos |
| Power | $200 | 10,000 créditos |
Créditos adicionales: $0.04 cada uno. Los trabajos programados que corren scripts planos (health checks, operaciones git simples) consumen cero créditos. Solo las llamadas de razonamiento cuestan.
¿Cómo se compara? El plan Teams de Devin empieza en $500/mes (con el plan Core a $20/mes para uso ligero). OpenAI Codex requiere gasto de API que escala de forma impredecible. La ventaja de Crew: sabes exactamente cuánto gastas, y la mayoría de trabajos de mantenimiento programados no cuestan nada.
Basado en patrones de uso típicos: un “revisar PRs y resumir” consume unos 2-3 créditos. Un “investigar tests fallando y proponer fix” puede ir de 8-12 créditos. Con el plan Pro ($20/mes, 1,000 créditos), podrías correr un digest matutino cada día laboral y aún te quedarían 900+ créditos para trabajo interactivo.
Qué vigilar
Seamos honestos con las limitaciones, porque todo artículo de “presentación” pretende que no existen.
La dependencia del plan de Kiro es real. Crew es open source, pero la CLI sobre la que corre requiere cuenta y créditos de Kiro. Hasta que alguien construya y valide un conector para otro runtime de agentes, estás atado a la inferencia de Kiro. Como lo dijo Michael Leone de Moor Strategy: “Hasta que alguien ejecute un agente diferente bajo Crew y demuestre que funciona, la parte abierta termina en la capa de orquestación.”
No puedes conectar Claude Code, Codex o Devin hoy. El protocolo ACP es abierto, pero las integraciones necesitan construirse y probarse. Es el día uno; los conectores vendrán, pero aún no existen.
Los agentes paralelos multiplican costos. Tres sub-agentes trabajando simultáneamente queman el triple de créditos. Lo que parece una tarea puede generar cuatro llamadas de razonamiento. Arquitecta tus flujos con ejecución secuencial donde el orden importe, y paralela solo para trabajo genuinamente independiente.
La gobernanza organizacional es tu responsabilidad. Antes de dejar agentes persistentes operando sobre tus repos y pipelines, necesitas políticas de acceso de mínimo privilegio, aprobaciones humanas, retención de memoria y auditabilidad. Las capas de seguridad existen en Crew, pero tu organización decide cómo configurarlas.
Y el caveat más importante: Crew no va a arquitectar tu sistema. No toma decisiones de diseño. No te dice si elegir ECS o Lambda para tu workload específico. Coordina y ejecuta. Tú sigues siendo la ingeniera o el ingeniero que decide qué construir y por qué.
El panorama general
La trayectoria es clara: asistentes de IA, luego agentes de IA, ahora equipos de IA. Hemos vivido en la fase de “agentes” durante el último año. Kiro Crew empuja hacia equipos.
No equipos que reemplacen desarrolladores. Equipos que absorban el trabajo de integración, el monitoreo, el mantenimiento rutinario y la reconexión de contexto entre sesiones. Para que dediques tu tiempo al diseño de sistemas, las decisiones de arquitectura y los problemas complejos que de verdad necesitan un cerebro humano.
“El uso de agentes dentro de la mayoría de empresas hoy es shadow IT. Un workspace compartido con puertas de aprobación y logging te da un solo lugar para ver qué se ejecutó, qué tocó y quién lo autorizó.” — Michael Leone, Moor Strategy
Esa es la propuesta de valor real para los equipos de platform engineering: no es “hacer a los desarrolladores más rápidos”, es “hacer el uso de agentes de IA visible, auditable y gobernable”. Las capas de seguridad, los logs de auditoría firmados, las puertas de aprobación: son la respuesta a “¿cómo dejamos que los ingenieros usen agentes de IA sin perder el control?”.
El ángulo open source también importa. Un workspace con acceso a tu código, CI y credenciales no debería ser una caja negra. Deberías poder leer el código fuente, trazar la ejecución y verificar las capas de seguridad. Kiro Crew trae esa transparencia desde el día uno.
Lo adoptes hoy o esperes a que el ecosistema madure, este es el patrón de dirección: workspaces persistentes, autoaprendientes y multi-agente que trabajan contigo entre sesiones. La pregunta no es si esto se vuelve estándar. Es quién construye el suyo primero.
Enlaces:
- Página del producto: kiro.dev/crew
- Docs: kiro.dev/docs/crew
- Discord: discord.gg/kirodotdev
Sigue explorando estos temas en el blog de DojoFullStack: la orquestación de agentes de código, la automatización del trabajo de desarrollo y el futuro open source de la IA están redefiniendo cómo construimos software. Si trabajas con AWS o con agentes de código, este es el momento de experimentar con workspaces persistentes que trabajen contigo — y por ti — entre sesiones.