新手入门
AI 快讯 编译自 aws_ml_blog #功能更新#AWS#Kiro CLI

Kiro CLI 接入 Amazon Bedrock AgentCore Memory：实现跨会话持久记忆，告别重复上下文

AWS 发布新方案，通过自定义 MCP 服务器将 Amazon Bedrock AgentCore Memory 集成到 Kiro CLI，让终端 AI 助手记住跨会话的对话历史、偏好和项目细节。本文详解架构、两步检索策略及部署步骤，对使用 Kiro CLI 的开发者意味着更高效的上下文感知体验。

编译发布 2026/05/24 原文发布 2026/05/19

一句话看懂

AWS 推出方案，让 Kiro CLI 通过 MCP 服务器接入 Bedrock AgentCore Memory，实现跨会话持久记忆，开发者无需重复提供上下文。

详细发生了什么

AWS 官方博客发布了一篇技术文章，介绍如何通过自定义 Model Context Protocol (MCP) 服务器，将 Amazon Bedrock AgentCore Memory 集成到 Kiro CLI 中。Kiro CLI 是一款终端 AI 代理工具，此前每次会话结束后会丢失对话历史，导致用户每次新会话都要重复说明项目背景、偏好等信息。

解决方案由三部分组成：Amazon Bedrock AgentCore Memory（全托管持久记忆服务，支持语义搜索）、自定义 MCP 服务器（暴露记忆操作接口）、Kiro CLI（通过 STDIO 协议连接 MCP 服务器）。MCP 服务器提供三类工具：会话工具（搜索、存储、检索、列出会话）、监控工具（查看内存使用统计和服务器配置）、管理工具（删除会话或数据）。

检索策略采用两阶段：先通过 Bedrock AgentCore Memory 的 retrieve_memory_records API 进行语义搜索，若未找到则回退到直接的事件级内容匹配。用户可以使用 “recent”、“last night”、“yesterday” 等时间短语来定位相关会话。

部署步骤包括：克隆 GitHub 仓库、创建 Python 虚拟环境、运行脚本创建 Bedrock AgentCore Memory 资源并生成 Kiro 代理配置、配置默认代理、使用 AWS Builder ID 登录 Kiro CLI，最后通过 /mcp 和 /tools 命令验证 MCP 服务器是否正常工作。

中文圈视角

对国内开发者来说，这个方案有几个值得关注的点：

  1. 可用性：Amazon Bedrock AgentCore Memory 目前仅在部分 AWS 区域可用，国内用户需要通过 AWS 全球区域（如 us-east-1）访问，可能需要配置网络环境。Kiro CLI 本身也需要 AWS Builder ID 或组织订阅，门槛不算低。

  2. 国产平替：国内类似服务如阿里云的百炼平台、百度智能云的千帆大模型平台，目前尚未提供与 Bedrock AgentCore Memory 完全对等的持久记忆 API。但开发者可以自行实现基于向量数据库（如 Milvus、Elasticsearch）的会话记忆方案，通过自定义 MCP 服务器集成到 Kiro CLI 中。

  3. 场景价值：对于使用 Kiro CLI 进行长期项目开发的国内开发者，这个功能能显著提升效率。例如，在持续数周的大型代码库重构中，AI 助手能记住之前的架构决策、代码风格偏好和已讨论过的 Bug，避免重复提问。

  4. 合规盲点：AWS 的 AgentCore Memory 数据存储在 AWS 区域，涉及数据出境问题。国内企业若需处理敏感代码或业务数据，需评估是否合规。目前国内云厂商尚未推出类似的全托管记忆服务，这可能成为国产 AI 工具链的一个差异化机会。

几条值得记住的细节

  • 两阶段检索策略：先语义搜索，失败后回退到事件级内容匹配，确保会话可检索。
  • 支持时间短语搜索：用户可以用 “recent”、“last night”、“yesterday” 等自然语言查询历史对话。
  • 会话标识符可选用户 ID 或项目 ID，项目 ID 模式适合团队隔离记忆。
  • 部署需 Python 3、AWS CLI 权限、AWS Builder ID 或组织订阅。
  • MCP 服务器提供 9 个工具，涵盖会话搜索、存储、删除、监控等操作。

一句话总结

Kiro CLI 获得持久记忆能力后，开发者无需重复上下文，跨会话的 AI 协作体验更接近人类助手。

← 返回 AI 快讯列表