← Financial Cloud Cloud 클라우드 클럽 · AWS Re:cap

극점매크로|Financial Cloud Cloud · AWS Re:cap

AWS Re:cap 12: Kiro를 활용한 스펙 주도 개발(DEV314)

발표자: AWS re:Invent 2025

세션: 12

세션
Summit Dev Lounge2026 Re:cap
01 아키텍처를 Steering으로 인코딩해 AI Agent를 이끌다
Summit Dev Lounge2026 Re:cap
02 Agent Harness가 진짜 엔지니어링 해자다
Summit Dev Lounge2026 Re:cap
03 일상 언어로 관찰 가능성 데이터에 묻다
Summit Dev Lounge2026 Re:cap
04 Bedrock AgentCore로 만드는 Serverless AR 게임
Summit Dev Lounge2026 Re:cap
05 AgentCore 위의 Multi-Agent Quant Backtesting
Summit Dev Lounge2026 Re:cap
06 Kiro로 3분 만에 블로그를 슬라이드로
Summit Dev Lounge2026 Re:cap
AWS Community Day Hong Kong 2025 Re:cap
02 Terraform을 활용한 AWS 컴플라이언스
AWS Community Day Hong Kong 2025 Re:cap
03 초보자에서 빌더로: 멋진 클라우드 여정
AWS Community Day Hong Kong 2025 Re:cap
04 Laravel와 Bref를 활용한 팀 우선 서버리스 엔지니어링
AWS Community Day Hong Kong 2025 Re:cap
05 행사 개회
AWS Community Day Hong Kong 2025 Re:cap
06 Agent-to-Agent: AWS에서 상호 운용 가능한 AI 구축하기
AWS Community Day Hong Kong 2025 Re:cap
07 AI 에이전트와 추가 텔레메트리 데이터를 활용한 신속한 개선
AWS Community Day Hong Kong 2025 Re:cap
08 바이브 코딩을 넘어서: Kiro를 활용한 사양 주도 개발
AWS Community Day Hong Kong 2025 Re:cap
09 MCP 및 AI 에이전트를 활용한 자동화 테스트
AWS Community Day Hong Kong 2025 Re:cap
10 통신 보안 현대화: ML 기반 접근 방식
AWS Community Day Hong Kong 2025 Re:cap
11 GenAI 에이전트 재고찰: RAG와 MCP
AWS Community Day Hong Kong 2025 Re:cap
12 TAK와 AWS를 활용한 재난 및 긴급 대응
AWS Community Day Hong Kong 2025 Re:cap
13 테스트 관점에서 서버리스 애플리케이션 워크플로 재고찰
AWS Community Day Hong Kong 2025 Re:cap
14 클라우드 성공을 위한 실용적인 AWS FinOps
AWS Community Day Hong Kong 2025 Re:cap
15 AWS에서 AI로 구현하는 글로벌 Pure-Alpha 매크로 트레이딩: 위험 조정 자산 수익의 혁신
AWS Community Day Hong Kong 2025 Re:cap
FSI Recap
01 Modern Trade Lifecycle: Trading to Settlement
FSI Recap
02 Goldman Sachs: Fast Track your applications onto Cloud - AWS Re:cap Q1/2023
FSI Recap
03 Zurich Insurance Group: Building an Effective Log Management Solution on AWS
FSI Recap
04 FSI Meetup 2025 Q4 - Brex Database Disaster Recovery
FSI Recap
05 FSI Meetup 2025 Q4 - A Graviton Migration Success Story
FSI Recap
06 FSI Meetup 2025 Q4 - Stifel Modern Data Platform
FSI Recap
07 FSI Meetup 2025 Q4 - Financial Transaction Data Reconciler PayPal
FSI Recap
08 FSI Meetup 2025 Q4 - Scaling Resilience
FSI Recap
09 Maximizing AI Inference Cost Efficiency: Strategic Adoption of AWS GPU Instances
FSI Recap
10 Advanced Agentic AI Design Patterns
FSI Recap
11 Build New Modern Apps on AWS
FSI Recap
AWS re:Invent 2025
01 Coinbase re:Invent 요약 (IND3312)
AWS re:Invent 2025
02 AI 및 AWS를 활용한 미래 거래 플랫폼 구축
AWS re:Invent 2025
03 거래 혁신: Amazon Bedrock 기반 Jefferies AI 어시스턴트(IND3315)
AWS re:Invent 2025
04 FSI가 에이전틱 AI로 HFT 분석을 혁신한 방법(GBL302)
AWS re:Invent 2025
05 Nasdaq 사례로 살펴보는 Amazon Time Sync 기반 분산 시스템 개선
AWS re:Invent 2025
06 글로벌 복원력을 위한 Amazon Aurora HA 및 DR 설계 패턴 (DAT442)
AWS re:Invent 2025
07 에이전틱 AI 구축: Amazon Nova Act와 Strands Agents 실전 활용 (DEV327)
AWS re:Invent 2025
08 Amazon Aurora와 주요 혁신 심층 분석 (DAT441)
AWS re:Invent 2025
09 Amazon S3 심층 분석(STG407)
AWS re:Invent 2025
10 Nasdaq: 글로벌 금융 서비스를 위한 복원력 있는 인프라 구축(HMC327)
AWS re:Invent 2025
11 AWS Lambda의 새로운 기능(CNS376)
AWS re:Invent 2025
12 Kiro를 활용한 스펙 주도 개발(DEV314)
AWS re:Invent 2025
13 Amazon의 FinOps: 글로벌 전자상거래 대기업이 전하는 클라우드 비용 교훈(AMZ308)
AWS re:Invent 2025
14 AWS에서 지연 시간 거래 플랫폼을 거래하려면 선택하세요.
AWS re:Invent 2025
Government data
01 The AI Era: The Boundary Between Development and Design Is Disappearing
Government data
02 On-Device Multimodal AI and Smart-City Practice
Government data
03 Large-Model Capability Evaluation and a Method for Landing AI Projects
Government data
04 Controlled End-to-End Automation of Government Development with Cloud Agents
Government data
05 A New Software Ecosystem for the Agent Era, Seen Through Multi-Agent Systems
Government data
06 AI-Driven Macro Quantitative Research and Smart Governance
Government data
07 Authorized Operation of Public Data and Smart-Government Practice
Government data
08 Putting Data Assetization into Practice: Rights, Compliance, Engineering Governance, and Digital-Government Cases
Government data
09 AI for Mental-Health Public Welfare: Governance, Architecture, and Practice of a Trustworthy Platform
Government data
Amarathon 2025 정리
01 에이전트 아키텍처 설계를 위한 개발자 로드맵
Donnie Prakoso
02 Amazon Bedrock Data Automation
Hafiz Syed Ashir Hassan
03 AgentCore의 멀티 에이전트
Tan Xin
04 에이전틱 AI 구축 Nova Act와 Strands Agents 실전 활용
Haowen Huang
04 사양 주도 개발로 Kiro를 활용하여 마이그레이션 프로젝트 가속화
Sanchit Dilip Jain
06 "매칭"에서 "이해"로: AgentCore Memory가 주도하는 개인화 AI 검색 실습
Liu Cao
07 관찰을 통한 최적화 – LLM 관찰 가능성에서 AIOps까지, 실시간 인사이트를 지능형 자동화로 전환
Jimmy Soh
08 TEAM 배포와 최고의 엔지니어링 팀 구축
Yuji Oshima
09 소위 서버리스 데이터베이스를 5년간 사용하며 얻은 다섯 가지 뼈아픈 교훈
Renato Losio
14 AI가 내 일을 한다면? Q Developer CLI와 Kiro가 내 일상을 어떻게 바꾸었는가
Miguel Angel Muñoz
16 경계심을 갖춘 속도: Amazon Bedrock 에이전트 개발을 위한 필수 보안 사항
Brian Tarbox
26 단일 H100에서 OSS LLM을 더 스마트하고, 저렴하고, 빠르게 실행하기
Adit Modi Adit Modi
28 현대적인 통합 메타데이터 아키텍처: 데이터 사일로를 허무는 새로운 접근 방식
Shaofeng Shi
29 서버리스 MediaOps: Amazon Web Services에서 AI로 비디오 워크플로 자동화
Luis Valdivia
30 대규모 성능 테스트로 효율성과 안정성을 고려한 아키텍처 설계
Luis Guirigay
31 오픈 소스로 세계를 연결하기: 기술, 커뮤니티 및 글로벌 개발자 관계의 실전 여정
Richard Lin
33 실시간 물류 분석을 위한 스트리밍 Iceberg 테이블 구축
Fahad Shah
34 대규모 로봇 전략 훈련 가속화: Kiro, Trainium 및 EKS 기반 자동화 폐쇄 루프 아키텍처
Junjie Tang
35 사양 주도 개발로 감각적 코딩에서 실용적 개발로
Ricardo Sueiras
36 클라우드 비용 분석을 더 스마트하게: Strands와 AgentCore로 FinOps 지능형 에이전트 구축하기
Xiaofei Li
37 CNCF Kagent, K8sGPT, Nova Sonic을 사용하여 K8s용 대화형 에이전틱 AIOps 혁신하기
Shaoyi Li

동영상: https://www.youtube.com/watch?v=4qcWgPb-8Fk

Kiro와 스펙 주도 개발 소개

개요

● Kiro는 최근 출시된 새로운 에이전트형 IDE로, 스펙 주도 개발을 강조합니다.

● 구조화된 워크플로를 통해 코드 품질과 검토 프로세스를 개선하는 것이 목표입니다.

● IDE는 컴파일러와 디버깅 같은 통합 도구 덕분에 널리 사용되었습니다.

● AI 편집기는 코드 완성에서 시작해 에이전트형 경험으로 발전했습니다.

● 이제 개발자는 제어권을 유지하면서 코드 작성 및 검토를 위해 AI 에이전트를 지휘합니다.

● Vibe Coding과 스펙 주도 개발 비교:

● Vibe coding은 빠른 프로토타이핑을 지원하지만 기존 SDLC 수명 주기가 부족합니다.

● 스펙 주도 개발은 요구 사항부터 결과물까지 구조화된 워크플로를 도입하며, 사전 계획에 집중해 모델의 집중도와 결과물 품질을 개선합니다.

● 스펙 주도 개발 워크플로:

● 요구 사항으로 시작해 설계, 작업 목록, 구현 순서로 진행합니다.

● 원하는 결과물을 얻을 때까지 반복적으로 다듬을 수 있습니다.

● 맞춤법 검사와 코딩 원칙 적용 등 변경 사항을 검증하는 hook이 포함됩니다.

AI 편집기와 소프트웨어 개발의 진화

AI 편집기

● 개발자가 자연어를 입력하면 AI가 여러 파일을 편집하는 보다 에이전트형인 경험으로 발전했습니다.

● 근본적인 변화: 개발자는 워크플로에 대한 제어권을 유지하면서 코드 작성 및 검토를 위해 AI 에이전트를 지휘합니다.

● Vibe Coding:

● 개발자가 프롬프트를 작성하고 AI가 코드를 생성하는 과정을 반복하는 인기 워크플로입니다.

● 빠른 프로토타이핑에는 효과적이지만 기존 SDLC 수명 주기가 부족해 맥락 및 의사 결정에 어려움이 생깁니다.

● 스펙 주도 개발:

● 사전 계획을 강조하여 vibe coding의 과제를 해결하기 위해 도입되었습니다.

● 요구 사항부터 결과물까지 구조화된 워크플로로, 모델의 집중도와 결과물 품질 향상에 중점을 둡니다.

● 워크플로에는 요구 사항, 설계, 작업 목록 및 구현이 포함되며 반복적으로 다듬을 수 있습니다.

● 변경 사항을 검증하는 hook을 통합하여 "AI" 문제를 해결하고 코드 품질을 보장합니다.

스펙 주도 개발

변경 사항 검증을 위한 Hook

● Kiro는 개발 프로세스 중 변경 사항을 검증하는 hook을 통합합니다.

● 예로 문서 맞춤법 검사기, 어조 및 스타일 검사, UI 구성 요소에 단일 책임 원칙 같은 코딩 원칙 적용이 있습니다.

● 구직자 앱 개념:

● 핵심 아이디어: 면접 준비뿐 아니라 스타일, 어조, 실제 면접 성과 등 구직의 더 폭넓은 측면을 다룹니다.

● 엘리베이터 피치: 사용자가 로그인해 프로필을 설정하고 질문-답변 흐름으로 면접을 준비하며, 마지막에 정성적 피드백과 정량적 점수를 모두 받습니다.

Kiro 인터페이스와 기능 개요

Kiro 인터페이스

● Tailwind CSS가 설치된 새로운 앱의 개요.

● Kiro 메뉴:

● Agent hooks: 파일 저장이나 삭제 같은 이벤트로 실행되는 백그라운드 프로세스로, 문서나 현지화 업데이트에 유용합니다.

● Agent steering: 코딩 및 설계 표준을 위한 규칙 파일로, 애플리케이션의 현재 상태에 따라 자동 생성됩니다.

● Specs: 요구 사항에서 결과물까지 이어지는 구조화된 워크플로로, 아이디어부터 구현까지 명확한 경로를 보장합니다.

● MCP: My Code Partner 서버로, 다양한 AWS 서비스 및 제품과 통합할 수 있으며 최근 더 쉬운 설치를 위한 개선 사항이 추가되었습니다.

● Agent Hooks:

● 일반적인 시나리오를 위한 사전 구축 hook을 사용할 수 있고 특정 파일 형식을 유연하게 지정할 수 있습니다.

● Agent Steering:

● 애플리케이션의 현재 상태에 따라 steering 파일을 자동 생성합니다.

● 예: TypeScript 및 Vite를 사용하는 Vite 웹 애플리케이션을 위해 생성된 제품 및 기술 파일.

● MCP Servers:

● 다양한 서비스와 제품을 위한 MCP server 목록이 계속 확장됩니다.

● 최근 추가 사항: kiro.dev를 통한 MCP server 원클릭 설치.

Kiro의 스펙 주도 개발

개요

● 스펙 주도 개발은 이 세션의 핵심 주제로, 요구 사항부터 결과물까지 구조화된 워크플로를 강조합니다.

● Kiro는 최적의 모델을 선택하는 자동 선택 기능과 함께 다양한 AI 모델(Sonnet 4.5, 4.4, Opus, Haiku)을 지원합니다.

● 구직자 앱 만들기:

● 다이어그램을 설계 입력으로 사용하여 Kiro에 구직자 앱 생성을 요청합니다.

● 제공된 설계를 바탕으로 요구 사항 문서를 생성하는 것부터 시작합니다.

● 요구 사항 문서:

● Kiro는 초기 프롬프트를 인수 조건이 포함된 사용자 스토리 형태의 요구 사항 집합으로 구체화합니다.

● 사용자 스토리는 사람이 읽을 수 있는 형식으로 기능을 정의하고, 인수 조건은 구현에 필요한 세부 사항을 설명합니다.

● 사용자 스토리와 인수 조건:

● 사용자 스토리의 예로 로그인, 프로필 관리 및 면접 준비 세션이 있습니다.

● 세부 구현을 위한 인수 조건을 살펴보기 전에 사용자 스토리가 원하는 기능과 일치하는지 검토합니다.

요구 사항 개선과 설계 단계로의 이동

요구 사항 검토 및 개선

● Kiro에서는 요구 사항을 반복적으로 다듬을 수 있습니다. 예시에서는 일부 요구 사항(1, 2, 상태 지속성)을 제거하고 나머지(3, 4, 5, 6, 7, 8)를 MVP 범위에 유지했습니다.

● 요구 사항이 원하는 결과에 부합하도록 과정에서 반복적으로 오가는 것이 중요함을 강조합니다.

● 워크플로 유연성:

● Kiro는 빠른 프로토타이핑을 위한 vibe coding과 구조화된 계획을 위한 스펙 주도 개발 등 여러 워크플로를 지원합니다.

● 개발자는 더 구조화된 접근 방식으로 전환하기 전에 초기 인터페이스와 기능을 검토하기 위해 vibe coding을 선호할 수 있습니다.

● 설계 단계:

● 요구 사항이 확정되면 Kiro가 기존 코드베이스를 바탕으로 설계 문서를 생성합니다.

● 설계 단계에는 시스템이 지정된 요구 사항을 충족하도록 아키텍처 다이어그램과 속성 테스트를 만드는 작업이 포함됩니다.

● 반복적 프로세스:

● 이 프로세스는 반복적이므로 개발자가 결과에 만족할 때까지 요구 사항과 설계 문서를 다듬을 수 있습니다.

● 생성된 문서는 향후 개발과 유지 관리에 유용한 참고 자료가 됩니다.

설계 문서 검토 및 개선

설계 문서 개요

● Kiro는 개선된 요구 사항을 바탕으로 상위 수준 아키텍처와 구성 요소 개요를 포함한 설계 문서를 생성합니다.

● 설계 문서는 명확한 시각화와 문서화를 위해 Mermaid 다이어그램과 Markdown을 사용합니다.

● 상위 수준 아키텍처:

● 아키텍처에는 시작 화면, 질문 화면, 결과 화면, 데이터 지속성을 위한 local storage, 오디오 응답 녹음을 위한 Web Audio API가 포함됩니다.

● 구성 요소 분석:

● 식별된 핵심 구성 요소: 시작 화면 보기, 질문 화면 보기, 세션 상태 캡처(질문과 응답), 질문 은행(MVP), 스토리지 세션.

● 누락된 부분 식별:

● 누락된 기능: 사용자 응답 오디오의 텍스트 변환과 상세한 결과 분석.

● 설계 문서에는 오디오를 텍스트로 변환하는 방법과 결과를 생성하고 표시하는 방법에 대한 구체적인 내용이 없습니다.

● 설계 개선:

● 추가 요구 사항: 사용자가 말하는 동안 텍스트로 변환하고 결과에 추가 분석 제공.

● 자연어 프롬프트로 새 요구 사항을 쉽게 추가할 수 있다는 점을 강조하며 AI 지원 문서화의 편리함을 보여 줍니다.

설계 개선과 작업 목록으로의 이동

설계 문서 업데이트

● Cloud SDK를 사용한 오디오 텍스트 변환과 상세한 결과 분석 등 추가 기능을 설계 문서에 추가했습니다.

● 버전 관리 시스템에 의존하지 않고 이전 상태로 쉽게 되돌릴 수 있도록 체크포인트와 복원 기능을 도입했습니다.

● 시스템 다이어그램 업데이트:

● 시스템 다이어그램에 텍스트 변환 서비스(Cloud SDK를 사용한 speech-to-text)를 추가했습니다.

● 작업 목록 생성:

● 업데이트된 설계 문서를 바탕으로 작업 목록을 생성하는 단계로 이동합니다.

● 작업에는 데이터 모델 생성, 오디오 녹음 서비스 구현, 응답 검증 스토리지 및 AI 통합이 포함됩니다.

● 유연성과 개선:

● 워크플로를 통해 수동 편집 및 개선 사항을 설계 문서에 통합할 수 있습니다.

● MVP 범위를 빠르게 달성하는 데 집중하도록 작업 순서를 바꾸거나 우선순위를 지정할 수 있습니다.

● 선택적 작업:

● 속성 기반 테스트 작업은 기본적으로 선택 사항으로 설정되어 개발자가 추가 테스트보다 핵심 기능에 먼저 집중할 수 있습니다.

● 더 빠른 MVP 개발을 위해 특정 작업의 우선순위를 높이도록 작업 목록을 개선할 수 있습니다.

작업 목록 우선순위 지정 및 구현

작업 목록 유연성

● MVP 범위를 빠르게 달성하는 데 집중하도록 작업 목록을 다듬고 순서를 바꿀 수 있습니다.

● 작업 수를 줄이도록 작업을 그룹화하여 워크플로를 더 쉽게 관리할 수 있습니다.

● 테스트 우선 개발:

● 테스트 주도 개발 방식을 선호하는 개발자는 테스트를 먼저 작성할 수 있습니다.

● 워크플로는 다양한 개발 방식을 지원하여 팀의 선호도에 따라 사용자 지정할 수 있습니다.

● 핵심 MVP 작업:

● 종속성 설정, 핵심 데이터 형식 생성, 애플리케이션 상태 관리 구현, 오디오 녹음 구현, 음성 테스트라는 다섯 가지 작업을 핵심 MVP로 식별했습니다.

● 추가 작업에는 응답 검증 스토리지 구현과 시작 화면 구성 요소 생성이 포함됩니다.

● UI 포함:

● 초기 단계에는 UI 구성 요소가 포함되지 않을 수 있지만 시각적 테스트와 상호 작용을 위해 UI를 포함하도록 조정할 수 있습니다.

● 작업 구현:

● UI 클릭 또는 채팅 명령으로 작업을 시작할 수 있습니다.

● Kiro는 순서대로 작업을 실행하며 터미널 명령을 실행해 종속성을 설치하고 필요한 파일을 생성합니다.

● 프로세스는 반복적이므로 변화하는 요구 사항과 설계에 따라 빠르게 조정하고 개선할 수 있습니다.

속성 기반 테스트 개요

구조화된 요구 사항

● 요구 사항은 사용자 스토리 인수 조건 형식으로 정의됩니다.

● 요구 사항에 대한 논리적 동치와 형식적 추론이 가능합니다.

● 속성과 형식적 추론:

● 속성은 시스템의 모든 실행에서 항상 성립해야 하는 특성 또는 동작입니다.

● Kiro는 Gherkin 형식 요구 사항에서 속성을 추출하고 Fast Check라는 프레임워크를 사용해 속성 기반 테스트를 수행합니다.

● Gherkin

● Behavior-Driven Development(BDD)에서 소프트웨어 동작 시나리오를 구조화되고 사람이 읽을 수 있는 형식으로 작성하는 일반 텍스트 언어이며, 주로 Given-When-Then 구조를 사용합니다.

● Feature: 테스트하는 기능을 설명합니다.

● Scenario: 기능이 작동하는 구체적인 예입니다.

● Given: 작업이 실행되기 전 초기 맥락이나 상태를 설정합니다.

● When: 사용자 또는 시스템이 수행하는 작업을 설명합니다.

● Then: 예상되는 결과를 정의합니다.

● And/But: 같은 키워드(Given, When, Then)를 반복하지 않고 더 많은 단계를 추가하는 데 사용합니다.

● Fast Check Framework:

● Fast Check는 속성에 대해 테스트할 다양한 값을 생성하여 퍼즈 테스트를 수행할 수 있습니다.

● 입력이 제한된 단위 테스트와 달리 속성 기반 테스트는 생성된 결과물이 요구 사항에 부합한다는 더 많은 근거를 제공합니다.

● 속성 기반 테스트 예시:

● Kiro로 체스 앱을 만들고 앱이 예상대로 작동하는지 확인하기 위해 속성 기반 테스트를 사용했습니다.

● 테스트에는 AI가 생성한 모든 수가 이동 레지스트리에 따라 유효한지 확인하는 작업이 포함되었습니다.

● Fast Check는 견고성을 보장하고 버그를 줄이기 위해 무작위 변경을 적용하여 테스트를 여러 번 실행합니다.

● 속성 기반 테스트는 코드 품질을 높이고 버그 발생 가능성을 줄입니다.

진단 도구

● Kiro의 진단 도구는 작업 실행 중 문제를 식별하고 해결하는 데 도움을 줍니다.

● 편집기에서 lint 문제를 읽고 개발 프로세스를 개선하기 위한 피드백을 제공합니다.

● 이 도구는 작업 완료 중 발생하는 문제 수를 줄였습니다.

● 작업 실행:

● 앱에는 면접 준비를 위한 행동, 기술 및 리더십 질문이 포함됩니다.

● 앱은 응답 생성을 위해 Sonnet 3.7 모델에 연결됩니다.

● 최적화된 데모:

● 최종 앱은 질문과 응답을 활용한 면접 준비 연습을 보여 줍니다.

● 앱에서 사용자는 기술 질문에 답하는 연습을 하고 피드백을 받을 수 있습니다.

● 데모에서는 응답을 녹음하고 텍스트로 변환하는 기능을 포함해 앱의 기능을 보여 줍니다.