AWS はエージェントに 200 のクラウドサービスを書かせ、採点表まで公開しました

11 月 11 日、AWS は自社 API のローカルエミュレータを公開しました。200 を超えるサービスをカバーし、ノート PC でも CI でも動き、AWS アカウントは不要です。CC0 でパブリックドメインに置かれています。
これを書いたのも、テストしたのも、レビューしたのも、すべて自律エージェントです。プロジェクトを率いたシニア・プリンシパルエンジニアの Matt Goldberg は、チームは一行も書いていないし、一行もレビューしていないと言っています。
この一文こそが今回のリリースです。それ以外は開発者向けツールにすぎません。
実際に出たもの
エミュレータはローカルのエンドポイントで AWS API の呼び出しに応答します。既定のポートは 9297 で、リソースはメモリ上に保持します。環境変数で AWS CLI や SDK の向き先を変えれば、コードはそのまま動きます。ビルドは公開されている 438 個の Smithy モデルから始まり、サービスごとに 1 つの Rust クレートがあります。未対応の操作はごまかさず 501 を返します。
インストール方法はいくつかあります。Linux の x86_64 と aarch64 向けに RPM と Debian パッケージ。macOS と Windows では Docker で、メモリ上限は 2 GiB です。エミュレータを Rust のテストバイナリに組み込む埋め込みモードもあります。ソースからのビルドには 100 GB の空きディスクが必要なので、ほとんどの人はパッケージを使うでしょう。コーディングエージェント向けの `aws-emulator` skill もあり、コマンドラインは AWS CLI 2.35.0 から対応しています。
ここは背景を知っておく価値があります。LocalStack はローカルでの AWS テストの定番でしたが、2025 年 12 月に無償版をアカウント登録の後ろへ移しました。無料で、アカウント不要で、ベンダー自身が出す代替品は、多くの CI パイプラインが感じていた穴をちょうど埋めます。
AWS が公開することを選んだ数字
リリースノートには忠実度の採点表が付いていて、内容は褒められたものではありません。
採点対象の 42,857 テストのうち通ったのは 24,243 件、56.6% です。ステップ単位では 68,007 件中 49,810 件、サービス横断のテストは 6,569 件中 2,752 件です。サービスごとに見るとかなりばらつきます。AWS KMS は 310 件中 291 件で 93.9%。Amazon SQS は 89.8%。CloudFormation は 2,612 件中 414 件で 15.8% です。

これを公開したことが、今回のリリースでいちばん面白い判断です。道具に自信のある会社は、良い数字を先に出して残りを埋めます。AWS は 15.8% を含む平均値を先に置き、動かない挙動はリポジトリの `things-that-do-not-work` というフォルダにまとめました。
この点数は地図として読んでください。判決文として受け取ると足をすくわれます。KMS の 93.9% は、暗号まわりの API 面がテストを書ける程度には信頼できるという意味です。CloudFormation の 15.8% は、スタックが絡むものは必ず実際の AWS とずれ、しかも午後を一日潰すという意味です。インフラのコードが CloudFormation 中心なら、今はまだこの道具の出番ではありません。
エージェントはどう作ったのか
始まりは週末の実験でした。Goldberg はずっと、SQS の visibility timeout がどう振る舞うか確かめるためだけに、エージェントのループが 1 サイクル 45 秒から 120 秒かけてクラウドのサンドボックスにテストスタックを配備しているのを見ていました。そこで Kiro、Amazon の仕様駆動のコーディングエージェントに、3 段階のプロンプトを与えます。AWS CLI をもとにテストを書き、実際の AWS に対して通るまで回し、同じテストが通るインメモリ版を作る。粗い SQS は 15 分ほどでできました。残りの AWS は週末のうちに揃い、月曜にはチームがその試作に対してテストを走らせていました。
製品にするのはもっと時間がかかりました。その理由が、そのまま盗む価値のある部分です。自由に任されたエージェントは漂流します。初期の版は Lambda 関数を動かすために自前の Python インタプリタを作ろうとしました。与えられた問題に対しては、局所的には筋の通った解き方だからです。Goldberg のたとえは塗り絵です。白紙と鉛筆を渡された子どもは混沌を生み、輪郭を描いた区画を渡された子どもは形のあるものを生みます。
そこで AWS は作業を 3 つの境界のあるチームに分けました。テストを書く担当は API モデルを現実的なシナリオに変え、どのシナリオも実際の AWS で検証してから採用します。問題を探す担当は検証済みのスイートをエミュレータに対して再生し、相違をひとつずつ記録し、推定される根本原因でまとめます。直す担当は 1 件ずつ引き受け、原因を突き止め、パッチを出します。
パッチはどれもマージゲートを通ります。ビルドが通り、コーディング規約を満たし、他のエージェントが走らせる複数回の敵対的セキュリティレビューに耐え、忠実度をひとつも下げないこと。数百のエージェントが同時に働きます。AWS によれば、1 日で数千件の問題を直すそうです。公開されている履歴では、ローンチ時点の main に 29,684 のコミットがあり、11 月 8 日から 11 月 12 日までに 70 の番号付きリリースが出ています。
誰もコードをレビューしなかった理由
人のレビューがないのは規模の結果です。市場向けの主張として受け取る必要はありません。4 日で 3 万コミットは、人にはレビューできません。AWS はレビューを、自動化できる 3 つのものに置き換えました。もともと公開されていた仕様、問い合わせできる参照実装、そして「先に本物のクラウドで通した」ことに権威の由来があるテストスイートです。
どれもモデルの改良ではない点に注意してください。レシピは仕様、参照、検証済みテスト、マージゲートです。API 面を持っているチームなら、最初の 2 つはすでに持っています。だからこれが発表の中で移植可能な部分です。この構造を真似るのに AWS 規模のリソースは要りません。要るのは、エージェントが自分で間違いに気づける手段と、間違っているときにマージを拒むゲートです。
ベンダー自身が示した限界
スロットリングの模擬はありません。障害やリージョンの模擬もありません。サンドボックスもありません。本番用途では使えず、セキュリティテストにも使えません。テレメトリは既定で有効で、`--telemetry off`、`EMULATOR_TELEMETRY=off` 環境変数、または `config.toml` の一行で切ります。リポジトリは pull request を受け付けず、バグ報告と忠実度の報告だけを受け取ります。CC0 のプロジェクトとしては珍しい姿勢ですが、コードベースがこの速度で機械生成されるなら、たぶん正しい判断です。
エミュレータでテストが通ることは、本番で通ることを意味しません。権限、クォータ、IAM ポリシーの評価、レイテンシはどれも違い、エミュレータ自身のドキュメントにもそう書いてあります。CI パイプラインを向けて、緑なら正しいと考える人は、後で違うと知ることになります。
これが実際に証明したこと
懐疑的になるべき主張は「エージェントがクラウドを書いた」というものです。書かれたのは API の形をした 200 の面であり、公開 API モデルから作ったテストスイートの 56.6% を通します。これは本物のエンジニアリングの成果で、見出しが示すよりずっと狭いものです。
真剣に受け取るべき主張は、足場についてのものです。仕様が正確で、参照が問い合わせ可能で、ゲートが自動なら、エージェントの群れは大きく、部分的に正しく、改善し続ける成果物を、レビューの経路に人を置かずに作れます。その成果物が自分の不完全さについて正直なのは、採点表がリリースと一緒に出ているからです。
他のエンジニアリング組織が今四半期に真似すべきはこの組み合わせです。200 というサービスの数に意味があるわけではありません。多くの組織は内部 API を持っていて、それを安くテストする手段を持っていません。このエミュレータは、その安い手段を、後でそれを使うのと同じエージェントが作れるという実例です。
関連記事
Pinky は agent に自分のスマホを操作させる。送信ボタンは、あなたが許可を押すまで押さえたまま
Pinky はどんな MCP agent でも本物の iPhone や Android につなぎ、承認をプロンプトではなく自前のゲートウェイで強制する。銀行アプリは見えず、パスワード欄は通行止め、Android 13 では agent に隠れた2枚目の画面が渡される。
サーバー1台、AI配信者1人:夜のライブ配信を動かすコードの中身
open-yoki は、毎晩 Binance Square で配信する AI ホストの本番コードで、人格・声・お金に関わる機能は取り除かれています。headless Chrome がフレームを描き、ffmpeg が RTMP を押し、Markdown フォルダが彼女の気分と投稿内容を決めます。
SoduWork の依頼は、チャットが止まったときではなく、依頼した人が承認したときに終わる
SoduWork はセルフホストのワークベンチだ。依頼には着手前に受け入れ基準が書かれ、納品は別の harness がレビューし、最後は人が承認する。うまくいった進め方はプラグインとして保存され、チームの他の人がそのまま実行できる。
世界の法律を git に入れた人がいる。だから法令も blame できる
global-law は各国の法令を git リポジトリとして持ち、1 つの commit が既知の日に効力を持った 1 つの法律にあたる。条文に対して log、blame、show、diff を実行でき、ある日の各国の施行状況を調べ、コーパス全体を MCP 経由でアシスタントに渡せる。