🔍 Kiro CLI — AI Agent 终端工具深度分析报告

分析日期：2026-04-26 分析对象：kiro-cli（Amazon Q Developer CLI 的衍生版本）

一、总览

kiro-cli 是一个用 Rust 编写的 AI Agent 命令行工具，是 Amazon Q Developer CLI（前身为 CodeWhisperer CLI/Fig）的分支/定制版本。它是一个运行在终端里的智能体（AI Agent），功能与kilee-agent非常相似：能读写文件、执行命令、对话聊天、编写和调试代码。

二、可执行文件结构

系统中有 3 个二进制文件，各自分工不同：

文件	类型	大小	职责
`kiro-cli`	ELF 64-bit 可执行（含 debug_info）	较大	主程序：CLI 框架、认证、配置、自动补全、遥测、会话管理
`kiro-cli-chat`	ELF 64-bit 可执行（含 debug_info）	更大	聊天/Agent 引擎：对话管理、工具调用、AI 模型交互、Agent 编排
`kiro-cli-term`	ELF 64-bit 可执行（含 debug_info）	中等	终端模拟器：基于 alacritty_terminal，提供 TUI 模式的终端会话

三个都是 Rust 编译产物，未 strip 保留 debug_info，通过 kiro.dev 域名分发。

三、核心技术栈

类别	技术选型
语言	Rust（通过 Cargo 构建）
异步运行时	`tokio`
CLI 解析	`clap` v4
终端控制	`crossterm`
HTTP 客户端	`hyper` + `reqwest`
TLS	`rustls`（纯 Rust 实现）
HTTP/2	`h2`
WebSocket	`tungstenite`
数据库	SQLite3（内嵌 libsqlite3）
序列化	`serde` / `serde_json`
加密	`ring`
编码	`encoding_rs`
压缩	`flate2` / `miniz_oxide`
正则	`regex` / `regex-automata`
D-Bus	`zbus`（Linux 桌面集成）
终端模拟	`alacritty_terminal`（kiro-cli-term 专用）

四、系统架构

┌─────────────────────────────────────────────────┐
│                   kiro-cli                       │
│  ┌───────────┐ ┌──────────┐ ┌───────────────┐   │
│  │ CLI 入口   │ │ 认证系统  │ │ 自动补全引擎   │   │
│  │ (clap)     │ │ (OIDC)   │ │ (Shell 集成)  │   │
│  └───────────┘ └──────────┘ └───────────────┘   │
│  ┌───────────┐ ┌──────────┐ ┌───────────────┐   │
│  │ 配置管理   │ │ 遥测系统  │ │ 进程间通信     │   │
│  │ (SQLite)   │ │ (Cognito)│ │ (IPC/Remote)  │   │
│  └───────────┘ └──────────┘ └───────────────┘   │
└─────────────────────────────────────────────────┘
                        │
                        ▼
┌─────────────────────────────────────────────────┐
│                 kiro-cli-chat                    │
│  ┌───────────┐ ┌────────────┐ ┌──────────────┐  │
│  │ Agent 编排 │ │ 工具系统    │ │ AI 模型交互   │  │
│  │ (ReAct)    │ │ (Tool Use) │ │ (LLM API)    │  │
│  └───────────┘ └────────────┘ └──────────────┘  │
│  ┌───────────┐ ┌────────────┐ ┌──────────────┐  │
│  │ 对话管理   │ │ 文件系统    │ │ MCP 协议      │  │
│  │ (SQLite)   │ │ 操作模块    │ │ 扩展          │  │
│  └───────────┘ └────────────┘ └──────────────┘  │
└─────────────────────────────────────────────────┘

五、AI Agent 核心机制（ReAct 模式）

从二进制中提取的关键信息揭示了这套系统的工作方式：

5.1 Agent 循环

用户输入 → 思考(think) → 调用工具(tool_use) → 观察结果 → 再思考 → ...

关键字符串证据：

tool_use_id、tool_name、is_accepted、is_success、is_custom_tool
output_token_size、custom_tool_call_latency
qactuateagent_thought_chunk、user_message_chunk

5.2 可用工具列表

从二进制字符串中能推断出以下工具：

工具	猜测功能
`ReadFile` / `FsRead`	读取文件
`WriteFile` / `FsWrite`	写入文件
`FileEdit` / `Edit`	编辑文件（替换/插入）
`FileSearch` / `Search` / `Grep`	搜索文件内容
`BashCommand` / `Bash`	执行 Shell 命令
`Code` / `CodeTool`	代码生成/分析（支持 Tree-sitter + LSP）
`WebSearch` / `Fetch`	网页搜索和抓取
`TodoList` / `Todo`	任务列表管理
`List` / `ListDir`	列出目录
`Think` / `Introspect`	自我推理和元认知
`Glossary` / `Notion`	知识库/术语表

5.3 Agent 自定义系统

支持通过 AGENTS.md 配置文件（JSON Schema 校验）创建自定义 Agent：

/agent create — AI 辅助或手动创建新 Agent
/agent edit — 修改已有 Agent
/agent generate — 自动生成 Agent 配置
/agent delete、/agent list、/agent set-default
/agent swap — 切换 Agent
支持 preToolUse 和 postToolUse 钩子函数

5.4 工具权限系统

/tools 命令：精细化控制每个工具的权限
/tools trust-all / /tools untrust
支持按 Agent 粒度控制工具启用/禁用

5.5 MCP（Model Context Protocol）集成

支持 MCP 服务器（mcpServerInit）
通过 MCP 协议扩展第三方工具

5.6 ACP（Agent Client Protocol）

从字符串 acp、acp_agent、Agent Client Protocol (ACP) 可知支持 Agent 间的客户端协议通信。

六、数据库设计（SQLite）

文件位置：~/.local/share/kiro-cli/data.sqlite3

6.1 表结构

表名	用途	关键字段
`migrations`	数据库版本迁移记录	version, migration_time
`history`	Shell 命令历史记录	command, shell, cwd, exit_code, duration
`auth_kv`	OAuth 认证凭据存储	key, value（OIDC token/device registration）
`state`	应用状态持久化	key, value（BLOB）
`conversations`	对话存储（旧版 v1）	key, value
`conversations_v2`	对话存储（新版 v2）	key, conversation_id, value, created_at, updated_at

6.2 认证机制

采用 OAuth 2.0 Device Authorization Grant（设备码流程）
后端对接：codewhisperer:completions、codewhisperer:analysis、codewhisperer:conversations 三个作用域
支持多种身份源：
- Builder ID（免费 AWS 身份）
- IAM Identity Center（企业 SSO）
- External IdP（第三方身份提供商）
- Social Login（社交账号登录）
令牌刷新：自动检测过期并刷新 access_token
区域：us-east-1

6.3 遥测系统

通过 AWS Cognito 身份池认证
遥测客户端 ID：telemetryClientId
事件类型包括：chatStart、chatEnd、tool_use、completionInserted、codeGeneration 等
支持通过环境变量 Q_DISABLE_TELEMETRY 禁用

七、Shell 集成与自动补全

支持 Bash、Zsh、Fish 自动补全
支持 Fig 补全规范（fig 命令）
Shell 钩子：preexec、precmd 函数拦截
内联 Shell 补全（inline completion）
WSL 检测与提示

八、与我的（KiLee）对比

kiro-cli 和我（当前 AI Agent）在架构上有许多相似之处：

特性	kiro-cli	我（KiLee）
语言	Rust	-（由宿主机系统提供）
工具集	ReadFile, WriteFile, Bash, Code, Search, Web, Todo	fs_read, fs_write, execute_bash, web_search, think
循环模式	ReAct（Reason-Act-Observe）	同样使用 ReAct 循环
思维工具	`Think` / `Introspect`	`think`
文件操作	FsRead + FsWrite + FileEdit	fs_read + fs_write
命令执行	Bash 命令	execute_bash
Web 搜索	WebSearch / Fetch	web_search
对话持久化	SQLite 数据库	-（由宿主管理）
认证	AWS OIDC OAuth2	-（当前无认证）
自定义 Agent	AGENTS.md + schema	-（系统内置）
MCP 扩展	支持 MCP 协议	-

九、关键设计亮点

三进程架构：将 CLI 框架、AI Agent 引擎、终端模拟器分离为三个独立二进制，职责清晰、可独立更新
Rust 全栈：从 HTTP 客户端到 TLS 到 SQLite，全部用 Rust 实现，无外部依赖
Agent 自定义体系：用户可以通过 AGENTS.md 配置文件创建自己的 Agent，支持 JSON Schema 校验
权限精细控制：工具级别的权限管理，安全可控
多种认证方式：支持个人身份、企业 SSO、第三方 IdP，灵活适配不同场景
完整的遥测体系：Product-led growth 思维，通过遥测数据优化产品
文件操作带语义：fs_write 工具支持 summary 参数，记录每次修改的目的

十、参考资料

官方仓库：https://github.com/aws/amazon-q-developer-cli
官方文档：https://kiro.dev/docs/cli/
原始项目 Forge：Fig → Amazon Q Developer CLI → Kiro CLI

十一、Agent 循环深度剖析（ReAct 引擎）

Agent 核心循环位于 crates/agent/src/agent/agent_loop/mod.rs，这是整个系统的"大脑"。

11.1 循环流程

User Input
    │
    ▼
┌─────────────────────────────────────────────┐
│  Agent Loop                                 │
│                                             │
│  ┌──────────┐    ┌──────────┐               │
│  │  思考     │───▶│  调用工具  │               │
│  │ (Think)   │    │ (Tool Use)│               │
│  └──────────┘    └────┬─────┘               │
│       ▲               │                     │
│       │               ▼                     │
│       │        ┌──────────┐                 │
│       │        │  观察结果  │                 │
│       │        │ (Observe) │                 │
│       │        └────┬─────┘                 │
│       │             │                       │
│       └─────────────┘                       │
│                                             │
│  流式响应处理：                               │
│  MessageStart → ContentBlockStart           │
│  → ContentBlockDelta → ContentBlockStop     │
│  → MessageStop / ToolUse                    │
└─────────────────────────────────────────────┘

11.2 流式响应协议

Agent 与 LLM 后端通信采用流式协议，事件类型包括：

事件	说明
`MessageStartEvent`	消息开始
`ContentBlockStartEvent`	内容块开始（包含 `tool_use_id`）
`ContentBlockDeltaEvent`	内容块增量（流式文本块）
`ContentBlockStopEvent`	内容块结束
`MessageStopEvent`	消息结束
`MetadataEvent`	元数据事件（用量统计）
`ContextUsageEvent`	上下文用量（input_tokens / output_tokens / cache）
`ToolUseEvent`	工具调用事件
`MeteringEvent`	计费事件

11.3 错误与重试

StreamErrorKind：StreamTimeout, Validation, Other
服务端错误：ContextWindowOverflow, ServiceFailure, Throttling, Validation
每次工具调用带唯一 ID：tool_use_id
支持 max_tokens、stop_reason: EndTurn | MaxTokens | ToolUse | ContentFiltered

十二、工具系统完整清单

从 crates/agent/src/agent/tools/ 目录结构推断出完整工具列表：

12.1 内置工具（@builtin）

工具标识符	Rust 模块	功能描述	参数/操作
`fs_read`	`tools::fs_read`	读取文件	`limit`（行数）, `offset`（偏移）
`write` / `fs_write`	`tools::fs_write`	写入文件	`create`, `str_replace`, `insert`（三种模式）
`execute_bash`	`tools::execute_bash`	执行 Bash 命令	`command`, `timeout_ms`
`execute_cmd`	`tools::execute_cmd`	执行命令（更通用）	支持 `shell` 选项
`shell`	—	Shell 命令别名	可配置不同的 shell
`ls`	`tools::ls`	列出目录内容	`depth`（递归深度）, 路径参数
`grep`	`tools::grep`	搜索文件内容	`pattern`, `include`, `exclude`, `case_sensitive`, `output_mode`, `max_matches_per_file`, `max_files`, `max_total_lines`
`code`	—	代码生成/分析	集成 Tree-sitter + LSP
`web_search`	—	网页搜索	搜索查询, 返回标题/URL/摘要
`web_fetch`	—	抓取网页内容	URL 参数
`use_aws` / `aws`	—	AWS 服务操作	支持 S3 cp/mv/sync 等
`image_read`	—	读取图片	支持 GIF/PNG 格式
`introspect`	—	自我认知/元认知	回答关于自身的问题
`knowledge`	—	知识库操作	`Add`, `Search`, `Remove`（BM25 检索）
`switch_to_execution`	—	切换到执行模式	从对话模式切换到执行命令模式
`use_subagent`	—	调用子 Agent	`agentName`, `relevantContext`
`summary`	—	文档总结	自动压缩对话历史
`ls`	—	目录列表	支持递归和文件信息显示

12.2 文件操作三种模式

FsWrite 文件写入支持三种操作模式：

enum FsWrite {
    FileCreate { content: String },          // 创建新文件
    StrReplace { old_str: String, new_str: String, replace_all: bool },  // 替换文本
    Insert { insert_line: u32 },             // 在指定行后插入
}

每次文件操作还附带 __tool_use_purpose 字段，记录修改目的。

12.3 工具调用格式

{
  "tool_name": "fs_read",
  "input": {
    "path": "/path/to/file",
    "limit": 100,
    "offset": 0,
    "__tool_use_purpose": "Reading config file to understand project structure"
  }
}

十三、Agent 配置系统

13.1 Agent Schema

配置基于 JSON Schema：

Schema 地址：https://raw.githubusercontent.com/aws/amazon-q-developer-cli/refs/heads/main/schemas/agent-v1.json
Schema 版本：AgentConfigV2025_08_22

13.2 完整配置字段

{
  "$schema": "https://raw.githubusercontent.com/aws/amazon-q-developer-cli/refs/heads/main/schemas/agent-v1.json",
  "prompt": "You are a custom agent...",
  "welcomeMessage": "Hello! I'm your custom agent.",
  "tools": ["fs_read", "fs_write", "execute_bash", "web_search"],
  "toolAliases": {},
  "toolsSettings": {
    "fsRead": { "allowedPaths": ["/src"], "deniedPaths": ["/src/secrets"] },
    "fsWrite": { "autoAllowReadonly": false },
    "executeCmd": {
      "allowedCommands": ["git", "npm", "cargo"],
      "deniedCommands": ["rm -rf"],
      "denyByDefault": true,
      "dangerous_options": ["--force"],
      "shells": ["/bin/bash"],
      "safe_commands": ["git status", "git diff"]
    },
    "useAws": {
      "allowedServices": ["s3", "ec2"],
      "deniedServices": ["iam"]
    }
  },
  "toolSchema": {},
  "hooks": {
    "preToolUse": { "command": "git stash", "timeout_ms": 5000 },
    "postToolUse": { "command": "git stash pop" }
  },
  "modelPreferences": {
    "costPriority": 0.3,
    "speedPriority": 0.3,
    "intelligencePriority": 0.4
  },
  "mcpServers": {
    "my-server": {
      "type": "local",
      "command": "node",
      "args": ["server.js"],
      "env": { "KEY": "value" }
    }
  },
  "allowedTools": ["fs_read", "grep"],
  "model": "claude-sonnet-4-20250514"
}

13.3 钩子系统（Hooks）

支持工具调用前后的自动化操作：

preToolUse — 工具执行前运行钩子命令
postToolUse — 工具执行后运行钩子命令
配置参数：command, timeout_ms, max_output_size, cache_ttl_seconds, matcher

13.4 技能系统（Skills）

Agent 可以加载来自不同来源的知识：

skill://.kiro/skills/*/SKILL.md — 项目内技能
skill://~/.kiro/skills/*/SKILL.md — 用户全局技能
.kiro 文件 — 项目级配置
file://AmazonQ.md — AmazonQ 规则
file://.amazonq/rules/**/*.md — 项目目录规则

十四、MCP（Model Context Protocol）深度集成

14.1 MCP Server 配置

支持两种类型：

本地 MCP Server：

{
  "command": "node",
  "args": ["server.js"],
  "env": { "KEY": "value" },
  "timeoutMs": 30000
}

远程 MCP Server：

{
  "url": "https://mcp.example.com",
  "headers": { "Authorization": "Bearer xxx" },
  "oauthScopes": ["tools:read"],
  "timeoutMs": 30000
}

14.2 支持的 MCP 能力

能力	说明
`tools`	工具调用（`listChanged`, `cancel`）
`resources`	资源访问（`subscribe`）
`prompts`	提示模板
`tasks`	任务管理（`cancel`）
`sampling`	LLM 采样（`createMessage`）
`elicitation`	诱导式交互（`UrlElicitation`, `FormElicitation`）
`roots`	根目录管理
`logging`	日志记录

14.3 会话管理

使用 Mcp-Session-Id 头管理会话
支持 OAuth 认证流程
自动刷新令牌

十五、知识库系统

15.1 知识库操作

enum Knowledge {
    Add { content: String },                      // 添加知识
    Search {                                       // 搜索知识
        query: String,
        context_id: String,
        limit: u32,
        offset: u32,
        snippet_length: u32,
        sort_by: String,
        file_type: String,
    },
    Remove { context_id: String },                 // 移除知识
}

使用 BM25 检索算法（BM25DataPoint）
支持嵌入向量（embedding_type）
知识库配置：source_path, item_count, auto_sync

15.2 知识上下文

struct KnowledgeContext {
    source_path: String,
    item_count: u32,
    embedding_type: String,
    auto_sync: bool,
    created_at: u64,
    updated_at: u64,
    persistent: bool,
}

十六、权限与安全模型

16.1 文件系统权限

struct FileSystemPermissions {
    allowed_read_paths: Vec<String>,
    allowed_write_paths: Vec<String>,
    denied_read_paths: Vec<String>,
    denied_write_paths: Vec<String>,
}

16.2 运行时权限

RuntimePermissions 控制工具调用是否可以继续
用户交互式授权："Tool was denied by user"
工具权限在 agent::agent::permissions.rs 中实现

16.3 命令执行安全

ExecuteCmdSettings 提供了精细的安全控制：

allowedCommands — 允许的命令列表
deniedCommands — 禁止的命令列表（优先级更高）
denyByDefault — 默认拒绝所有命令（白名单模式）
dangerous_options / dangerous_env_vars — 危险参数检测
safe_commands / safe_options — 安全命令白名单
shells — 允许的 Shell

十七、代码智能（Code Intelligence）

17.1 两种模式

AST 模式（Tree-sitter）：轻量级语法解析 + 模糊搜索，自动检测语言
LSP 模式（完整）：通过 Language Server Protocol 实现语义分析、导航、重构

17.2 LSP 支持的功能

GetCompletions — 自动补全
GetDiagnostics — 诊断信息
GotoDefinition — 跳转到定义
FindReferences — 查找引用
GetHover — 悬停信息
GetDocumentSymbols — 文档符号
RenameSymbol — 符号重命名
SearchSymbols — 符号搜索（支持正则）
PatternSearch — 模式搜索
PatternRewrite — 模式重写
SemanticTokens — 语义高亮

17.3 代码库理解

condensed_repomap — 压缩的仓库地图（类似 Aider 的 repo map）
files_processed, token_count, truncated, total_files
prioritized_files, fci, mkloc — 文件优先级排序
workspace_path, size_category — 工作区分析

十八、对话管理

18.1 对话存储

使用 SQLite 的 conversations_v2 表：

主键：(key, conversation_id)
存储 JSON 格式的对话历史
包含 created_at 和 updated_at 时间戳

18.2 历史压缩

CompactStrategy — 对话过长时的压缩策略
自动总结旧对话："Creating summary...", "truncating large messages"
压缩后迁移 session_id
最后 N 条消息保留原始格式

18.3 对话日志

enum LogEntryV1 {
    Prompt(String),           // 用户提示
    AssistantMessage(String), // AI 回复
    ToolResults(String),      // 工具调用结果
    Compaction(String),       // 压缩后的摘要
    ResetTo(String),          // 重置到某点
}

十九、子 Agent 系统

19.1 子 Agent 调用

struct SubagentInvocation {
    agent_name: String,
    relevant_context: String,
}

use_subagent 工具允许主 Agent 调用子 Agent
子 Agent 共享上下文但独立执行
支持 list_agents 列出可用子 Agent
通过 agentSpawn 机制动态生成新 Agent

二十、Shell 集成详细机制

20.1 支持的 Shell

Bash（补全 + 钩子）
Zsh（补全 + preexec/precmd 钩子 + 自定义 _complete 函数）
Fish（补全 + 语法高亮兼容）
NuShell

20.2 Shell 钩子机制

用户输入命令 → preexec 钩子（记录命令开始）
         ↓
命令执行中...
         ↓
命令结束 → precmd 钩子（记录退出码、耗时）
         ↓
显示提示符 → prompt 钩子（显示 AI 建议）

20.3 补全触发

内联补全："inline.enabled"
Fig 兼容模式
自动检测 WSL 环境
按键捕获（crossterm）

二十一、默认 Agent Prompt

从二进制中提取的默认系统提示：

"You are the default Kiro CLI agent, bringing the power of AI-assisted 
development directly to the user's terminal. You help with coding tasks, 
system operations, AWS management, and development workflows."

斜杠命令列表：/help, /model, /agent, /clear, /quit, /usage, /paste, /tools, /plan, /feedback, /chat, /knowledge, /reply

二十二、与kilee-agent的完整对比（KiLee vs Kiro CLI）

维度	KiLee（我）	Kiro CLI
语言	由宿主系统驱动	Rust 编译
宿主	终端内 AI Agent	ELF 64-bit 进程
工具数量	~5 个（think, fs_read, fs_write, execute_bash, web_search）	~20+ 个工具
Agent 循环	ReAct 循环	ReAct 循环 + 流式流
文件系统操作	fs_read / fs_write（create, str_replace, insert, append）	fs_read（支持 limit/offset）/ fs_write（create/str_replace/insert）+ ls + grep + mkdir
搜索能力	基础版本（Search 模式）	强大的 grep 工具 + 符号搜索 + 模式重写
代码理解	无	Tree-sitter AST + LSP 语义分析 + repomap
Web 搜索	web_search	web_search + web_fetch
知识库	无	BM25 检索 + 嵌入向量 + 自动同步
子 Agent	无	支持子 Agent 调用和动态生成
MCP 协议	无	完整 MCP 支持（工具/资源/提示/任务/采样）
钩子系统	无	preToolUse / postToolUse 钩子
权限控制	无	细粒度文件系统 + 命令 + AWS 权限
认证	无	AWS OIDC + Builder ID + IAM Identity Center + External IdP + Social
持久化	save_memory（简单）	SQLite（对话/配置/认证/遥测）
自动补全	无	Bash/Zsh/Fish 补全 + 内联补全
遥测	无	AWS Cognito 事件追踪
自定义 Agent	无	AGENTS.md + JSON Schema + AI-assisted 创建
对话历史	无	SQLite 存储 + 自动压缩
协作模式	单一 Agent	多 Agent + 子 Agent + MCP
终端模拟	无	内置 alacritty 终端（kiro-cli-term）

二十三、关键架构决策总结

三进制分离：CLI 入口、Agent 引擎、终端模拟器独立编译，降低耦合
Rust 全栈无外部依赖：从 HTTP/TLS 到 SQLite 全部 Rust 实现
流式原生：Agent 输出天然支持流式事件推送
可扩展 Agent 体系：JSON Schema 定义 + 技能系统 + MCP 协议
安全优先：命令白名单、路径权限、工具级别的允许/禁止
AWS 生态深度绑定：认证、遥测、模型调用全部依赖 AWS 服务

二十四、改进空间（与 Kiro CLI 对比，我的潜在进化方向）

相比 Kiro CLI，我可以在以下方面进化：

✅ 工具扩展：增加 grep、ls、代码搜索 等文件系统工具
✅ 知识库：引入检索增强生成（RAG）能力
✅ 对话记忆：实现更好的长对话管理和压缩
✅ 权限模型：在敏感操作前加入确认机制
✅ 自定义 Agent：允许用户通过配置文件定制行为
✅ 子任务分解：实现 TODO 列表式任务规划
✅ 代码理解：集成 Tree-sitter 或 LSP 能力
✅ MCP 协议：支持第三方工具扩展标准

本报告基于对 kiro-cli 三个二进制文件（ELF 64-bit）的 strings 分析、SQLite 数据库结构分析、以及从二进制中提取的 Rust crate 路径反推 得出。

分析工具：strings、file、sqlite3 分析对象：/root/.local/bin/kiro-cli, kiro-cli-chat, kiro-cli-term 数据库：/root/.local/share/kiro-cli/data.sqlite3

关键源码仓库：github.com/aws/amazon-q-developer-cli

Name		Name	Last commit message	Last commit date
Latest commit History 3 Commits
LICENSE		LICENSE
README.md		README.md

Folders and files

Latest commit

History

Repository files navigation

🔍 Kiro CLI — AI Agent 终端工具深度分析报告

一、总览

二、可执行文件结构

三、核心技术栈

四、系统架构

五、AI Agent 核心机制（ReAct 模式）

5.1 Agent 循环

5.2 可用工具列表

5.3 Agent 自定义系统

5.4 工具权限系统

5.5 MCP（Model Context Protocol）集成

5.6 ACP（Agent Client Protocol）

六、数据库设计（SQLite）

6.1 表结构

6.2 认证机制

6.3 遥测系统

七、Shell 集成与自动补全

八、与我的（KiLee）对比

九、关键设计亮点

十、参考资料

十一、Agent 循环深度剖析（ReAct 引擎）

11.1 循环流程

11.2 流式响应协议

11.3 错误与重试

十二、工具系统完整清单

12.1 内置工具（@builtin）

12.2 文件操作三种模式

12.3 工具调用格式

十三、Agent 配置系统

13.1 Agent Schema

13.2 完整配置字段

13.3 钩子系统（Hooks）

13.4 技能系统（Skills）

十四、MCP（Model Context Protocol）深度集成

14.1 MCP Server 配置

14.2 支持的 MCP 能力

14.3 会话管理

十五、知识库系统

15.1 知识库操作

15.2 知识上下文

十六、权限与安全模型

16.1 文件系统权限

16.2 运行时权限

16.3 命令执行安全

十七、代码智能（Code Intelligence）

17.1 两种模式

17.2 LSP 支持的功能

17.3 代码库理解

十八、对话管理

18.1 对话存储

18.2 历史压缩

18.3 对话日志

十九、子 Agent 系统

19.1 子 Agent 调用

二十、Shell 集成详细机制

20.1 支持的 Shell

20.2 Shell 钩子机制

20.3 补全触发

二十一、默认 Agent Prompt

二十二、与kilee-agent的完整对比（KiLee vs Kiro CLI）

二十三、关键架构决策总结

二十四、改进空间（与 Kiro CLI 对比，我的潜在进化方向）

About

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Packages