Kiro vs Codex — AIコーディングIDEとエージェントの違い

Kiroとは何か — AWSが設計したAIネイティブIDE

Kiroは2026年6月16日にAWSがプレビューとして公開したAIネイティブIDEだ（参照: kiro.dev）。ベースとなっているのはVS Codeで、AWSはこれをフォークした上でAIエージェント機能を深く組み込んでいる。一見するとCursorに似た「AIを統合したエディタ」に見えるが、最大の特徴はKiroが「仕様駆動開発（spec-driven development）」を開発フローの中心に据えている点にある。

Kiroの開発フローは、コードを書く前に「何を作るか」を言語化することから始まる。ユーザーが自然言語でやりたいことを入力すると、AIが要件定義・設計方針・具体的な実装タスクを含む仕様書ファイル（spec.md）を生成する。開発者はこのspecを確認し、必要に応じて修正した上で、specに基づいてコードを生成させる。コードと仕様が連動することで、設計と実装の乖離が生まれにくい構造になっている。

エディタ内のAIエージェントはファイル操作やターミナル実行にも対応しており、テストの実行・エラーの修正・コードのリファクタリングを直接担える。また、ファイル保存などのイベントを検知してAIが指定のアクションを取る「Hooks」機能も備わっている。MCPにも対応しており、外部サービスとのシームレスな統合が可能だ。AWSのサービスとの親和性については、今後の正式版でさらに強化される見込みだ。

Codexとは何か — OpenAIのクラウドコーディングエージェント

OpenAI Codexは2025年5月にリリースされたクラウド型AIコーディングエージェントだ（参照: OpenAI Codex）。コーディング専用に訓練されたGPT-5.3-Codexモデルが動作の基盤となっており、2025年5月時点でSWE-bench Verifiedでの解決率49.2%を記録している。SWE-benchは実際のGitHubリポジトリのissueをAIが修正できるかを測る業界標準のベンチマークで、この数値はCodexが実務レベルのコードを自律的に扱えることを裏付けている。

Codexへのアクセス方法は複数用意されている。WebブラウザからはOpenAIのWebアプリから直接タスクを入力でき、ターミナルからはCodex CLIを使ってローカルのコードベースに対してリクエストを送ることも可能だ。また、ChatGPTのインターフェース内でCodexを呼び出したり、VS Code拡張からリポジトリ操作を依頼したりもできる。これらすべての入口から同じモデルが動いており、プラットフォームをまたいで一貫した能力を利用できる。

Codexの際立った特徴は「非同期実行」だ。ユーザーがタスク（例: 「このissueのバグを修正してプルリクエストを作成してほしい」）を与えると、Codexはクラウド上のサンドボックス環境でリポジトリを操作し、テストを実行して結果をまとめる。作業が完了するとユーザーに通知が届く設計で、Codexが処理している間は別の作業を続けられる。並列で複数のタスクをCodexに委任できるため、一人の開発者が処理できる作業量が大幅に広がる。

IDEとエージェントの設計思想の違い

KiroとCodexは、AIを「どこに置くか」という点で根本的に異なる設計を採っている。

Kiroが選んだのは「IDE統合型」だ。AIはエディタの中に常駐し、開発者が今開いているファイル・選択しているコード・ターミナルの出力・プロジェクト全体の構造をリアルタイムで把握している。開発者はエディタの中でAIと対話しながら、その場でコードを修正・追加していく。コードを書く行為そのものにAIが伴走するため、作業の流れが途切れにくい。

Codexが選んだのは「クラウドエージェント型」だ。AIはユーザーとは分離されたサンドボックス環境で動作し、タスクを受け取ったら後は自律的に完了を目指す。ユーザーとAIが「ペア」を組んでリアルタイムに作業するのではなく、ユーザーがAIにタスクを渡して完了を待つ「非同期の委任関係」が基本になる。

どちらの設計が優れているかは一概には言えない。細かい調整・設計の思考過程の言語化・リアルタイムのフィードバックが重要なら、Kiroのペアプログラミング型が合う。繰り返し作業のある修正・issueの一括処理・テストの大量生成など、パターン化されたタスクを多数こなしたいならCodexの委任型が効率的だ。実際の開発現場では、作業の種類によって使い分けることが最も合理的な判断になる。

仕様駆動開発（Spec-first）とタスク委譲型の違い

Kiroが重点を置く仕様駆動開発は、「先に何を作るかを決めてからコードを書く」というフローだ。自然言語で機能の概要を伝えると、KiroのAIが要件・設計・実装タスク一覧を含む仕様書を生成する。開発者はこれを確認・修正した上でコード生成を進める。仕様と実装が常にリンクしているため、実装が仕様から外れる問題が起きにくい点が設計上の利点となっている。

Codexもリポジトリ内の指示ファイルを使ったコンテキスト管理に対応している。AGENTS.mdというファイルにプロジェクト固有のルール（禁止操作・優先する実装パターン・コーディング規約など）を記載しておくと、Codexはタスク実行時にそれを読んで従う。AGENTS.mdは複数の階層（ルート・ディレクトリ・サブディレクトリ）に配置できるため、リポジトリ全体のルールと特定モジュールのルールを分けて管理できる。

KiroのspecはKiroのUI上でプロジェクトを通じて更新し続ける「生きたドキュメント」として機能することを意図しているのに対し、CodexのAGENTS.mdはより静的な行動指針に近い。どちらも「AIに文脈を渡す」という目的を果たしているが、粒度と使い方が異なる。チームのコーディング規約の管理にはAGENTS.mdが、機能ごとの設計思想の記録にはKiroのspecが、それぞれ適している。

MCPサポートと外部ツール連携

KiroもCodexも、MCP（Model Context Protocol）に対応している。MCPはAIエージェントが外部ツール・サービス・データソースにアクセスするためのオープン標準プロトコルで、データベース・クラウドサービス・ファイルシステム管理ツールなど幅広いものと連携できる。

KiroはAWSのサービスとの統合を意識した設計になっており、MCPサーバーを経由してAWSの各サービスへのアクセスが想定されている。プレビュー版の段階では使えるMCPサーバーの種類に制限はあるが、正式版ではさらに拡充される見込みだ（参照: kiro.dev）。

Codexも同様にMCPサーバーの追加設定が可能で、外部ツールとの連携範囲を拡大できる（参照: OpenAI Codex）。ただしCodexはクラウドで動作するため、Codexから呼び出すMCPサーバーは外部からアクセスできる場所に置く必要があり、ローカルのMCPサーバーとの組み合わせはKiroより設定が複雑になる傾向がある。この点では、ローカルIDEに統合されたKiroのほうが柔軟に対応できる場合がある。

料金モデルの比較

Kiroはプレビュー期間中は無料で利用できる。正式版の料金モデルはまだ発表されていないが、AWSのクラウドサービスと連携する形の従量課金、あるいはサブスクリプションモデルになると推測される。

Codexの料金はOpenAIのサブスクリプションに組み込まれている。ChatGPT Plusプラン（月額$20）では一定量のCodex利用が含まれており、より多くの利用量が必要な場合はChatGPT Proプラン（月額$200）が選択肢になる（参照: OpenAI pricing）。またOpenAI APIを通じた従量課金での利用も可能で、使用したトークン数に応じた料金が発生する。企業向けにはCodexの大量利用に対応したエンタープライズプランも提供されている。

2026年6月時点の比較では、Kiroは初期コストゼロで試せるのに対し、CodexはOpenAIの有料プランが前提となる。ただし、Kiroが正式版に移行して課金モデルが確定した段階で、コスト面での比較は改めて検討する必要がある。

どちらを選ぶべきか

両者は同じ「AIコーディングツール」カテゴリに属しながら、実際には補完関係にある場合が多い。

Kiroが適している状況は次のとおりだ。

• 機能の設計段階からAIに関わらせたい、仕様と実装を連動させたい場合
• エディタを離れずにAIと対話しながら作業を進めたい場合
• AWSのサービスを中心としたプロジェクトで開発環境を統一したい場合
• VS Codeになじんでおり、エディタのカスタマイズを重視する場合

Codexが適している状況は次のとおりだ。

• 既存リポジトリのバグ修正・テスト追加・issueの一括対応を大量にこなしたい場合
• 複数のタスクを並行してAIに委任し、並列で進めたい場合
• ChatGPT・CLI・WebAppをシームレスに切り替えながら使いたい場合
• SWE-benchなどのベンチマークで実証されたモデル性能を優先する場合

実際のプロジェクトでは、KiroとCodexを組み合わせる使い方も現実的な選択肢になる。Kiroで機能の仕様を設計してコードの初稿を作り、定型的なリファクタリングやテスト追加はCodexに委任するという役割分担だ。仕様の設計にはKiroのspec-first、量をこなす局面にはCodexの非同期実行、と場面に応じて使い分けることで、両者の長所を活かした開発スタイルが実現できる。

まとめ

Kiroは「仕様を先に書いて、IDEの中でAIとコードを作り上げる」ツールであり、Codexは「タスクを渡してクラウドで仕上げてもらう」エージェントだ。設計の方向性が異なるため、どちらかが一方を代替するという関係にはない。

2026年6月現在、KiroはまだプレビューでAWS環境との正式対応も発展途上だが、AWSの豊富なクラウドリソースとの統合が本格化すれば、急速に実用性が高まる可能性がある。Codexは既に実績を積み重ねており、OpenAIのエコシステムを使う開発者にとって自然な選択肢になっている。両者の動向は、2026年下半期のAIコーディングツール市場を占う上で注目すべきポイントだ（参照: OpenAI Codex、Kiro）。