AISDLC - Plataforma de agentes de IA

Web Mobile API

Plataforma de agentes de IA para conduzir o ciclo completo de desenvolvimento de software no Kiro IDE.

AISDLC - Plataforma de agentes de IA

AISDLC

Plataforma de agentes de IA para conduzir o ciclo completo de desenvolvimento de software no Kiro IDE, do refinamento de negócio à implementação autônoma, com governança, evidências e pontos explícitos de decisão humana.

Arquitetura da plataforma agêntica AISDLC

Estado

Esta é a fundação executável da plataforma. Ela inclui agentes especializados, skills reutilizáveis, steering, hooks, configurações de autonomia, templates, ferramentas locais e uma spec piloto que documenta o próprio bootstrap.

Princípio de instalação

kiro/ é a fonte de verdade versionada. O Kiro procura configurações em .kiro/, portanto cada clone deve criar um link simbólico local chamado .kiro apontando para kiro/.

O link não deve ser commitado e já está coberto pelo .gitignore.

Windows PowerShell

Execute na raiz do projeto:

New-Item -ItemType SymbolicLink -Path .kiro -Target kiro

Se o Windows negar a criação por falta de Developer Mode ou privilégios, use uma Junction como alternativa:

New-Item -ItemType Junction -Path .kiro -Target kiro

Junction não exige Developer Mode e é reconhecida como link simbólico pelo Node.js e pelo Kiro IDE. A diferença principal é que Junction não funciona em caminhos de rede; para uso local é equivalente.

Windows Command Prompt

mklink /D .kiro kiro

Linux e macOS

ln -s kiro .kiro

Não mantenha uma pasta real .kiro em paralelo. Isso criaria duas fontes de configuração com risco de divergência.

Início rápido

Clone o repositório público da plataforma:

git clone https://github.com/mdnbras/aisdlc.git
cd aisdlc
  1. Crie o link simbólico correspondente ao seu sistema operacional.
  2. Copie kiro/settings/mcp.sample.json para kiro/settings/mcp.json e configure a autenticação dos MCPs conforme docs/integrations.md.
  3. Valide a instalação com npm run validate.
  4. Abra a raiz do repositório no Kiro IDE e autentique o Jira quando solicitado.
  5. Selecione o agente sdlc-orchestrator.
  6. Inicie uma demanda com /run-sdlc ou crie uma spec com npm run spec:new -- minha-feature "Minha feature".
  7. Revise os gates humanos indicados nos artefatos da spec.
  8. Execute tarefas pelo painel de Specs do Kiro ou com /spec run <nome> no Kiro CLI.

O projeto não possui dependências npm; os scripts usam apenas APIs nativas do Node.js.

Fluxo operacional

Demanda
  -> Refinamento de negócio
  -> Requisitos e critérios de aceite
  -> Desenho da solução
  -> Plano técnico
  -> Implementação autônoma
  -> Validação e testes
  -> Revisão independente
  -> Documentação
  -> Preparação de release

Cada demanda vive em kiro/specs/<slug>/. Os três artefatos nativos do Kiro são requirements.md, design.md e tasks.md. O AISDLC acrescenta business-brief.md, evidence.md e release.md para manter rastreabilidade de ponta a ponta.

O contrato detalhado de entradas, saídas e gates está em docs/development-flow.md.

Agentes

Agente Responsabilidade principal Autonomia padrão
sdlc-orchestrator Conduzir a demanda pelo fluxo completo e aplicar os gates 3
business-refiner Transformar uma demanda em problema, objetivo e métricas 1
product-analyst Especificar requisitos e critérios de aceite 1
solution-architect Definir solução, interfaces, riscos e decisões 1
tech-lead Produzir tarefas executáveis e estratégia de entrega 2
implementation-agent Implementar tarefas aprovadas com testes 2
test-agent Validar comportamento e registrar evidências 2
review-agent Revisar bugs, regressões, segurança e aderência 1
documentation-agent Atualizar documentação técnica e de uso 2
release-agent Preparar release, deploy e rollback 1

Os perfis ficam em kiro/agents/. Eles não fixam um modelo específico: herdam o modelo configurado no Kiro, enquanto configs/ai-profiles.yaml define o perfil de capacidade esperado para cada papel.

Skills

Skills ficam em kiro/skills/<nome>/SKILL.md, seguem o padrão Agent Skills e aparecem como comandos /nome no Kiro:

  • run-sdlc
  • refine-business
  • write-requirements
  • design-solution
  • plan-implementation
  • implement-task
  • validate-change
  • review-change
  • document-feature
  • prepare-release
  • use-specialist

Cada skill determina pré-condições, procedimento, formato de saída e critério de conclusão. Artefatos detalhados são carregados sob demanda para manter o contexto enxuto.

Especialistas

Stacks específicas são atendidas por pacotes independentes com seu próprio contexto .kiro. O AISDLC detecta a tecnologia, instala o pacote no workspace consumidor e delega tarefas ao seu orquestrador como subagente.

npm run specialist -- list
npm run specialist -- detect --target C:\MyPath\meu-servico
npm run specialist -- install ai-kotlin-backend --target C:\MyPath\meu-servico
npm run specialist -- install ai-web-react --target C:\MyPath\meu-app-react
npm run specialist -- install ai-web-angular --target C:\MyPath\meu-app-angular
npm run specialist -- install ai-kotlin-android --target C:\MyPath\meu-app-android
npm run specialist -- install ai-database --target C:\MyPath\meu-servico
npm run specialist -- install ai-sre --target C:\MyPath\meu-servico
npm run specialist -- install ai-terraform --target C:\MyPath\minha-infra
npm run specialist -- install ai-aws --target C:\MyPath\minha-infra
npm run specialist -- install ai-kubernetes --target C:\MyPath\minha-plataforma

Os pacotes disponíveis cobrem backend Kotlin, Android/Kotlin, React, Angular, bancos de dados, SRE, Terraform, AWS e Kubernetes. AWS e Kubernetes declaram companions e colaboram com Terraform sem misturar decisões de domínio com ownership de HCL e state. Todos vivem em repositórios públicos https://github.com/mdnbras/<pacote> e são obtidos automaticamente pelo instalador. Veja docs/specialists.md.

Steering

Os arquivos de kiro/steering/ carregam o contexto persistente da plataforma:

  • product.md: propósito, usuários e resultados esperados.
  • tech.md: tecnologias e portabilidade.
  • structure.md: organização e convenções de arquivos.
  • architecture.md: limites e decisões arquiteturais.
  • engineering.md: disciplina de implementação.
  • quality.md: estratégia de testes e evidências.
  • delivery.md: regras de mudança e release.
  • autonomy.md: limites de autonomia e escalonamento.
  • integrations.md: uso seguro de Jira e GitHub via MCP.
  • workflow.md: estados e transições do SDLC.

Custom agents não recebem steering automaticamente no Kiro. Por isso, todos os perfis declaram explicitamente file://.kiro/steering/**/*.md em resources.

Configuração e governança

Os contratos legíveis por máquina ficam em configs/:

  • workflow.yaml: etapas, donos, artefatos e gates.
  • autonomy-levels.yaml: ações permitidas em cada nível.
  • ai-profiles.yaml: capacidade, ferramentas e restrições por agente.

As regras centrais são:

  • mudanças destrutivas, produção, segredos e merge nunca são presumidos;
  • requisitos e solução exigem aprovação quando alteram escopo, contrato ou arquitetura;
  • implementação autônoma só começa com tarefa pronta e critério verificável;
  • nenhuma tarefa é concluída sem evidência proporcional ao risco;
  • falhas não são escondidas: risco residual e validação ausente devem ser registrados.

Veja docs/governance.md e configs/autonomy-levels.yaml.

Tools e integrações

tools/catalog.yaml registra as categorias de ferramentas e suas políticas. Scripts determinísticos ficam em tools/scripts/:

npm run validate
npm run spec:new -- checkout-expresso "Checkout expresso"

Integrações MCP de workspace são declaradas em kiro/settings/mcp.json:

  • jira: Atlassian MCP v2 remoto, autenticado por OAuth no navegador.
  • github: GitHub Remote MCP, autenticado pela variável GITHUB_PERSONAL_ACCESS_TOKEN.

O arquivo mcp.json é local e não vai para o repositório (já coberto pelo .gitignore). O repositório inclui kiro/settings/mcp.sample.json como referência. Para ativar os MCPs após clonar:

cp kiro/settings/mcp.sample.json kiro/settings/mcp.json

Edite mcp.json conforme necessário. A estrutura esperada é:

{
  "mcpServers": {
    "nome-do-servidor": {
      "url": "https://endpoint-do-mcp",
      "disabled": false,
      "autoApprove": []
    }
  }
}

Nunca coloque tokens ou segredos diretamente no arquivo. Use variáveis de ambiente expandidas pelo Kiro, como "Bearer ${GITHUB_PERSONAL_ACCESS_TOKEN}". O validador rejeita tokens hardcoded com prefixos conhecidos (ghp_, github_pat_) e bloqueia autoApprove: ["*"].

Nenhuma ferramenta externa é autoaprovada. O GitHub usa apenas os toolsets context, issues, pull_requests e repos, com lockdown habilitado. Nunca versione tokens.

No PowerShell, defina o token apenas para a sessão que iniciará o Kiro:

$env:GITHUB_PERSONAL_ACCESS_TOKEN = Read-Host "GitHub token"
kiro .

No Linux ou macOS:

read -s GITHUB_PERSONAL_ACCESS_TOKEN
export GITHUB_PERSONAL_ACCESS_TOKEN
kiro .

O Kiro pedirá aprovação para expandir a variável de ambiente. Prefira um fine-grained PAT limitado aos repositórios e permissões necessários. Veja docs/integrations.md.

Hooks

kiro/hooks/quality-gates.json contém dois hooks compatíveis com o formato v1 do Kiro:

  • validação determinística da plataforma após alterações em arquivos gerenciados;
  • verificação de evidências ao concluir uma tarefa de spec.

O hook não substitui CI. Ele antecipa feedback dentro do IDE.

Estrutura

aisdlc/
  README.md
  configs/
  docs/
  kiro/                     # fonte de verdade
    agents/
    hooks/
    settings/
    skills/
    specs/
    steering/
  templates/
  tools/
    scripts/
  .kiro -> kiro             # link local, ignorado pelo Git

Spec piloto

kiro/specs/platform-bootstrap/ demonstra o ciclo completo aplicado à própria fundação do AISDLC. Ela contém requisitos, design, tarefas concluídas e evidências de validação, servindo como exemplo para as próximas demandas.

Evolução recomendada

  1. Revisar o fluxo e adaptar nomes, gates e níveis de autonomia ao processo real do time.
  2. Configurar MCPs usados pelo time, como repositório, backlog e documentação.
  3. Criar a primeira spec de produto com npm run spec:new.
  4. Executá-la com o sdlc-orchestrator e registrar onde houve atrito.
  5. Transformar padrões recorrentes em novas skills ou validações determinísticas.

Referências do Kiro

Tags

ai kiro sdlc agents skills steerings

Link curto

URL enxuta em nrt.dev.br para divulgar este projeto nas redes sociais.

https://nrt.dev.br/e/aisdlc---plataforma-de-agentes-de-ia-467

Badge de Upvotes

Incorpore o badge em um README ou página Markdown para exibir os votos do projeto.

upvotes: 0
[![upvotes](https://comunidade.devsnorte.com/badges/upvotes/467)](https://comunidade.devsnorte.com/projetos/467)

Publicado por

@mdnbras

23/09/2026 às 18:34

Projetos relacionados