AWS憋了3個月的Agent插件，開發者實測后發現了1個省錢漏洞

AWS上個月發布的Agent Plugins（智能體插件），官方宣傳是"讓Claude Code一鍵調用AWS服務"。但有個細節沒人提：如果你已經買了Kiro Pro訂閱，完全不用再給Anthropic API充錢。我把Claude Code的流量拐了個彎，實測了一周，發現這個方案省下的不只是賬單。

01 | 省下的API費，只是最表面的賬

Claude Code默認直連Anthropic的API，按token計費。對于重度用戶，這意味著每月幾百美元的固定支出。但Claude Code從2.1.29版本開始支持ANTHROPIC_BASE_URL環境變量——這個設計本意是讓企業用戶對接私有部署，卻被開發者玩出了新花樣。

kiro-gateway是一個開源代理工具。把它架在本地，Claude Code會以為自己在跟Anthropic服務器對話，實際上請求被轉到了Kiro Pro的訂閱通道。Kiro Pro是AWS推出的開發者AI工具套件，月費固定，不限制調用量。

對每天跑幾十輪代碼生成的開發者來說，這筆賬很容易算清：固定訂閱費 vs 隨用量膨脹的API賬單。

設置過程比想象中簡單。全局安裝Claude Code后，克隆kiro-gateway倉庫，建個Python虛擬環境裝依賴。配置文件里最關鍵的兩行：SERVER_HOST綁127.0.0.1，KIRO_CLI_DB_FILE指向kiro-cli的認證數據庫——macOS用戶在~/Library/Application Support/kiro-cli/data.sqlite3。

啟動網關后，在~/.claude/settings.json里把ANTHROPIC_BASE_URL指向http://127.0.0.1:9000，API_KEY填網關的本地代理密鑰。第一次運行Claude Code會彈窗確認，選Yes就行。Anthropic的服務器從頭到尾沒參與這次握手。

02 | Agent Plugins到底能干什么

AWS這次發布的Agent Plugins不是簡單的命令封裝。每個插件打包了四種產物：技能定義（告訴AI能做什么）、工具實現（實際怎么調用）、上下文模板（對話開場白）、還有MCP服務器（Model Context Protocol，模型上下文協議，提供實時數據）。

市場里有7個插件可選：deploy-on-aws、aws-serverless、aws-amplify、databases-on-aws、amazon-location-service、migration-to-aws、sagemaker-ai。安裝方式是在Claude Code里敲三行命令：先添加市場源，再裝具體插件，重啟生效。

我重點測了aws-serverless。它內置三個技能：aws-serverless-init初始化項目結構，aws-serverless-dev做本地開發調試，aws-serverless-deploy處理部署。背后有個aws-serverless-mcp服務器在跑，Claude能實時查詢你的Lambda函數狀態、API Gateway端點、CloudWatch日志。

這種架構的聰明之處在于：AI不再只是生成代碼草稿，而是能操作真實資源、讀取實時狀態、根據反饋調整下一步。

deploy-on-aws插件更直接，只有一個deploy技能，但拆成五步：驗證代碼→構建產物→配置環境→執行部署→驗證結果。每一步都有明確的輸入輸出契約，Claude Code會主動詢問缺失的參數，而不是瞎猜。

03 | 實測中踩的3個坑

第一坑是版本鎖。Claude Code必須2.1.29或更新，舊版本不認ANTHROPIC_BASE_URL。我一開始用的2.1.27，網關啟動正常，Claude Code卻直接報錯連接失敗。升級后問題解決。

第二坑在認證鏈。kiro-gateway需要讀取kiro-cli的SQLite數據庫來獲取登錄態，但macOS的權限管理會攔截。解決方案是手動給終端"完全磁盤訪問權限"，或者在系統設置里單獨放行。這個步驟文檔里沒寫，我翻GitHub issue才找到。

第三坑最隱蔽：插件安裝后的重啟。Claude Code的熱更新機制不會自動加載新插件，必須完全退出進程再啟動。我第一次裝完aws-serverless，敲/plugin list顯示已安裝，但問Claude"幫我建個Lambda"時它完全沒反應。重啟后技能才被正確注冊。

這三個坑的共同點是：工具鏈的每個環節都"看起來正常"，直到某個具體場景才暴露問題。這種分布式故障最難排查，因為日志分散在網關、Claude Code、插件MCP服務器三個地方。

04 | 為什么AWS要這么設計

把技能包拆成可插拔的插件，而不是硬編碼進Claude Code，這個決策值得琢磨。AWS的工程師顯然在賭一個未來：模型會快速迭代，但云服務的操作范式相對穩定。今天用Claude，明天可能換Gemini或Llama，只要插件接口不變，底層技能可以復用。

MCP（模型上下文協議）的引入更關鍵。它定義了一套標準，讓外部工具能向AI暴露結構化數據。aws-serverless-mcp服務器不是簡單包裝AWS CLI，而是把CloudFormation堆棧狀態、Lambda并發指標、DynamoDB表結構翻譯成AI能理解的上下文。

這種設計讓Claude Code從"代碼生成器"變成了"云資源操作員"。你可以說"把staging環境的Lambda內存從512MB調到1GB"，它會先查當前配置、確認權限、執行修改、再驗證結果——整個過程不需要你離開對話界面。

Kiro Pro的定價策略也很有意思。固定月費模式在toB市場常見，但在個人開發者工具里算激進。AWS顯然在賭：當開發者的AI調用量超過某個閾值后，Kiro Pro的性價比會碾壓按量計費。kiro-gateway這個開源項目，某種程度上是降低試用門檻的鉤子。

05 | 這套方案適合誰

不是所有開發者都需要這么繞。如果你每月Claude Code用量在20美元以內，直接付API費更省心。kiro-gateway的維護成本——本地服務保活、版本升級、故障排查——對輕量用戶是負收益。

但有兩類人應該認真考慮：一是每天跟AWS基礎設施打交道的平臺工程師，他們的對話輪次高、上下文長，API賬單容易失控；二是已經在用Kiro Pro的團隊，網關方案讓Claude Code成了訂閱的附贈品，邊際成本趨近于零。

有個細節很多人沒注意到：Kiro Pro的訂閱包含的模型版本，通常比Anthropic API的默認版本新半代到一代。這次測試用的claude-sonnet-4-6-20250929，在官方API的對應版本還沒全量開放。對于追新特性的開發者，這是額外的隱性收益。

插件生態的成熟度是另一個考量。7個插件覆蓋的場景還偏基礎，復雜的多服務編排、跨賬號部署、成本優化建議這些高級場景，目前需要人工介入。AWS的文檔暗示更多插件在開發中，但時間表不明。