Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAPI / Producto · Listo para usarAWS Machine Learning Blog→ original

Kimi Code CLI ya funciona con Amazon Bedrock sin una clave de API independiente

Hasta ahora, Kimi Code CLI se conectaba a Amazon Bedrock mediante una clave de API independiente, que había que generar y custodiar. La versión 2.7.0 incorpora el proveedor bedrock, que usa los perfiles de AWS y SSO de siempre y genera por sí mismo un token temporal con una validez de hasta 12 horas. En el ejemplo de AWS se usa el modelo Kimi K3.1 Pro Highspeed, con una ventana de 1 millón de tokens. Para los equipos que trabajan en AWS, esto supone un secreto menos en las configuraciones.

Procesado por IA desde AWS Machine Learning Blog; editado por Hamidun News
Kimi Code CLI ya funciona con Amazon Bedrock sin una clave de API independiente
Fuente: AWS Machine Learning Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalAWS Machine Learning Blog ↗
Editor jefe
Dato clave #1La región hay que definirla de forma explícita: AWS_REGION en config.toml o en el shell
Dato clave #2El perfil de inferencia global es un 10% más barato que los geográficos
Dato clave #3El estado «connected» de la aplicación no comprueba el acceso: lance un prompt de prueba

Si su empresa vive en AWS, cualquier herramienta nueva para desarrolladores acaba topando con la misma pregunta: de dónde sale una clave más y quién responde de ella. Kimi Code CLI, el agente de programación de código abierto de Moonshot AI, imponía precisamente esa condición al trabajar con modelos en Amazon Bedrock. La versión 2.7.0 la elimina.

Qué cambia en la versión 2.7.0

Hasta ahora, la conexión pasaba por un proveedor genérico de tipo openai u openai_responses. Había que indicar un base_url regional y pegar una clave de API de Bedrock. La clave podía ser de corta o de larga duración, pero en cualquier caso era un secreto aparte: había que obtenerlo, guardarlo en algún sitio y revocarlo a tiempo.

Ahora la CLI incluye un proveedor bedrock nativo. Utiliza la cadena estándar de credenciales de AWS: variables de entorno, perfiles con nombre y SSO a través de IAM Identity Center. El perfil se elige con la variable AWS_PROFILE. Si no ha definido una clave manualmente, el proveedor genera por su cuenta un token de corta duración mediante la biblioteca @aws/bedrock-token-generator y lo renueva cuando hace falta. Ese token es válido hasta 12 horas o hasta que termine su sesión de AWS, lo que ocurra antes. Si indica de forma explícita api_key o api_key_env, su clave tendrá prioridad.

AWS recuerda por separado que este método reduce la dependencia de las claves creadas a mano, pero que la responsabilidad de proteger las credenciales y de ajustar bien los permisos sigue siendo suya.

Cómo configurarlo

El ejemplo de AWS utiliza Kimi K3.1 Pro Highspeed. El modelo admite salida en streaming, razonamiento configurable, imágenes como entrada y llamada a herramientas del lado del cliente. Los pasos son los siguientes.

Primero, compruebe que AWS CLI ve la identidad correcta: para SSO, use aws configure sso y aws sso login; para credenciales de consola hace falta aws login (AWS CLI 2.32.0 o posterior); la comprobación se hace con el comando aws sts get-caller-identity.

Después, edite ~/.kimi-code/config.toml. Cree un proveedor con type = "bedrock" y, en su sección env, defina AWS_REGION y, si es necesario, AWS_PROFILE. Describa el modelo con el identificador global.moonshotai.kimi-k3.1, un contexto de 1 000 000 tokens y la lista de capacidades: always_thinking, thinking, image_in, tool_use.

El usuario de IAM debe tener permisos para bedrock:CallWithBearerToken (solo para tokens de corta duración), para leer el perfil de inferencia y para invocar el modelo mediante InvokeModel e InvokeModelWithResponseStream. AWS aconseja asignar un rol exclusivo para esta herramienta y aplicar el principio de mínimo privilegio. Los permisos sobre el proyecto default solo hacen falta con el protocolo openai_responses.

Lo mejor es verificar la configuración con una única consulta: kimi --model bedrock-kimi-k3-1 --prompt "…". Si la respuesta llega en streaming, funcionan a la vez la autorización, los permisos, la región y el acceso al modelo.

Trampas habituales

Primera, la región. El proveedor no la lee de ~/.aws/config, así que AWS_REGION o AWS_DEFAULT_REGION deben indicarse en config.toml o en el entorno. Si se usa un perfil con prefijo global., us. o in., esa región es la que se toma como origen de las solicitudes.

Segunda, las capacidades del modelo no se detectan automáticamente. Si no se declaran image_in o tool_use, el agente no las usará. Solo hay que indicar lo que el modelo y el endpoint concreto admiten realmente. AWS recomienda comprobar por separado el funcionamiento de las herramientas y de las imágenes con sus propias tareas, en lugar de fiarse solo de las etiquetas.

Tercera, la interfaz. La aplicación de escritorio y la web de Kimi Code todavía no muestran todos los campos de entorno de este proveedor, así que habrá que configurarlo directamente en el archivo. El estado «connected» en la lista de proveedores no dice nada sobre permisos, región ni red, de modo que la prueba real sigue siendo una solicitud de prueba.

Cuarta, si necesita un endpoint de VPC o Mantle, la detección automática del protocolo y de la dirección no funcionará. En ese caso, hay que fijar en el modelo el protocol (openai, openai_responses o anthropic) y el base_url con la ruta adecuada, como /openai/v1.

Costes y orden

Bedrock cobra la inferencia por tokens y no hay infraestructura permanente, así que, tras los experimentos, no queda nada que retirar salvo los permisos de IAM y los perfiles de prueba. Tenga en cuenta que borrar la configuración local no revoca la sesión activa. Para tareas sin requisitos de ubicación de los datos, AWS aconseja empezar con el perfil de inferencia global, que es un 10% más barato que los geográficos.

Conclusión práctica: si ya tiene SSO y rotación de sesiones, ahora puede conectar Kimi Code a Bedrock sin un secreto nuevo. Eso simplifica la auditoría y elimina la pregunta de dónde está guardada la clave. Aun así, sigue sin ser buena idea dar permisos amplios a este agente: ejecuta comandos en su proyecto, y antes de aceptar hay que revisar cada cambio en archivos y cada comando de shell.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué cambia en la versión 2.7.0?

Hasta ahora, la conexión pasaba por un proveedor genérico de tipo openai u openai_responses. Había que indicar un base_url regional y pegar una clave de API de Bedrock. La clave podía ser de corta o de larga duración, pero en cualquier caso era un secreto aparte: había que obtenerlo, guardarlo en algún sitio y revocarlo a tiempo. Ahora la CLI incluye un proveedor bedrock nativo. Utiliza la cadena estándar de credenciales de AWS: variables de entorno, perfiles con nombre y SSO a través de IAM Identity Center.

Cómo configurarlo?

El ejemplo de AWS utiliza Kimi K3.1 Pro Highspeed. El modelo admite salida en streaming, razonamiento configurable, imágenes como entrada y llamada a herramientas del lado del cliente. Los pasos son los siguientes. Primero, compruebe que AWS CLI ve la identidad correcta: para SSO, use aws configure sso y aws sso login; para credenciales de consola hace falta aws login (AWS CLI 2.32.0 o posterior); la comprobación se hace con el comando aws sts get-caller-identity. Después, edite ~/.kimi-code/config.toml.

¿Qué se sabe sobre Trampas habituales?

Primera, la región. El proveedor no la lee de ~/.aws/config, así que AWS_REGION o AWS_DEFAULT_REGION deben indicarse en config.toml o en el entorno. Si se usa un perfil con prefijo global., us. o in., esa región es la que se toma como origen de las solicitudes. Segunda, las capacidades del modelo no se detectan automáticamente. Si no se declaran image_in o tool_use, el agente no las usará. Solo hay que indicar lo que el modelo y el endpoint concreto admiten realmente.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…