Kimi Code CLI agora funciona com Amazon Bedrock sem uma chave de API separada
Antes, o Kimi Code CLI se conectava ao Amazon Bedrock por meio de uma chave de API separada, que era preciso emitir e guardar com cuidado. A versão 2.7.0 traz o provedor bedrock: ele usa perfis AWS e SSO comuns e gera sozinho um token temporário com validade de até 12 horas. No exemplo da AWS, funciona o modelo Kimi K3.1 Pro Highspeed, com janela de 1 milhão de tokens. Para equipes que já estão na AWS, isso significa um segredo a menos nos arquivos de configuração.
Processado por IA de AWS Machine Learning Blog; editado por Hamidun News
Se a sua empresa vive na AWS, toda nova ferramenta para desenvolvedores esbarra na mesma pergunta: onde conseguir mais uma chave e quem responde por ela. O Kimi Code CLI, agente de programação de código aberto da Moonshot AI, impunha justamente essa condição ao trabalhar com modelos no Amazon Bedrock. Na versão 2.7.0, a exigência deixou de existir.
O que mudou na versão 2.7.0
Antes, a conexão passava por um provedor genérico do tipo openai ou openai_responses. Era preciso informar um base_url regional e colar a chave de API do Bedrock. A chave podia ser de curta ou de longa duração, mas em qualquer caso era um segredo à parte: era preciso obtê-lo, armazená-lo em algum lugar e revogá-lo a tempo.
Agora, a CLI tem um provedor nativo bedrock. Ele usa a cadeia padrão de credenciais da AWS: variáveis de ambiente, perfis nomeados e SSO via IAM Identity Center. O perfil pode ser escolhido pela variável AWS_PROFILE. Se você não definir uma chave manualmente, o provedor gera por conta própria um token de curta duração pela biblioteca @aws/bedrock-token-generator e o renova conforme a necessidade. Esse token vale por até 12 horas ou até o fim da sua sessão AWS, o que ocorrer primeiro. Se você informar explicitamente api_key ou api_key_env, a sua chave terá prioridade.
A AWS faz uma ressalva: esse caminho reduz a dependência de chaves criadas manualmente, mas a responsabilidade por proteger as credenciais e manter permissões enxutas continua com você.
Como configurar
O exemplo da AWS usa o Kimi K3.1 Pro Highspeed. O modelo oferece saída em streaming, raciocínio configurável, imagens como entrada e chamada de ferramentas no lado do cliente. O passo a passo é este.
Primeiro, verifique se o AWS CLI enxerga a identidade correta: para SSO, use aws configure sso e aws sso login; para credenciais de console, é preciso aws login (AWS CLI 2.32.0 ou mais recente); e a checagem é feita com o comando aws sts get-caller-identity.
Depois, edite o ~/.kimi-code/config.toml. Crie o provedor com type = "bedrock" e, na seção env dele, defina AWS_REGION e, se necessário, AWS_PROFILE. Descreva o modelo com o identificador global.moonshotai.kimi-k3.1, contexto de 1 000 000 de tokens e a lista de capacidades: always_thinking, thinking, image_in, tool_use.
O usuário IAM precisa de permissão para bedrock:CallWithBearerToken (somente para tokens de curta duração), leitura do perfil de inferência e invocação do modelo via InvokeModel e InvokeModelWithResponseStream. A AWS recomenda criar uma role exclusiva para essa ferramenta e seguir o princípio do menor privilégio. Permissões no projeto default só são necessárias com o protocolo openai_responses.
O melhor jeito de testar a configuração é uma requisição avulsa: kimi --model bedrock-kimi-k3-1 --prompt "…". Se a resposta chegar em streaming, autorização, permissões, região e acesso ao modelo estão funcionando.
Armadilhas
Primeiro, a região. O provedor não a lê do ~/.aws/config, então AWS_REGION ou AWS_DEFAULT_REGION precisam ser definidas no config.toml ou no ambiente. Ao usar um perfil com prefixo global., us. ou in., é essa região que passa a ser a origem das requisições.
Segundo, as capacidades do modelo não são detectadas automaticamente. Se image_in ou tool_use não forem declarados, o agente não vai usá-los. Só se deve indicar o que o modelo e o endpoint específico realmente suportam. A AWS recomenda testar separadamente o funcionamento de ferramentas e imagens nas suas próprias tarefas, em vez de confiar apenas nos rótulos.
Terceiro, a interface. Os aplicativos desktop e web do Kimi Code ainda não exibem todos os campos de ambiente desse provedor, então a configuração precisa ser feita diretamente no arquivo. O status «connected» na lista de provedores não diz nada sobre permissões, região e rede, de modo que o teste de verdade continua sendo uma requisição de prova.
Quarto, se você precisa de um endpoint VPC ou do Mantle, a detecção automática de protocolo e endereço não funciona. Nesse caso, defina no modelo o protocol (openai, openai_responses ou anthropic) e o base_url com o caminho adequado, como /openai/v1.
E os custos e a organização?
O Bedrock cobra a inferência por token e não há infraestrutura permanente, então, depois dos experimentos, não sobra nada para remover além das permissões IAM e dos perfis de teste. Lembre-se de que apagar a configuração local não revoga uma sessão ativa. Para tarefas sem requisitos de localização dos dados, a AWS aconselha começar pelo perfil de inferência global, que é 10% mais barato que os geográficos.
Na prática: se você já tem SSO e rotação de sessões, agora é possível conectar o Kimi Code ao Bedrock sem um novo segredo. Isso simplifica a auditoria e elimina a dúvida sobre onde a chave está guardada. Mas continua sem ser recomendável dar amplas permissões a esse agente: ele executa comandos no seu projeto, e cada alteração de arquivo e cada comando de shell devem ser revisados antes da aprovação.
- 20 de nov. de 2026Anthropic levanta US$ 104,8 bilhões no IPO, mas compromissos com infraestrutura chegam a US$ 1 trilhão
- 20 de nov. de 2026AWS lança NVIDIA Dynamo gerenciado para modelos que não cabem em um único servidor
- 20 de nov. de 2026Torneio de agentes na Cisco: 1200 engenheiros, e venceu quem escreveu 1220 tokens em vez de 1430
- 20 de nov. de 2026Amazon SageMaker passa a detectar GPUs ociosas e aumento de latência em endpoints de LLM por conta própria
Perguntas frequentes sobre a notícia
E os custos e a organização?
O Bedrock cobra a inferência por token e não há infraestrutura permanente, então, depois dos experimentos, não sobra nada para remover além das permissões IAM e dos perfis de teste. Lembre-se de que apagar a configuração local não revoga uma sessão ativa. Para tarefas sem requisitos de localização dos dados, a AWS aconselha começar pelo perfil de inferência global, que é 10% mais barato que os geográficos.
O que mudou na versão 2.7.0?
Antes, a conexão passava por um provedor genérico do tipo openai ou openai_responses. Era preciso informar um base_url regional e colar a chave de API do Bedrock. A chave podia ser de curta ou de longa duração, mas em qualquer caso era um segredo à parte: era preciso obtê-lo, armazená-lo em algum lugar e revogá-lo a tempo. Agora, a CLI tem um provedor nativo bedrock. Ele usa a cadeia padrão de credenciais da AWS: variáveis de ambiente, perfis nomeados e SSO via IAM Identity Center.
Como configurar?
O exemplo da AWS usa o Kimi K3.1 Pro Highspeed. O modelo oferece saída em streaming, raciocínio configurável, imagens como entrada e chamada de ferramentas no lado do cliente. O passo a passo é este. Primeiro, verifique se o AWS CLI enxerga a identidade correta: para SSO, use aws configure sso e aws sso login; para credenciais de console, é preciso aws login (AWS CLI 2.32.0 ou mais recente); e a checagem é feita com o comando aws sts get-caller-identity. Depois, edite o ~/.kimi-code/config.toml.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.