Kimi Code CLI научился работать с Amazon Bedrock без отдельного API-ключа
Раньше Kimi Code CLI подключался к Amazon Bedrock через отдельный API-ключ, который нужно было выпускать и прятать. В версии 2.7.0 появился провайдер bedrock: он берёт обычные AWS-профили и SSO и сам делает временный токен на срок до 12 часов. В примере AWS работает модель Kimi K3.1 Pro Highspeed с окном в 1 млн токенов. Командам на AWS это даёт на один секрет меньше в конфигах.
AI-обработка оригинала AWS Machine Learning Blog; редакция Hamidun News
Если ваша компания живёт в AWS, любой новый инструмент для разработчиков упирается в один и тот же вопрос: где взять ещё один ключ и кто за него отвечает. Kimi Code CLI, опенсорсный кодинг-агент от Moonshot AI, раньше ставил именно такое условие при работе с моделями на Amazon Bedrock. В версии 2.7.0 условие убрали.
Что изменилось в версии 2.7.0
Раньше подключение шло через универсальный провайдер с типом openai или openai_responses. Нужно было указать региональный base_url и вставить API-ключ Bedrock. Ключ мог быть краткосрочным или долгосрочным, но в любом случае это был отдельный секрет, который надо получить, где-то хранить и вовремя отзывать.
Теперь в CLI есть нативный провайдер bedrock. Он использует стандартную цепочку AWS-учётных данных: переменные окружения, именованные профили, SSO через IAM Identity Center. Выбрать профиль можно переменной AWS_PROFILE. Если вы не задали ключ вручную, провайдер сам генерирует краткосрочный токен через библиотеку @aws/bedrock-token-generator и обновляет его по мере надобности. Такой токен действует до 12 часов или до конца вашей AWS-сессии, смотря что короче. Если же вы явно указали api_key или api_key_env, ваш ключ получит приоритет.
AWS отдельно напоминает: этот путь снижает зависимость от ключей, созданных вручную, но ответственность за защиту учётных данных и аккуратные права остаётся на вас.
Как это настроить
В примере AWS используется Kimi K3.1 Pro Highspeed. Модель поддерживает потоковый вывод, настраиваемое рассуждение, картинки на входе и вызов инструментов на стороне клиента. Порядок такой.
Сначала проверяете, что AWS CLI видит нужную личность: для SSO это aws configure sso и aws sso login, для консольных учётных данных нужен aws login (AWS CLI 2.32.0 и новее), а проверка делается командой aws sts get-caller-identity.
Затем правите ~/.kimi-code/config.toml. Создаёте провайдера с type = "bedrock", в его секции env задаёте AWS_REGION и при необходимости AWS_PROFILE. Модель описываете с идентификатором global.moonshotai.kimi-k3.1, контекстом в 1 000 000 токенов и списком возможностей: always_thinking, thinking, image_in, tool_use.
У пользователя IAM должны быть права на bedrock:CallWithBearerToken (только для краткосрочных токенов), чтение профиля инференса и вызов модели через InvokeModel и InvokeModelWithResponseStream. AWS советует выдать роль только под этот инструмент и придерживаться принципа минимальных привилегий. Права на проект default нужны лишь при протоколе openai_responses.
Проверять связку лучше разовым запросом: kimi --model bedrock-kimi-k3-1 --prompt "…". Если ответ пошёл потоком, то и авторизация, и права, и регион, и доступ к модели работают.
Подводные камни
Во-первых, регион. Провайдер не читает его из ~/.aws/config, поэтому AWS_REGION или AWS_DEFAULT_REGION придётся указать в config.toml или в окружении. При использовании профиля с префиксом global., us. или in. именно этот регион становится исходным для запросов.
Во-вторых, возможности модели не определяются автоматически. Если не прописать image_in или tool_use, агент ими не воспользуется. Указывать нужно только то, что реально поддерживает модель и конкретный эндпоинт. AWS рекомендует отдельно проверить работу инструментов и изображений на своих задачах, а не доверять одним меткам.
В-третьих, интерфейс. Десктопное и веб-приложение Kimi Code пока не показывают все поля окружения для такого провайдера, поэтому настраивать его придётся прямо в файле. Статус «connected» в списке провайдеров не говорит ничего о правах, регионе и сети, так что настоящим тестом остаётся пробный запрос.
В-четвёртых, если вам нужен VPC-эндпоинт или Mantle, автоопределение протокола и адреса не сработает. Тогда в модели задают protocol (openai, openai_responses или anthropic) и base_url с нужным путём вроде /openai/v1.
Что с деньгами и порядком
Bedrock тарифицирует инференс за токены, постоянной инфраструктуры нет, так что после экспериментов убирать нечего, кроме тестовых IAM-прав и профилей. Помните, что удаление локального конфига не отзывает активную сессию. Для задач без требований к размещению данных AWS советует начинать с глобального профиля инференса: он на 10% дешевле географических.
Практический итог: если у вас уже есть SSO и ротация сессий, подключить Kimi Code к Bedrock теперь можно без нового секрета. Это упрощает аудит и снимает вопрос «где лежит ключ». Но выдавать этому агенту широкие права по-прежнему не стоит: он выполняет команды в вашем проекте, и перед согласием каждое изменение файлов и shell-команду нужно просматривать.
- 20 нояб. 2026 г.Anthropic собрала на IPO $104,8 млрд, но обязательства на инфраструктуру — $1 трлн
- 20 нояб. 2026 г.AWS запустила управляемый NVIDIA Dynamo для моделей, которые не влезают в один сервер
- 20 нояб. 2026 г.Турнир агентов в Cisco: 1200 инженеров, победил тот, кто писал 1220 токенов вместо 1430
- 20 нояб. 2026 г.Amazon SageMaker сама ищет простаивающие GPU и рост задержки у LLM-эндпоинтов
Вопросы и ответы по материалу
Что известно по теме: что изменилось в версии 2.7.0?
Раньше подключение шло через универсальный провайдер с типом openai или openai_responses. Нужно было указать региональный base_url и вставить API-ключ Bedrock. Ключ мог быть краткосрочным или долгосрочным, но в любом случае это был отдельный секрет, который надо получить, где-то хранить и вовремя отзывать. Теперь в CLI есть нативный провайдер bedrock. Он использует стандартную цепочку AWS-учётных данных: переменные окружения, именованные профили, SSO через IAM Identity Center.
Что известно по теме: как это настроить?
В примере AWS используется Kimi K3.1 Pro Highspeed. Модель поддерживает потоковый вывод, настраиваемое рассуждение, картинки на входе и вызов инструментов на стороне клиента. Порядок такой. Сначала проверяете, что AWS CLI видит нужную личность: для SSO это aws configure sso и aws sso login, для консольных учётных данных нужен aws login (AWS CLI 2.32.0 и новее), а проверка делается командой aws sts get-caller-identity. Затем правите ~/.kimi-code/config.toml.
Что известно по теме: подводные камни?
Во-первых, регион. Провайдер не читает его из ~/.aws/config, поэтому AWS_REGION или AWS_DEFAULT_REGION придётся указать в config.toml или в окружении. При использовании профиля с префиксом global., us. или in. именно этот регион становится исходным для запросов. Во-вторых, возможности модели не определяются автоматически. Если не прописать image_in или tool_use, агент ими не воспользуется. Указывать нужно только то, что реально поддерживает модель и конкретный эндпоинт.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.