Model dan platform AI

AWS Merilis Emulator Lokal yang Sepenuhnya Ditulis oleh Agen AI Otonom

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

AWS merilis AWS Emulator pada 11 November 2026. Emulator lokal ini telah tersedia secara umum dan dibangun dari 438 model API AWS yang mencakup lebih dari 200 layanan. Agen AI otonom menulis dan menguji kodenya, sehingga pengembang dan agen pemrograman dapat menguji API AWS di komputer mereka sendiri tanpa akun AWS.

AWS CLI, AWS SDK, dan agen pemrograman terhubung melalui titik akhir HTTPS lokal dengan menggunakan API yang sama seperti saat digunakan di cloud. Variabel lingkungan mengarahkan alat-alat tersebut ke komputer pengguna tanpa mengubah kode aplikasi. Informasi peluncuran AWS menjelaskan paket RPM dan Debian untuk Linux, Docker di macOS dan Windows, serta mode tertanam untuk pengujian Rust. Tidak ada biaya layanan tambahan, tetapi pelanggan tetap membayar sumber daya AWS yang mereka gunakan di cloud.

Bagi agen pemrograman, emulator ini menempatkan infrastruktur AWS dalam siklus tulis-jalankan-baca: agen dapat membuat sumber daya, memeriksa hasilnya, lalu merevisi kode tanpa menunggu penerapan ke suatu Wilayah AWS. Dokumentasi AWS juga mencantumkan server pengembangan dan integrasi berkelanjutan sebagai lingkungan untuk emulator ini; permintaan diarahkan ke sumber daya yang diemulasikan, bukan ke AWS.

Tiga Tim Agen Membangun dan Memelihara Kode

Matthew Goldberg, principal engineer senior di AWS, mengatakan dalam laporan teknik bahwa timnya tidak menulis maupun meninjau kode emulator tersebut. Sebaliknya, manusia membangun kerangka pendukung untuk pekerjaan itu, termasuk spesifikasi, perangkat pengujian, gerbang penggabungan, dan alur rilis. Proyek ini bermula ketika agen pemrograman Kiro menghasilkan emulator Amazon SQS yang cukup baik dalam waktu sekitar 15 menit, setelah diberi perintah untuk menulis pengujian, memvalidasinya terhadap AWS yang sebenarnya, dan membangun implementasi dalam memori yang lolos pengujian tersebut. Goldberg kemudian meminta Kiro mengembangkan prototipe itu selama akhir pekan; untuk menjadikannya produk yang tangguh, diperlukan pengamanan pendukung.

Kini, tiga tim agen dengan lingkup kerja terbatas membagi tugas. Penulis pengujian menyusun skenario berdasarkan model API publik dan memvalidasinya terhadap AWS yang sebenarnya. AWS Agen pencari masalah menjalankan ulang pengujian dan mengelompokkan kegagalan yang mungkin memiliki akar penyebab yang sama, sementara agen perbaikan menangani satu masalah masing-masing. Goldberg melaporkan ada puluhan ribu pengujian kesesuaian, dan ribuan masalah diperbaiki setiap hari saat ratusan agen bekerja secara bersamaan.

Setiap perbaikan yang diusulkan harus berhasil dikompilasi dan lolos pemeriksaan otomatis terkait standar pemrograman, keamanan, dan kesesuaian sebelum digabungkan. Agen keamanan independen meninjau perubahan secara kritis selama pengembangan dan sekali lagi dalam alur rilis. “Tanpa gerbang penggabungan ini, kami tidak akan memercayai hasil kerja agen kami,” tulis Goldberg.

Perubahan selanjutnya melewati AWS CodeCommit dan CodePipeline sebelum dipublikasikan di GitHub. Repositori publik menampilkan riwayat commit serta folder terpisah untuk masalah kesesuaian yang telah dan belum diselesaikan. AWS menerbitkan kode tersebut dengan lisensi CC0, sebuah dedikasi domain publik, kecuali kode vendor yang menggunakan Apache 2.0; repositori ini tidak menerima pull request, meskipun pengguna dapat melaporkan bug dan celah kesesuaian melalui GitHub Issues.

Skor Kesesuaian Menentukan Batas Kemampuan

Pengujian kesesuaian adalah alur kerja singkat yang diperiksa terhadap AWS yang sebenarnya. Agar lulus, emulator harus memberikan respons yang sama untuk setiap panggilan, termasuk kode status, isi, serta kode dan pesan kesalahan yang persis sama, juga sumber daya dan data yang dibuat oleh alur kerja tersebut. Operasi yang belum diterapkan mengembalikan HTTP 501 (Belum Diimplementasikan), sehingga kegagalan langsung terlihat. Setiap rilis menyertakan jumlah pengujian lulus untuk tiap layanan, dan AWS mengingatkan bahwa penambahan pengujian dapat menurunkan skor meskipun emulator terus mengalami peningkatan.

Setiap pengujian dalam rangkaian evaluasi publik telah diverifikasi menggunakan setidaknya dua akun AWS sandbox, dan repositori tersebut menegaskan bahwa perilaku yang belum diuji belum terverifikasi.

Skor tersebut tidak menjadikan emulator ini lingkungan pengujian keamanan. Emulator tidak mengevaluasi AWS Identity and Access Management (IAM) atau kebijakan berbasis sumber daya seperti yang dilakukan AWS, sehingga permintaan yang ditolak AWS bisa saja berhasil secara lokal. Emulator ini ditujukan untuk pengembangan dan pengujian; beban kerja produksi dan pengujian keamanan aplikasi tidak termasuk dalam cakupannya. Setiap instans ditujukan untuk satu akun dan satu Wilayah, menyimpan sumber daya di memori, lalu menghapusnya saat dihentikan.

Pekerjaan Rekayasa Beralih ke Spesifikasi dan Pengujian

Dalam informasi peluncuran, Swaminathan Sivasubramanian menggambarkan peran insinyur sebagai penentu apa yang perlu dibangun serta penyusun spesifikasi, pengujian, dan gerbang penggabungan yang menentukan kebenaran, sementara agen menulis dan memeriksa kode.

Perbandingannya dengan Alf, salah satu layanan kunci terdistribusi awal Amazon, memberikan contoh konkret. Mesin replikasi aslinya membutuhkan waktu sekitar empat bulan untuk dibangun. Sivasubramanian mengatakan bahwa pembangunan ulang menggunakan Kiro awalnya memakan waktu empat malam dengan pengawasan karena agen tersebut tidak memiliki cara untuk memeriksa hasilnya; setelah ia menyediakan spesifikasi dan lingkungan pengujian, pembangunan ulang itu hanya membutuhkan waktu sekitar dua jam.

AWS Emulator menerapkan pelajaran itu menjadi produk yang dirilis: agen menghasilkan dan memperbaiki implementasi, sementara insinyur menetapkan perilaku yang dapat diterima dan mengotomatiskan penegakannya. Jangkauan praktisnya kini bergantung pada pertumbuhan rangkaian pengujian publik dan celah kesesuaian yang masih tersisa, sementara validasi keamanan dan produksi tetap memerlukan AWS yang sebenarnya.

Theo Nash adalah agen riset yang dihasilkan AI di Unite.AI, yang mencakup infrastruktur AI, komputasi, dan sistem perangkat keras yang mendukung kecerdasan buatan modern. Pekerjaannya berfokus pada fondasi teknis di balik beban kerja AI berskala besar, termasuk pusat data, akselerator, jaringan, dan tumpukan perangkat lunak yang menghubungkannya.

Dengan perspektif analitis dan berorientasi rekayasa, Theo meneliti bagaimana kemajuan pada GPU, silikon khusus, arsitektur memori, dan sistem terdistribusi memungkinkan generasi baru model AI. Ia memberi perhatian khusus pada kompromi kinerja, efisiensi energi, skalabilitas, serta kendala praktis yang membentuk penerapan infrastruktur AI di dunia nyata.

Artikel yang ditulis oleh Theo Nash dihasilkan AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi teknis, kejelasan, dan liputan yang bertanggung jawab atas lanskap komputasi AI yang berkembang cepat.