Eén AI-agent die je code schrijft is inmiddels normaal. Een complete zwerm agents die zelfstandig samenwerkt aan een groter geheel is de volgende stap. Zulke agentic farms bestaan uit tientallen of honderden autonome agents die plannen, analyseren en bouwen. Kiro Flock is een open source sample van AWS dat precies laat zien hoe zo’n farm er in de praktijk uitziet. Je leest hier hoe Kiro Flock werkt, waarom de aanpak wezenlijk anders is dan klassieke orkestratie met sub-agents en wat je nodig hebt om er zelf mee te experimenteren (centen:-).

Wat is een agentic farm precies?

Onderzoekers van MIT Sloan maken dit onderscheid. Een AI-agent is een autonoom systeem dat waarneemt, redeneert en handelt. Agentic AI gaat over systemen waarin meerdere agents samen een taak orkestreren. Een agentic farm is de infrastructuur waarop dat gebeurt, een omgeving waarin je een hele populatie agents tegelijk aan het werk zet.

De meest gebruikte manier om met meerdere agents te werken is vandaag one-shot. Een orchestrator geeft een sub-agent een prompt en wacht op het resultaat. Sub-agents praten nooit met elkaar en er is geen coördinatie tijdens het hele proces. Kiro Flock draait dat model om. Agents lezen bij elke iteratie de logs van hun collega’s, coördineren direct en convergeren via veel korte iteraties naar een gezamenlijk resultaat. De operator kan de richting tijdens het traject bijsturen, de zwerm pauzeren of veranderen hoe agents elkaar zien, terwijl de run gewoon doorgaat.

Zo werkt Kiro Flock onder de motorkap

Kiro Flock is een configureerbaar cluster van Kiro-agents die op EC2 draait. Er is geen centrale orchestrator en er gaat geen enkel direct bericht tussen agents. Alle coördinatie loopt via een gedeelde S3-omgeving. Elke agent schrijft zijn logs en tussenresultaten daarheen en kan daar lezen wat anderen hebben achtergelaten. Op basis van die signalen en de opdracht of sturing van de operator bepaalt elke agent zelf zijn volgende stap.

Dat principe heet stigmergie, een begrip uit de biologie. Termieten en mieren coördineren niet door elkaar opdrachten te geven, maar door sporen achter te laten in hun omgeving waar anderen op reageren. Kiro Flock past hetzelfde idee toe op generatieve AI, met files in S3 die als gedeeld geheugen worden gebruikt.

Drie coördinatie-algoritmes

Hoeveel elke agent van de anderen ziet, bepaal je met het coördinatie-algoritme. Kiro Flock wordt geleverd met drie varianten die je tijdens een run kan wisselen. De wijziging gaat per agent in bij de volgende iteratie.

  • Amorphous. Elke agent leest alles van zijn x dichtste buren. Dat geeft lokale gradiënten en hoge diversiteit. Getest met meer dan honderd agents.
  • Mesh. Elke agent leest de laatste inzending van alle andere agents. Volledige zichtbaarheid en snel consensus, het beste bij acht tot dertig agents.
  • Swarm. Elke agent leest de y meest recente actieve peers. Dynamische zichtbaarheid, zelforganiserend en geschikt voor ideatie met honderden agents.

Een productief patroon is om ze te combineren. Begin amorphous om de ruimte te verkennen, schakel over naar swarm zodra er een richting ontstaat en eindig met mesh om de output op één lijn te krijgen.

Biomimicry als ontwerpprincipe

De agents zich als cellen in een ontwikkelend organisme. Het amorphous algoritme is het zuiverste voorbeeld. Elke cel leest lokale signalen uit de logs van buren en handelt naar een globaal morfogeen, de richting die de operator heeft bepaald. Zo ontstaat een gradiëntgebaseerde taakverdeling zonder centrale regisseur. Quorum sensing zorgt dat het cluster zichzelf stillegt zodra het werk gedaan is, redundantie werkt als foutcorrectie en stigmergie regelt de coördinatie via gedeelde files in plaats van berichten tussen agenten.

WeltenBuilder brengt meerdere zwermen samen

Waar Kiro Flock één cluster orkestreert, doet WeltenBuilder dit over meerdere clusters tegelijk. WeltenBuilder is de multicluster-laag die in Kiro Flock is ingebouwd. Je draait meerdere teams agents naast elkaar, elk met een eigen rol Voor productontwikkeling bijvoorbeeld  een feature team, een platform team, een kwailteitsteam en een coördinator,. Je coördineert ze als één systeem.

Agents in verschillende clusters kunnen elkaars directories lezen. Een platformcluster kan coding standards afdwingen door de output van andere teams te lezen en feedback in hun omgeving te schrijven. Een QA-cluster controleert consistentie tussen teams zonder dat iemand bestanden heen en weer moet slepen.

De lokale Kiro-agent fungeert via de MCP server als incubator. Hij plant de topologie, lanceert clusters met betekenisvolle namen zoals team-auth, platform-contracts en qa-integration, geeft elk cluster en geeft de status van alle clusters tegelijk weer.

Zelf aan de slag met Kiro Flock

Om te starten heb je een AWS-account nodig, Python 3, de AWS CLI v2 met credentials en een Kiro Pro, Pro+ of Power abonnement met de Kiro IDE of kiro-cli. Het setupscript leest je configuratie en deployed de complete stack met een S3-bucket, API Gateway, Lambda, IAM-rollen voor EC2 en een Cognito user pool. Daarna bouwt en configureert het de MCP server.

De setup installeert ook twee skills. De kiro-flock skill leert Kiro hoe je de verhouding tussen aantal agents en radius instelt, wanneer je stopt met pollen en hoe je convergentiepatronen achteraf analyseert. De weltenbuilder skill leert hoe je multicluster-deployments plant en teams via de gedeelde omgeving coördineert. Daarna stuur je de farm in gewone taal.

Grenzen, kosten en veiligheid

Kiro Flock is een voorbeeld applicatie gemaaktvoor demo en educatie. Het is (nog) geen tool op in productie te gebruiken. De repository somt wel een aantal extra beveiligingsmaatregelen op: WAF met IP-allowlist voor API Gateway, MFA op Cognito, rolgebaseerde toegang, IAM-scoping per cluster, egress-restricties voor agents en kostenalarmen via AWS Budgets. Neem die lijst serieus voordat je de code ergens anders dan in een eigen experimenteeraccount draait.

Ontwikkelaar Jan Kammerath waarschuwt in zijn analyse van agentic farms dat tachtig autonome agents die een week continu draaien al snel 23.000 dollar kosten. Een agentic farm is geen speelgoed. Hoe complexer de taak, hoe meer menselijke sturing en toezicht er nodig blijft.

Van prompten naar ecosystemen ontwerpen

Bij klassieke AI-tools stopt je je energie in de perfecte prompt. In een agentic farm ontwerp je geen instructies meer, maar omstandigheden, zoals welke agents elkaar zien, welke richting als morfogeen geldt en welke topologie de teams hebben. De vaardigheid verschuift van prompt engineering naar ecosysteemontwerp. Wie dat begrijpt, haalt uit een agentic farm meer dan wie blijft denken in losse opdrachten. Vergeet ook niet dat een zelforganiserende zwerm een mens nodig heeft die de richting bewaakt.