📎 Source:ai-coding-cli-openclaw-kiro-trae.md — view on GitHub & star ⭐
Panduan Lengkap AI Coding CLI untuk OpenClaw: Kiro CLI & Trae Agent
Referensi: Artikel Kiro oleh Rama Aditya — Cara Install Kiro CLI dan Menyuruh OpenClaw Ngoding via Kiro. Informasi Trae Agent berdasarkan riset via Perplexity AI. Tutorial ini ditulis ulang dengan gaya dan perspektif berbeda.
Bayangkan skenario ini: kamu lagi santai di rumah, tiba-tiba tim laporan ada bug kritis di sistem quotation PT Contoh Engineering. Bukannya harus buka laptop, SSH ke server, baca log, dan ngoding manual — kamu cukup kirim pesan ke OpenClaw di Telegram, dan beberapa menit kemudian bug sudah diperbaiki.
Bukan sihir. Itu kombinasi AI Coding CLI (asisten coding dari terminal) dan OpenClaw (AI agent yang nge-orkestrasi semuanya).
Tutorial ini membahas dua tool utama — Kiro CLI (dari AWS) dan Trae Agent (dari ByteDance) — end-to-end: dari instalasi sampai cara menyuruh OpenClaw ngoding pakai keduanya, termasuk prompt template yang langsung bisa dipakai.
📐 Arsitektur: OpenClaw sebagai Orchestrator AI Coding
Prinsipnya simpel: OpenClaw = manajer proyek, AI Coding CLI = programmer. Kamu = client yang kasih brief. Masing-masing punya peran jelas, dan nggak saling tumpang tindih.
🆚 Perbandingan: Kiro CLI vs Trae Agent
| Aspek | Kiro CLI | Trae Agent |
|---|---|---|
| Pengembang | AWS / Amazon | ByteDance |
| Lisensi | Proprietary | MIT (Open Source) |
| GitHub | kiro.dev | github.com/bytedance/trae-agent |
| Model AI | Claude (Anthropic), Amazon Nova | OpenAI, Anthropic (Claude) |
| Instalasi | Binary/AppImage/deb (official) | Clone repo + install deps |
| Auth | AWS Builder ID, GitHub, Google | API key (env var / config) |
| Mode | Interactive, One-shot, Resume | Interactive, Non-interactive |
| Built-in Tools | File edit, bash, search | File edit, bash, structured problem-solving |
| Kompatibilitas | macOS, Linux | macOS, Linux, Windows |
| Cocok Untuk | Ekosistem AWS, enterprise | Open source enthusiast, fleksibel model |
══════════════════════════════════════
🔵 KIRO CLI
══════════════════════════════════════
Instalasi Kiro CLI
Kiro CLI tersedia untuk macOS dan Linux. Pilih metode yang cocok dengan environment kamu.
macOS (Cara Paling Cepat)
curl -fsSL https://cli.kiro.dev/install | bash
Setelah install, Kiro akan otomatis redirect ke browser untuk autentikasi. Ini jalur paling praktis untuk MacBook atau workstation lokal.
Linux via AppImage (Portabel, Tanpa Install Sistem)
# Download
wget https://desktop-release.q.us-east-1.amazonaws.com/latest/kiro-cli.appimage
# Jadikan executable
chmod +x kiro-cli.appimage
# Jalankan
./kiro-cli.appimage
Cocok kalau mau cepat testing atau di environment yang nggak punya akses sudo.
Linux via Zip Installer (Recommended untuk Server)
Pertama, cek versi glibc:
ldd --version
- glibc 2.34+ → pakai paket standar
- glibc < 2.34 → pakai paket musl
Lalu download sesuai arsitektur:
# x86_64, glibc 2.34+
curl --proto '=https' --tlsv1.2 -sSf \
'https://desktop-release.q.us-east-1.amazonaws.com/latest/kirocli-x86_64-linux.zip' \
-o 'kirocli.zip'
# Ekstrak dan install
unzip kirocli.zip
./kirocli/install.sh
Secara default, binary dipasang ke ~/.local/bin. Pastikan direktori itu ada di PATH kamu.
Varian lain: kirocli-aarch64-linux.zip (ARM64), kirocli-x86_64-linux-musl.zip (glibc lama), kirocli-aarch64-linux-musl.zip (ARM64 + glibc lama).
Ubuntu/Debian via .deb
# Download
wget https://desktop-release.q.us-east-1.amazonaws.com/latest/kiro-cli.deb
# Install
sudo dpkg -i kiro-cli.deb
sudo apt-get install -f
Jalur paling familiar buat user Ubuntu.
Verifikasi Instalasi
kiro-cli --version
Kalau keluar versi, berarti instalasi berhasil. Catatan penting: command-nya kiro-cli, bukan kiro.
🔐 Login ke Kiro CLI
Setelah install, jalankan:
kiro-cli
# atau
kiro-cli login
Kiro CLI mendukung beberapa metode autentikasi:
- GitHub
- AWS Builder ID
- AWS IAM Identity Center
- Identity provider eksternal (Okta, Microsoft Entra ID)
Login dari VPS/Remote Server
Ini bagian yang sering bikin bingung. Ada dua pendekatan:
1. Device Code Authentication (Recommended untuk VPS)
AWS Builder ID dan IAM Identity Center mendukung device code — artinya kamu tinggal buka URL di browser lokal, masukkan kode, dan selesai. Nggak perlu tunnel atau konfigurasi tambahan.
2. Port Forwarding (untuk GitHub/Google Social Login)
Kalau mau pakai GitHub atau Google login dari VPS, OAuth callback-nya mengarah ke localhost. Jadi perlu SSH port forwarding:
ssh -L 49153:localhost:49153 -N user@server-kamu.com
Port 49153 bisa berbeda setiap sesi — sesuaikan dengan yang ditampilkan saat kiro-cli login. Jalankan ini di terminal lokal kamu, lalu buka Kiro CLI di sesi SSH server.
Verifikasi: Health Check
kiro-cli doctor
Catatan untuk user root: Kalau kamu menjalankan Kiro CLI sebagai user root (umum di VPS), kiro-cli doctor mungkin menampilkan warning dan menyarankan flag tambahan:
kiro-cli doctor --all
🚀 Tiga Mode Penggunaan Kiro CLI
1. Interactive Mode (Default)
cd /path/ke/project
kiro-cli
Masuk ke sesi chat interaktif. Bisa pakai /editor atau Ctrl+J untuk multi-line prompt. Cocok untuk eksplorasi dan debugging.
2. Resume Mode (Lanjutkan Sesi Sebelumnya)
Kiro menyimpan percakapan berbasis direktori. Jadi kalau tadi ngoding fitur A di repo X, besok bisa lanjut:
cd /path/ke/project
kiro-cli chat --resume
Sangat berguna untuk pengerjaan yang butuh beberapa sesi.
3. One-Shot Mode (Non-Interactive)
Ini mode yang paling sering dipakai bareng OpenClaw:
kiro-cli chat --model "claude-opus-4.6" \
--no-interactive \
--trust-all-tools \
"Prompt task kamu di sini"
Penjelasan flag:
| Flag | Fungsi |
|---|---|
--no-interactive | Eksekusi satu kali jalan, tanpa sesi chat. Output langsung return. |
--trust-all-tools | Izinkan Kiro menjalankan semua tool tanpa konfirmasi per-item. Hati-hati: tingkatkan risiko. Jangan pakai di production. |
--model | Pilih model AI yang digunakan. Sesuaikan dengan kapabilitas dan budget. |
🤖 Menyuruh OpenClaw Ngoding via Kiro CLI
OpenClaw bisa menjalankan Kiro CLI langsung dari exec. Kamu cukup kasih instruksi natural language.
Contoh Prompt Template
🔍 Bug Fix — Pendekatan Root Cause
Masuk ke repo /var/www/app, jalankan Kiro non-interaktif untuk:
1. Audit bug upload gambar yang gagal tanpa pesan error
2. Cari root cause, jangan cuma patch symptom
3. Perbaiki implementasinya
4. Jalankan test yang relevan
5. Ringkas: file diubah, risiko tersisa, dan apa yang belum ter-cover
Jangan commit. Berikan full diff di laporan.
➕ Tambah Fitur — Pendekatan Minimum Viable
Masuk ke repo /var/www/app, pakai Kiro untuk menambahkan fitur export PDF di halaman quotation.
Ikuti pola komponen yang sudah ada di project.
Implementasi minimum yang usable dulu, jangan over-engineer.
Kalau perlu helper/util, pastikan penamaan konsisten.
Jelaskan: alur fitur, file yang berubah, dan cara test-nya.
📝 Code Review
Masuk ke repo /var/www/app, jalankan Kiro untuk review kode di folder src/modules/invoice/.
Fokus ke: error handling, security vulnerability, dan performance issue.
Berikan rekomendasi per prioritas (critical/warning/info).
🔄 Iterasi Revisi
Lanjutkan kerja Kiro di repo /var/www/app yang sama tadi.
Sekarang rapikan edge case untuk filter invoice saat query kosong dan saat status tidak valid.
✅ Fix + Validasi Build
Masuk ke repo /var/www/app, jalankan Kiro untuk:
1. Tambah fitur export CSV di halaman order
2. Jalankan build atau test suite
3. Kalau ada error, perbaiki sampai lolos
4. Kasih ringkasan final: apa yang ditambah, apa yang di-fix, dan status build
══════════════════════════════════════
🔴 TRAE AGENT (ByteDance)
══════════════════════════════════════
Apa itu Trae Agent?
Trae Agent adalah AI coding assistant open source dari ByteDance (perusahaan di balik TikTok/Douyin). Berbeda dengan Kiro CLI yang proprietary, Trae Agent sepenuhnya open source di bawah lisensi MIT — artinya bisa digunakan, dimodifikasi, dan didistribusikan secara bebas.
Repo: github.com/bytedance/trae-agent
Trae Agent punya dua bentuk:
| Command | Fungsi |
|---|---|
trae | Membuka IDE Trae (full editor, GUI) |
trae-agent | CLI coding assistant di terminal (mode yang relevan untuk OpenClaw) |
Trae Agent mendukung model dari OpenAI (GPT-4o, dll) dan Anthropic (Claude). Kamu bisa memilih model sesuai kebutuhan dan budget.
Fitur Utama Trae Agent
- File editing — baca, buat, dan edit file kode secara otomatis
- Bash execution — jalankan perintah shell untuk testing, build, dll
- Structured problem-solving — pendekatan terstruktur untuk menganalisis dan memecahkan masalah coding
- Interactive mode — sesi chat untuk eksplorasi dan iterasi
- Non-interactive mode — one-shot execution, cocok untuk automasi via OpenClaw
📦 Instalasi Trae Agent
Prasyarat
- Git
- Node.js (v18+)
- npm atau pnpm
Langkah Instalasi
# 1. Clone repository
git clone https://github.com/bytedance/trae-agent.git
cd trae-agent
# 2. Install dependencies
npm install
# atau
pnpm install
# 3. Konfigurasi API key
# Pilih salah satu (atau keduanya):
# OpenAI
export OPENAI_API_KEY="sk-your-openai-key"
# Anthropic (Claude)
export ANTHROPIC_API_KEY="sk-ant-your-anthropic-key"
# 4. Build (jika diperlukan)
npm run build
Verifikasi Instalasi
# Cek apakah trae-agent bisa dijalankan
npx trae-agent --help
# atau setelah global install:
trae-agent --help
Untuk kemudahan, kamu bisa meng-install secara global:
cd trae-agent
npm link
# Sekarang bisa langsung:
trae-agent --help
Konfigurasi Model
Trae Agent mendukung beberapa model. Tentukan model yang ingin digunakan melalui environment variable atau konfigurasi:
# Default model selection
export TRAE_MODEL="claude-sonnet-4-20250514" # Anthropic Claude
# atau
export TRAE_MODEL="gpt-4o" # OpenAI GPT-4o
🚀 Mode Penggunaan Trae Agent
1. Interactive Mode
cd /path/ke/project
trae-agent
Masuk ke sesi chat interaktif. Cocok untuk eksplorasi, debugging, dan iterasi kompleks.
2. Non-Interactive / One-Shot Mode
Mode ini paling cocok digunakan bersama OpenClaw:
trae-agent --no-interactive "Audit dan perbaiki bug login yang return 500"
Atau dengan model spesifik:
trae-agent --model "claude-sonnet-4-20250514" --no-interactive "Task description here"
🤖 Menyuruh OpenClaw Ngoding via Trae Agent
Sama seperti Kiro CLI, OpenClaw bisa menjalankan Trae Agent langsung dari exec. Polanya identik — OpenClaw jadi orchestrator, Trae Agent jadi coder.
Contoh Prompt Template
🔍 Bug Fix via Trae
Masuk ke repo /var/www/app, jalankan trae-agent non-interaktif untuk:
1. Analisis endpoint /api/invoices yang response time-nya > 5 detik
2. Cari bottleneck (N+1 query, missing index, dll)
3. Perbaiki performa
4. Benchmark sebelum dan sesudah fix
5. Ringkas: apa yang diubah, improvement yang didapat
Jangan commit. Berikan detail perubahan.
➕ Tambah Fitur via Trae
Masuk ke repo /var/www/app, pakai trae-agent untuk menambahkan fitur dark mode.
Gunakan CSS variables yang sudah ada di project.
Pastikan toggle state tersimpan di localStorage.
Jelaskan: file yang diubah, alur implementasi, dan cara test-nya.
📝 Code Review via Trae
Masuk ke repo /var/www/app, jalankan trae-agent untuk review kode di folder src/utils/.
Fokus ke: error handling, edge case, dan code duplication.
Berikan rekomendasi per prioritas (critical/warning/info).
🔄 Debug + Fix via Trae
Masuk ke repo /var/www/app, jalankan trae-agent untuk:
1. Reproduce error "Cannot read property of undefined" di halaman dashboard
2. Trace stack trace dan identifikasi root cause
3. Perbaiki bug beserta edge case terkait
4. Jalankan test yang relevan
5. Kasih ringkasan: root cause, fix yang diterapkan, dan cara prevent ke depannya
✅ Refactor via Trae
Masuk ke repo /var/www/app, jalankan trae-agent untuk:
1. Refactor modul auth/ — pisahkan logic validation, token management, dan session handling
2. Pastikan tidak ada breaking change pada API yang sudah exist
3. Tambah unit test untuk fungsi yang di-refactor
4. Jalankan full test suite
📋 AGENTS.md: Konsistensi Hasil AI Coding
Berlaku untuk Kiro CLI maupun Trae Agent. File AGENTS.md ditaruh di root directory project dan berisi instruksi yang otomatis dibaca AI coding setiap kali dijalankan di repo tersebut.
# AGENTS.md — PT Contoh Engineering Backend
## Stack
- Framework: Next.js 14 (App Router)
- Database: PostgreSQL via Prisma
- Styling: Tailwind CSS
- Testing: Vitest + React Testing Library
## Konvensi Kode
- Gunakan TypeScript strict mode
- Komponen naming: PascalCase
- Utility function di folder src/lib/
- Database query selalu melalui Prisma client
- Error handling pakai try-catch dengan custom error class
## Aturan Penting
- JANGAN pernah commit tanpa running test
- JANGAN ubah file migration yang sudah exist
- Selalu buat backward-compatible change
- Gunakan existing patterns, jangan introduce pattern baru tanpa alasan kuat
Dengan AGENTS.md, hasil coding AI jauh lebih konsisten dan sesuai standar tim — baik pakai Kiro CLI maupun Trae Agent.
🏆 Best Practices
1. Mulai dari Task Kecil
Jangan langsung suruh AI ngerjain fitur gede. Mulai dari bug fix kecil atau refactor untuk ngeliat bagaimana dia memahami codebase kamu.
2. Prompt Spesifik > Prompt Umum
❌ "Tolong perbaiki bug"
✅ "Audit endpoint /api/login yang return 500 saat email tidak valid. Cari root cause, perbaiki, dan jalankan test."
3. Jangan Langsung Commit
Selalu minta AI untuk jangan commit dulu. Review hasilnya lewat OpenClaw, kalau sudah OK baru commit manual.
4. Pilih Tool yang Tepat
- Kiro CLI → Kalau kamu sudah di ekosistem AWS, atau butuh enterprise-grade support
- Trae Agent → Kalau kamu mau open source, fleksibel pilih model, atau customize behavior
5. --trust-all-tools Hanya di Development
Flag ini mematikan semua safety check. Gunakan hanya di environment development.
6. Selalu Ada AGENTS.md
Satu file kecil di root repo bisa bedain hasil AI coding dari "cukup bagus" jadi "sesuai standar tim".
📚 Link Penting
Kiro CLI
Trae Agent
OpenClaw
Penutup
Dengan dua opsi AI Coding CLI — Kiro CLI dan Trae Agent — OpenClaw punya fleksibilitas lebih besar sebagai orchestrator. Pilih tool berdasarkan kebutuhanmu: enterprise AWS ecosystem (Kiro) atau open source flexibility (Trae).
Yang perlu diingat: AI coding itu tool, bukan pengganti programmer. Dia bagus untuk task yang well-defined dan scope-nya jelas. Untuk architectural decision atau bisnis logic yang kompleks, review manusia tetap wajib.
Mulai dari install salah satu (atau keduanya), bikin AGENTS.md, terus coba task kecil dulu. Dari situ, scale up ke workflow yang lebih kompleks.