S potěšením oznamuji vydání Strands Agents, open-source SDK, který zjednodušuje vytváření a provozování AI agentů s modelově řízeným přístupem pomocí pouhých několika řádků kódu. Strands podporuje širokou škálu použití od jednoduchých po složité agenty a škáluje od lokálního vývoje po nasazení do produkce. Již je nasazen v produkci u týmů AWS, jako jsou Amazon Q Developer, AWS Glue a VPC Reachability Analyzer. Nyní můžete snadno použít Strands k vytvoření vlastních AI agentů. Na rozdíl od frameworků, které vyžadují definici složitých pracovních toků, Strands využívá špičkové schopnosti modelů — jako plánování, řetězení myšlenek, volání nástrojů a reflexe — což umožňuje vývojářům definovat pouze prompt a seznam nástrojů pro vytvoření agenta. Strands, jako dvě DNA vlákna, propojuje model a nástroje; model plánuje další kroky a spouští nástroje s pokročilým odůvodněním. Podporuje rozsáhlou přizpůsobitelnost včetně výběru nástrojů, správy kontextu, stavu relace, paměti a vícestopových aplikací. Strands funguje s modely od Amazon Bedrock, Anthropic, Ollama, Meta a dalších prostřednictvím LiteLLM, a běží kdekoli. Projekt je otevřenou komunitou s přispěvateli z Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily a dalších. Příklady zahrnují podporu API od Anthropic a integraci Meta Llama API. Přidejte se k nám na GitHubu a začněte! ### Naše cesta s Agenty Pracoval jsem na Amazon Q Developer, generativním AI asistenta pro vývoj softwaru, a můj tým začal budovat AI agenty začátkem roku 2023 podle paperu ReAct (Reasoning and Acting), který ukázal, že velké jazykové modely (LLMs) mohou odůvodňovat a vykonávat akce, například voláním API generováním vstupů. I když LLM zpočátku nebyly trénovány na to, aby působily jako agenti, ale pro konverzaci v přirozeném jazyce, vytvořili jsme složité rámce s instrukcemi v promptu, parsři odpovědí a orchestrace logikou — často strávili měsíce laděním agentů pro výrobu. Jak se schopnosti LLM výrazně zlepšily v odůvodnění a využívání nástrojů, tyto složité rámce začaly být úzkým hrdlem, které omezovalo rychlost iterací a agilitu. Uvědomivše si tento posun, vytvořili jsme Strands Agents, aby odstranili složitost orchestrání a využívali přirozené odůvodnění a používání nástrojů moderních LLM. Tento přístup zkrátil dobu vývoje z měsíců na dny či týdny, což výrazně urychlilo přípravu na nasazení a zlepšilo uživatelský zážitek. ### Klíčové koncepty Strands Agents Agent se skládá ze tří komponent: (1) modelu, (2) nástrojů a (3) promptu. Agenti autonomně využívají těchto komponent k plnění úkolů, jako jsou odpovídání na otázky, programování, plánování nebo optimalizace portfolií.

Přístup řízený modelem umožňuje modelu dynamicky určovat kroky a použití nástrojů k dosažení cíle. - **Model:** Strands podporuje flexibilní modely včetně modelů od Amazon Bedrock s využitím a streamováním nástrojů, modelů Anthropic Claude přes API, modelů Llama přes Llama API, Ollama pro lokální vývoj, OpenAI přes LiteLLM a vlastních modelů. - **Nástroje:** K dispozici je tisíce nástrojů podle Model Context Protocol (MCP), plus více než 20 předpřipravených nástrojů, například pro manipulaci se soubory, volání API nebo interakci s AWS API. Funkce v Pythonu lze snadno obalit jako nástroje pomocí dekorátoru @tool. - **Prompt:** Vývojáři poskytují přirozený jazykový prompt, který definuje úkol, a systémový prompt pro instrukce ohledně chování agenta. Agent běží v „cyklu agentické činnosti“, při němž komunikuje s modelem a nástroji, dokud není úkol dokončen. V každé smyčce obdrží LLM prompt, kontext a popis nástroje, rozhodne, zda odpoví přímo, naplánuje, provede reflexi nebo zavolá nástroje. Strands provádí vybrané nástroje a vrací výsledky zpět do LLM, až vznikne konečný výstup. Nástroje umožňují přizpůsobení a složitost: mohou načítat dokumenty z databází znalostí, volat API, spouštět Python kód nebo poskytovat statické instrukce. Příklady nástrojů zahrnují: - **Retrieve Tool:** Provádí sémantické vyhledávání přes Knowledge Bases od Amazon Bedrock, získává relevantní dokumenty nebo nástroje. Například jeden interní agent AWS vybírá z více než 6000 nástrojů tím, že najde relevantní podmnožinu k zobrazení modelu. - **Thinking Tool:** Umožňuje vícestupňové hluboké analytické zpracování a sebereflexi. - **Multi-agent Tools:** Workflow, grafové a swarmské nástroje podporují koordinaci více agentů na složitých úkolech. Podpora protokolu Agent2Agent (A2A) je na cestě. ### Jak začít s Strands Agents Zde je jednoduchý příklad názvoslovného AI asistenta postaveného pomocí Strands, s modelem Amazon Bedrock, MCP serverem pro ověření domény a předpřipraveným nástrojem z GitHubu pro kontrolu dostupnosti názvu organizace: ```python from strands import Agent from strands. tools. mcp import MCPClient from strands_tools import http_request from mcp import stdio_client, StdioServerParameters NAMING_SYSTEM_PROMPT = """ Jste asistent, který pomáhá s pojmenováváním open-source projektů. Poskytujte dostupné domény a GitHub organizace po ověření jejich dostupnosti. """ domain_name_tools = MCPClient(lambda: stdio_client( StstdioServerParameters(command="uvx", args=["fastdomaincheck-mcp-server"]) )) github_tools = [http_request] with domain_name_tools: tools = domain_name_tools. list_tools_sync() + github_tools naming_agent = Agent(system_prompt=NAMING_SYSTEM_PROMPT, tools=tools) naming_agent("Potřebuji pojmenovat open-source projekt pro tvorbu AI agentů. ") ``` Pro spuštění nastavte token GitHub jako `GITHUB_TOKEN`, mějte přístup k modelu Anthropic Claude 3. 7 Sonnet v us-west-2 a nakonfigurujte AWS přihlašovací údaje. Instalujte pomocí: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` Obdržíte návrhy názvů projektů s kontrolou dostupnosti. Servery MCP od Strands se dobře integrují s nástroji AI-asistovaného vývoje, například s CLI Q Developer. Přidejte do konfigurace MCP: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### Nasazení Strands Agentů v produkci Strands je navržen s ohledem na produkční použití a nabízí flexibilní architektury nasazení. Agenti mohou běžet lokálně, za API (pomocí AWS Lambda, Fargate nebo EC2) nebo jako distribuované systémy oddělující cyklus agentů od prostředí nástrojů. Například nástroje mohou běžet v Lambda, zatímco agent v kontejnerech; nebo klienti mohou spravovat nástroje lokálně a komunikovat s backendovým agentem. Strands podporuje také sledovatelnost a monitorování prostřednictvím OpenTelemetry (OTEL), což umožňuje detailní tracing, metriky a telemetrii pro relace agentů napříč distribuovanými systémy. ### Připojte se ke komunitě Strands Agents Strands Agents je open source pod licencí Apache License 2. 0. Vyzýváme ke spolupráci na přidávání podpory modelů a nástrojů, vývoji nových funkcí nebo zlepšování dokumentace. Pokud najdete chyby nebo máte nápady, přidejte se k nám na GitHubu a pomozte utvářet budoucnost AI agentů se Strands!