Με χαρά ανακοινώνω την κυκλοφορία των Strands Agents, ενός ανοιχτού SDK που απλοποιεί την κατασκευή και την εκτέλεση AI agents με μια προσέγγιση βασισμένη σε μοντέλα, χρησιμοποιώντας μόνο μερικές γραμμές κώδικα. Τα Strands υποστηρίζουν ένα ευρύ φάσμα περιπτώσεων χρήσης, από απλούς έως πολύπλοκους agents, και κλιμακώνονται από την τοπική ανάπτυξη έως την παραγωγική παράδοση. Ήδη χρησιμοποιούνται στην παραγωγή από ομάδες της AWS, όπως οι Amazon Q Developer, AWS Glue και VPC Reachability Analyzer. Τώρα, μπορείτε κι εσείς εύκολα να δημιουργήσετε δικούς σας AI agents με τα Strands. Σε αντίθεση με πλαίσια που απαιτούν ορισμό σύνθετων ροών εργασίας, τα Strands αξιοποιούν τις πιο προηγμένες δυνατότητες των μοντέλων—όπως ο σχεδιασμός, η σύνδεση σκέψεων, η ενεργοποίηση εργαλείων και η προβληματισμό—επιτρέποντας στους προγραμματιστές να ορίσουν μόνο ένα ερώτημα (prompt) και μια λίστα εργαλείων για να δημιουργήσουν έναν agent. Τα Strands, όπως δύο άκρα DNA, συνδέουν το μοντέλο και τα εργαλεία· το μοντέλο σχεδιάζει τα επόμενα βήματα και εκτελεί τα εργαλεία με προχωρημένη λογική. Υποστηρίζουν εκτεταμένη προσαρμογή, όπως επιλογή εργαλείων, διαχείριση πλαισίου, κατάσταση συνεδρίας, μνήμη και εφαρμογές πολλαπλών agents. Τα Strands συνεργάζονται με μοντέλα από το Amazon Bedrock, Anthropic, Ollama, Meta και άλλες μέσω LiteLLM, και μπορούν να τρέξουν οπουδήποτε. Το έργο αποτελεί μια ανοιχτή κοινότητα με συνεισφορές από την Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily και άλλους. Παραδείγματα περιλαμβάνουν την υποστήριξη API της Anthropic και την ενσωμάτωση του API Llama της Meta. Ελάτε στο GitHub για να ξεκινήσετε! ### Η διαδρομή μας με τα Agent Εργαζόμενοι στον Amazon Q Developer, έναν γενετικό βοηθό AI για την ανάπτυξη λογισμικού, η ομάδα μου ξεκίνησε την κατασκευή AI agents αρχές 2023, ακολουθώντας το σχέδιο ReAct (Reasoning and Acting), που έδειξε ότι τα μεγάλα μοντέλα γλώσσας (LLMs) μπορούν να λογαριάζουν και να δράζουν, όπως να κάνουν κλήσεις API μέσω της δημιουργίας εισόδων. Αν και τα LLMs αρχικά δεν είχαν εκπαιδευτεί για να ενεργούν ως agents αλλά για φυσική γλωσσική συνομιλία, δημιουργήσαμε πολύπλοκα πλαίσια με οδηγίες prompt, αναλυτές απαντήσεων και λογική ορχήστρωσης—συχνά περνώντας μήνες ρυθμίζοντας agents για παραγωγή. Καθώς τα LLMs βελτιώθηκαν δραματικά σε λογισμό και χρήση εργαλείων, αυτά τα πολύπλοκα πλαίσια έγιναν εμπόδια που περιορίζουν την ταχύτητα και την ευελιξία των επαναλήψεων. Αναγνωρίζοντας αυτήν την αλλαγή, δημιουργήσαμε τα Strands Agents για να αφαιρέσουμε την πολυπλοκότητα της ορχήστρωσης και να αξιοποιήσουμε τη φυσική λογική και χρήση εργαλείων των σύγχρονων LLMs. Αυτή η προσέγγιση μείωσε τον χρόνο ανάπτυξης από μήνες σε ημέρες ή εβδομάδες, επιταχύνοντας σημαντικά την ετοιμότητα παραγωγής και βελτιώνοντας την εμπειρία χρήστη. ### Κεντρικές έννοιες των Strands Agents Ένας agent αποτελείται από τρία στοιχεία: (1) ένα μοντέλο, (2) εργαλεία και (3) ένα prompt. Οι agents αυτο-διαχειρίζονται χρησιμοποιώντας αυτά τα στοιχεία για να ολοκληρώνουν εργασίες όπως απαντήσεις σε ερωτήσεις, κώδικα, σχεδιασμό ή βελτιστοποίηση χαρτοφυλακίων.

Η μοντελοβασισμένη προσέγγιση επιτρέπει στο μοντέλο να κατευθύνει δυναμικά τα βήματά του και τη χρήση εργαλείων για την επίτευξη του στόχου. - **Μοντέλο:** Τα Strands στηρίζονται σε ευέλικτα μοντέλα, συμπεριλαμβανομένων των Amazon Bedrock με χρήση εργαλείων και streaming, Anthropic Claude μέσω API, Llama μέσω Llama API, Ollama για τοπική ανάπτυξη, OpenAI μέσω LiteLLM και προσαρμοσμένα μοντέλα. - **Εργαλεία:** Υπάρχουν χιλιάδες εργαλεία από το πρωτόκολλο Model Context (MCP), καθώς και πάνω από 20 προκατασκευασμένα εργαλεία, όπως διαχείριση αρχείων, κλήσεις API, και αλληλεπίδραση με AWS API. Πολλές λειτουργίες Python μπορούν εύκολα να τυλιχθούν ως εργαλεία με τον decorator @tool. - **Prompt:** Οι προγραμματιστές παρέχουν ένα φυσικής γλώσσας prompt που περιγράφει την εργασία και ένα σύστημα prompt με οδηγίες συμπεριφοράς του agent. Ο agent τρέχει έναν «κυκλοειδή βρόχο» (agentic loop) αλληλεπιδρώντας με το μοντέλο και τα εργαλεία μέχρι να ολοκληρωθεί. Σε κάθε βήμα, το LLM λαμβάνει το prompt, το πλαίσιο και τις περιγραφές των εργαλείων, αποφασίζοντας αν θα απαντήσει άμεσα, θα σχεδιάσει, θα προβληματιστεί ή θα ενεργοποιήσει κάποιο εργαλείο. Τα Strands εκτελούν τα επιλεγμένα εργαλεία και επιστρέφουν τα αποτελέσματα στο LLM, καταλήγοντας στην τελική έξοδο. Τα εργαλεία επιτρέπουν προσαρμογή και πολυπλοκότητα: μπορούν να αναζητούν έγγραφα από βάσεις γνώσεων, να κάνουν κλήσεις API, να τρέχουν κώδικα Python ή να παρέχουν στατικές οδηγίες. Παραδείγματα εργαλείων περιλαμβάνουν: - **Retrieve Tool:** Εκτελεί σημασιολογική αναζήτηση σε Βάσεις Γνώσεων του Amazon Bedrock, ανακτώντας σχετικά έγγραφα ή εργαλεία. Για παράδειγμα, ένας εσωτερικός agent της AWS επιλέγει από πάνω από 6. 000 εργαλεία, ανακτώντας ένα σχετικό υποσύνολο για να το παρουσιάσει στο μοντέλο. - **Thinking Tool:** Επιτρέπει πολύ-κυκλικό βαθύ αναλυτικό επεξεργασία και αυτοαναστοχασμό. - **Multi-agent Tools:** Υποστηρίζουν ορχήστρωση πολλαπλών agents συνεργατικά για πολύπλοκες εργασίες. Η υποστήριξη του πρωτοκόλλου Agent2Agent (A2A) είναι προσεχώς διαθέσιμη. ### Πώς να ξεκινήσετε με τα Strands Agents Ακολουθεί ένα απλό παράδειγμα ενός AI βοηθού για ονοματοδοσία που δημιουργήθηκε με τα Strands, χρησιμοποιώντας μοντέλο Amazon Bedrock, διακομιστή MCP για επικύρωση τομέα και ένα προκατασκευασμένο εργαλείο GitHub για έλεγχο διαθεσιμότητας ονομασιών οργανώσεων: ```python from strands import Agent from strands. tools. mcp import MCPClient from strands_tools import http_request from mcp import stdio_client, StdioServerParameters PROMPT_ΟΝΟΜΑΣΙΑΣ = """ Είστε ένας βοηθός που βοηθά στο όνομα ανοικτού κώδικα έργων. Παρέχετε διαθέσιμα ονόματα τομέα και οργανώσεις στο GitHub αφού ελέγξετε την διαθεσιμότητά τους. """ tools_dominio = MCPClient(lambda: stdio_client( StdioServerParameters(command="uvx", args=["fastdomaincheck-mcp-server"]) )) tools_github = [http_request] with tools_dominio: all_tools = tools_dominio. list_tools_sync() + tools_github agent_onomasia = Agent(system_prompt=PROMPT_ΟΝΟΜΑΣΙΑΣ, tools=all_tools) agent_onomasia("Χρειάζομαι ένα όνομα για ένα έργο ανοικτού κώδικα για την κατασκευή AI agents. ") ``` Για να το τρέξετε, ορίστε το token GitHub ως `GITHUB_TOKEN`, έχετε πρόσβαση στο μοντέλο Anthropic Claude 3. 7 Sonnet στην περιοχή us-west-2, και διαμορφώστε τα διαπιστευτήρια AWS. Εγκαταστήστε με: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` Θα λάβετε προτάσεις ονομάτων έργων με ελέγχους διαθεσιμότητας. Οι διακομιστές MCP των Strands ενσωματώνονται καλά με εργαλεία ανάπτυξης με AI, όπως το Q Developer CLI. Για παράδειγμα, προσθέστε το παρακάτω στην διαμόρφωσή σας: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### Ανάπτυξη των Strands Agents σε παραγωγή Τα Strands σχεδιάστηκαν με στόχο την παραγωγική χρήση, προσφέροντας ευέλικτες αρχιτεκτονικές ανάπτυξης. Μπορείτε να τρέξετε agents τοπικά, πίσω από API (με AWS Lambda, Fargate ή EC2), ή ως κατανεμημένα συστήματα που διαχωρίζουν τον κυκλοειδή βρόχο και τα περιβάλλοντα εκτέλεσης εργαλείων. Για παράδειγμα, τα εργαλεία μπορούν να τρέχουν σε Lambda, ενώ ο agent τρέχει σε κοντέινερ· ή οι πελάτες να χειρίζονται τα εργαλεία τοπικά και να επικοινωνούν με έναν backend agent. Τα Strands υποστηρίζουν επίσης παρακολούθηση και αξιοπιστία μέσω OpenTelemetry (OTEL), επιτρέποντας λεπτομερή καταγραφή, μετρικές και τηλεmetria για συνεδρίες agents σε κατανεμημένα συστήματα. ### Ελάτε στην κοινότητα των Strands Agents Τα Strands Agents είναι ανοιχτού κώδικα με άδεια Apache 2. 0. Προσκαλούμε συνεισφορές για την προσθήκη υποστήριξης μοντέλων και εργαλείων, ανάπτυξη νέων χαρακτηριστικών ή βελτίωση της τεκμηρίωσης. Αν βρείτε σφάλματα ή έχετε ιδέες, επισκεφθείτε το GitHub και βοηθήστε να χτίσουμε το μέλλον των AI agents με τα Strands!