Estoy emocionado de anunciar el lanzamiento de Strands Agents, un SDK de código abierto que simplifica la construcción y ejecución de agentes de IA con un enfoque basado en modelos, usando solo unas pocas líneas de código. Strands soporta una amplia variedad de casos de uso, desde agentes simples hasta complejos, y escala desde el desarrollo local hasta el despliegue en producción. Ya está en producción en equipos de AWS como Amazon Q Developer, AWS Glue y VPC Reachability Analyzer. Ahora, puedes usar Strands para crear tus propios agentes de IA fácilmente. A diferencia de otros frameworks que requieren definir flujos de trabajo complejos, Strands aprovecha las capacidades de los modelos de última generación — como planificación, encadenamiento de pensamientos, invocación de herramientas y reflexión — permitiendo a los desarrolladores definir solo una solicitud y una lista de herramientas para crear un agente. Strands, como dos hebras de ADN, conecta el modelo y las herramientas; el modelo planifica los próximos pasos y ejecuta las herramientas con un razonamiento avanzado. Soporta una personalización extensa, incluyendo la selección de herramientas, gestión del contexto, estado de la sesión, memoria y aplicaciones multi-agente. Strands funciona con modelos de Amazon Bedrock, Anthropic, Ollama, Meta y otros, a través de LiteLLM, y puede ejecutarse en cualquier lugar. El proyecto es una comunidad abierta con contribuciones de Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily y más. Algunos ejemplos incluyen soporte para API de Anthropic y la integración del API de Llama de Meta. Únete a nosotros en GitHub para comenzar. ### Nuestro recorrido con los agentes Trabajando en Amazon Q Developer, un asistente de IA generativa para desarrollo de software, mi equipo comenzó a construir agentes de IA a principios de 2023 siguiendo el paper ReAct (Reasoning and Acting), que demostró que los modelos de lenguaje grande (LLMs) podían razonar y tomar acciones, como hacer llamadas a API generando entradas. Aunque inicialmente los LLMs no estaban entrenados para actuar como agentes, sino para conversaciones en lenguaje natural, creamos frameworks complejos con instrucciones en las solicitudes, analizadores de respuestas y lógica de orquestación, invirtiendo meses afinando los agentes para producción. A medida que los LLMs mejoraron drásticamente en razonamiento y uso de herramientas, estos frameworks complejos se convirtieron en cuellos de botella que limitaban la velocidad de iteración y la agilidad. Reconociendo este cambio, creamos Strands Agents para eliminar la complejidad de la orquestación y aprovechar el razonamiento y uso de herramientas nativos de los modelos modernos. Este enfoque redujo el tiempo de desarrollo de meses a días o semanas, acelerando significativamente la preparación para producción y mejorando la experiencia del usuario. ### Conceptos básicos de Strands Agents Un agente se compone de tres elementos: (1) un modelo, (2) herramientas y (3) una solicitud (prompt). Los agentes usan estos componentes de forma autónoma para completar tareas como responder preguntas, programar, planear u optimizar portafolios.

El enfoque basado en modelos permite que el modelo dirija dinámicamente sus pasos y uso de herramientas para lograr el objetivo. - **Modelo:** Strands soporta modelos flexibles, incluyendo modelos de Amazon Bedrock con uso de herramientas y streaming, modelos de Anthropic Claude vía API, modelos de Llama vía API de Llama, Ollama para desarrollo local, OpenAI mediante LiteLLM, y modelos personalizados. - **Herramientas:** Disponibles miles de herramientas bajo el protocolo Model Context Protocol (MCP), además de más de 20 herramientas preconstruidas, como manipulación de archivos, llamadas a API y interacción con AWS API. Funciones en Python pueden envolver fácilmente en herramientas usando el decorador @tool. - **Solicitud:** Los desarrolladores proporcionan una solicitud en lenguaje natural describiendo la tarea y una prompt del sistema con instrucciones sobre el comportamiento del agente. El agente ejecuta un ciclo “agenteico” interactuando con el modelo y las herramientas hasta completar la tarea. En cada ciclo, el LLM recibe la solicitud, el contexto y las descripciones de las herramientas, decidiendo si responde directamente, planifica, reflexiona o invoca herramientas. Strands ejecuta las herramientas seleccionadas y devuelve los resultados al LLM, culminando en la salida final. Las herramientas permiten personalización y mayor complejidad: pueden recuperar documentos de bases de conocimiento, realizar llamadas a API, ejecutar código Python o proporcionar instrucciones estáticas. Ejemplos de herramientas incluyen: - **Herramienta de recuperación:** Realiza búsquedas semánticas en Bases de Conocimiento de Amazon Bedrock, recuperando documentos o herramientas relevantes. Por ejemplo, un agente interno de AWS selecciona entre más de 6, 000 herramientas recuperando un subconjunto pertinente para presentarlo al modelo. - **Herramienta de pensamiento:** Facilita el procesamiento analítico profundo en múltiples ciclos y la auto-reflexión. - **Herramientas multi-agente:** Soportan flujos de trabajo, gráficos y enjambres para coordinar múltiples agentes en tareas complejas. Próximamente, soporte para el protocolo Agent2Agent (A2A). ### Cómo comenzar con Strands Agents Aquí tienes un ejemplo sencillo de un asistente de nombrado de IA construido con Strands, usando un modelo de Amazon Bedrock, un servidor MCP para validación de dominio, y una herramienta preconstruida de GitHub para verificar la disponibilidad de nombres de organización: ```python from strands import Agent from strands. tools. mcp import MCPClient from strands_tools import http_request from mcp import stdio_client, StdioServerParameters PROMPT_SISTEMA_NOMBRE = """ Eres un asistente que ayuda a nombrar proyectos de código abierto. Proporciona nombres de dominio disponibles y organizaciones en GitHub tras validar su disponibilidad. """ herramientas_dominio = MCPClient(lambda: stdio_client( StdioServerParameters(comando="uvx", args=["fastdomaincheck-mcp-server"]) )) herramientas_github = [http_request] with herramientas_dominio: herramientas = herramientas_dominio. list_tools_sync() + herramientas_github agente_nombres = Agent(sistema_prompt=PROMPT_SISTEMA_NOMBRE, herramientas=herramientas) agente_nombres("Necesito nombrar un proyecto de código abierto para construir agentes de IA. ") ``` Para ejecutarlo, configura tu token de GitHub como `GITHUB_TOKEN`, asegúrate de tener acceso al modelo Claude 3. 7 Sonnet de Anthropic en us-west-2, y configura tus credenciales de AWS. Instala con: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` Recibirás sugerencias de nombres de proyectos con verificaciones de disponibilidad. Los servidores MCP de Strands se integran bien con herramientas de desarrollo asistido por IA como Q Developer CLI. Por ejemplo, añade esto en tu configuración MCP: ```json { "mcpServers": { "strands": { "comando": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### Desplegando Strands Agents en producción Strands está diseñado para uso en producción, ofreciendo arquitecturas de despliegue flexibles. Puedes ejecutar agentes localmente, detrás de APIs (usando AWS Lambda, Fargate o EC2), o como sistemas distribuidos separando el ciclo agenteico y los entornos de ejecución de herramientas. Por ejemplo, las herramientas pueden ejecutarse en Lambda mientras que el agente corre en contenedores; o los clientes manejar las herramientas localmente y comunicarse con un backend de agentes. Strands también soporta observabilidad y monitoreo mediante OpenTelemetry (OTEL), permitiendo trazabilidad, métricas y telemetría detalladas para sesiones de agentes en sistemas distribuidos. ### Únete a la comunidad de Strands Agents Strands Agents es de código abierto bajo la Licencia Apache 2. 0. Invitamos contribuciones para agregar soporte a modelos y herramientas, desarrollar nuevas funciones o mejorar la documentación. Si encuentras errores o tienes ideas, únete en GitHub y ayuda a construir el futuro de los agentes de IA con Strands!