Mul on hea meel teavitada Strands Agentsi väljaandest, mis on avatud lähtekoodiga SDK, mis lihtsustab tehisintellekti agentide loomist ja käivitamist mudeli-põhise lähenemisega ning vaid mõne koodirea abil. Strands toetab laia valiku kasutusjuhtusid alates lihtsatest kuni keerukate agentideni ning ulatub kohalikust arendusest tootmisfaasi. See on juba kasutusel AWS meeskondades, nagu Amazon Q Developer, AWS Glue ja VPC Reachability Analyzer. Nüüd saad ka sina hõlpsasti luua oma tehisintellekti agente Strandsi abil. Erinevalt raamistikest, mis nõuavad keerukate töövoogude defineerimist, kasutab Strands tipptasemel mudelite võimeid—nagu planeerimine, mõtete ühendamine, tööriistade käivitamine ja refleksioon—mis võimaldab arendajatel määratleda vaid eellõigu ja tööriistade nimekirja, et luua agenti. Strands on nagu kaks DNA-keeru, ühendades mudeli ja tööriistad; mudel planeerib järgmised sammud ja käivitab tööriistad aruka reasoningu abil. Toetatakse ulatuslikku kohandamist, sealhulgas tööriistade valik, konteksti haldamine, sessiooni seisund, mälu ning mitmeagendi rakendused. Strands töötab Amazon Bedrocki, Anthropici, Ollama, Meta ja teiste mudelitega LiteLLM-i kaudu ning sobib kasutamiseks igal pool. Projekt on avatud kogukonna algatus, millele annavad panuse Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily ja palju teised. Näidetena on olemas Anthropic API tugi ja Meta Llama API integratsioon. Liitu meiega GitHubis ja alusta juba täna! ### Meie agendi teekond Tehes tööd Amazon Q Developeris, mis on generatiivne AI-assistent tarkvaraarenduseks, alustas mu meeskond AI agentide loomist juba varakevadel 2023, järgides ReAct (Reasoning and Acting) paperit, mis näitas, et suurepärased keelemudelid (LLMs) saavad mõelda ja tegutseda, näiteks teha API-kõnesid genereerides sisendeid. Kuigi LLM-e ei treenitud algselt agentideks, vaid loomuliku keele vestluseks, ehitasime keerukaid raamistikke, mis sisaldasid eellõikeid, vastuseparserid ja orkestreerimistegevusi— sageli kuude kaupa agentide optimeerimist produktsiooniks. Kui LLM-id jõudsalt reasoningus ja tööriistade kasutamises paranesid, muutusid need keerukad raamistikud takistuseks, mis aeglustasid iteratsiooni ja paindlikkust. Sõna otseses mõttes märkasime seda suurt muutust ning lõime Strands Agentsi, et eemaldada orkestreerimise keerukus ja kasutata ära kaasaegsete LLM-ide loomulikku reasoningut ning tööriistade kasutust. See lähenemine vähendas arendusaja kuudest päevadeks või nädalateks, kiirendades oluliselt tootmistasemele jõudmist ja parandades kasutajakogemust. ### Strands Agentide põhikusiklikud kontseptsioonid Agent koosneb kolmest komponendist: (1) mudel, (2) tööriistad ja (3) eellõik. Agent kasutab neid autonoomselt ülesannete täitmiseks, nagu küsimustele vastamine, koodimine, planeerimine või portfelli optimeerimine.

Mudeli-põhine lähenemine võimaldab mudelil ise planida, kuidas edasi tegutseda ja milliseid tööriistu kasutada, eesmärgi saavutamiseks. - **Mudel:** Strands toetab paindlikke mudeleid, sealhulgas Amazon Bedrock mudeleid koos tööriistade kasutamise ja voogedastusega, Anthropici Claude mudeleid API kaudu, Llama mudeleid Llama API kaudu, Ollama lokaalseks arenduseks, OpenAI LiteLLM-i kaudu ning ka kohandatud mudeleid. - **Tööriistad:** Saadaval on tuhandeid Model Context Protocol (MCP) serveri tööriistu ning üle 20 eelnullitud tööriista nagu failihaldus, API-kõned ja AWS API integratsioon. Pythonite funktsioone saab hõlpsasti tööriistadena kasutada @tool dekoratuuri abil. - **Eellõik:** Arendajad annavad sisendi loomulikus keeles, määrates ülesande ja süsteemi eellõigu agenti juhistega. Agent töötab "agentliku tsüklina", kus ta suhtleb mudeli ja tööriistadega, kuni ülesanne on täidetud. Igas tsüklis võtab LLM vastu eellõigu, kontekst ja tööriistade kirjelduse ning otsustab, kas vastata otse, planeerida, reflekteerida või käivitada tööriistu. Strands täidab valitud tööriistad ja tagastab tulemused mudelile ning lõpuks annab välja lõpliku tulemuse. Tööriistad võimaldavad kohandust ja keerukust: neid saab kasutada dokumendihalduseks, API-kõnede tegemiseks, Python-koodi käivitamiseks või staatiliste juhiste andmiseks. Näidetööriistad: - **Retrieve Tool:** Teostab semantilise otsingu Amazon Bedrocki teadmiste baasidest, tuues välja asjakohased dokumendid või tööriistad. Näiteks üks AWS-i sisemine agent valib 6000+ tööriista hulgast sobiva alamhulga, et esitada mudelile. - **Thinking Tool:** võimaldab mitmetsüklilist süvaanalüüsi ning enesereflektsiooni. - **Mitmeagendi tööriistad:** Workflow-, graafi- ja parve-tööriistad toetavad mitme agendi koostööd keerukate ülesannete täitmiseks. Tulekul on ka Agent2Agent (A2A) protokolli tugi. ### Strands Agentsi kasutuselevõtt Siin on lihtne näide nimiotsingu AI-assistendist, mis on ehitatud Strandsi abil, kasutades Amazon Bedrocki mudelit, MCP-serverit domeenikinnituseks ning eelvalmis GitHub tööriista organisatsiooni nime kättesaadavuse kontrollimiseks: ```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 = """ Oled assistent, kes aitab avatud lähtekoodiga projektidele nimed leida. Pakkuge saadaval domeeninimesid ja GitHub organisatsioone ning kontrollige nende kättesaadavust. """ domain_name_tools = MCPClient(lambda: stdio_client( StdioServerParameters(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("Vajan avatud lähtekoodiga projekti nime, mis tegeleb AI agentidega. ") ``` Seda skripti käivitamiseks määra oma GitHubi token-muutuja nimeks `GITHUB_TOKEN`, sul peab olema ligipääs Anthropic Claude 3. 7 Sonnet mudelile us-west-2 regioonis ning konfigureeri oma AWS sisselogimisteed. Paigalda: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` Saad nimepakkuusi koos saadavuse kontrollidega. Strands MCP-serverid sobivad hästi AI abistavate tööriistade nagu Q Developer CLI-ga. Näiteks lisa oma konfiguratsioonifaili: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### Strands Agentide tootmisesse paigutamine Strands on mõeldud just tootmiskasutuseks ning toetab paindlikke juurutusstrateegiaid. Võid agenti käivitada kohapeal, API-de taga (nt AWS Lambda, Fargate või EC2) või jaotatud süsteemina, kus agentliku tsükli ja tööriistade jooksuruumid on eraldatud. Näiteks võivad tööriistad töötada Lambda-l, samas kui agent töötab konteinerites; või klientide süsteemid käsitlevad tööriistu kohapeal ja suhtlevad taustaga. Strands toetab ka jälgimist ja monitooringut OpenTelemetry (OTEL) kaudu, pakkudes detailset jälgimist, mõõdikuid ja telemetriat agentide sessioonide kohta hajutatud süsteemides. ### Tule meie kogukonda Strands Agents on avatud lähtekoodiga Apache 2. 0 litsentsi alusel. Ootame panustusi mudeli- ning tööriistatuge, uute funktsioonide arendamist ning dokumentatsiooni täiustamist. Kui leiad vigu või sul on ideid, liitu meiega GitHubis ja aita kujundada AI agentide tulevikku Strandsiga!