मैं स्ट्रैंड्स एजेंट्स के रिलीज़ की घोषणा करते हुए उत्साहित हूँ, जो कि एक ओपन-सोर्स एसडीके है, जो कुछ ही लाइनों के कोड का उपयोग कर मॉडल-ड्राइवेन तरीकों से AI एजेंट बनाने और चलाने को आसान बनाता है। स्ट्रैंड्स सरल से लेकर जटिल एजेंट्स तक के उपयोग मामलों का समर्थन करता है और स्थानीय विकास से लेकर उत्पादन तैनाती तक स्केल कर सकता है। इसे पहले ही AWS टीमों जैसे Amazon Q Developer, AWS Glue, और VPC Reachability Analyzer में उत्पादन में इस्तेमाल किया जा रहा है। अब, आप भी आसानी से अपने खुद के AI एजेंट्स बनाने के लिए स्ट्रैंड्स का उपयोग कर सकते हैं। उन फ्रेमवर्क्स के विपरीत जो जटिल वर्कफ़्लोज़ को परिभाषित करने की आवश्यकता रखते हैं, स्ट्रैंड्स नवीनतम मॉडल क्षमताओं—जैसे योजना बनाना, विचारों का संयोजन, टूल इनवोकेशन, और परावर्तन—का लाभ उठाता है। यह डेवलपर्स को केवल एक प्रॉम्प्ट और टूल्स की सूची तय करने देता है, जिससे एक एजेंट बनाया जा सकता है। स्ट्रैंड्स, जैसे दो DNA स्ट्रैंड्स, मॉडल और टूल्स को जोड़ता है; मॉडल अगले कदम की योजना बनाता है और उन्नत reasoning के साथ टूल्स चलाता है। यह व्यापक अनुकूलन का समर्थन करता है, जिसमें टूल का चयन, संदर्भ प्रबंधन, सत्र स्थिति, मेमोरी और मल्टी-एजेंट एप्लिकेशन शामिल हैं। स्ट्रैंड्स एमेज़ॉन Bedrock, Anthropic, Ollama, Meta और अन्य मॉडल्स के साथ LiteLLM के माध्यम से कहीं भी चलाया जा सकता है। यह प्रोजेक्ट एक खुले समुदाय का हिस्सा है, जिसमें Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily और कई अन्य योगदान दे रहे हैं। इसमें Anthropic का API समर्थन और Meta का Llama API इंटिग्रेशन जैसे उदाहरण शामिल हैं। GitHub पर हमारे साथ जुड़ें और शुरुआत करें! ### हमारे एजेंट यात्रा Amazon Q Developer, जो सॉफ्टवेयर विकास के लिए एक जेनेरेटिव AI असिस्टेंट है, पर काम करते हुए, मेरी टीम ने 2023 की शुरुआत में AI एजेंट्स बनाना शुरू किया, ReAct (Reasoning and Acting) पेपर का अनुसरण करते हुए। इस पेपर ने दिखाया कि बड़े भाषा मॉडल (LLMs) तर्क कर सकते हैं और कार्य कर सकते हैं, जैसे API कॉल करना inputs जेनरेट कर के। पहले, LLMs को एजेंट के रूप में काम करने के लिए नहीं बल्कि प्राकृतिक भाषा बातचीत के लिए प्रशिक्षित किया गया था, फिर भी हमने जटिल फ्रेमवर्क बनाए—प्रॉम्प्ट निर्देश, प्रतिक्रिया पार्सर, और ऑर्केस्ट्रेशन लॉजिक—अक्सर महीनों तक एजेंट्स को प्रोडक्शन के लिए ट्यून किया। जैसे-जैसे LLMs का reasoning और टूल उपयोग में सुधार हुआ, ये जटिल फ्रेमवर्क bottleneck बन गए, जो रीट्री के गति और लचीलापन को रोक रहे थे। इस बदलाव को पहचानते हुए, हमने Strands Agents बनाए ताकि ऑर्केस्ट्रेशन की जटिलता को हटाया जाए और आधुनिक LLMs की स्वाभाविक reasoning और टूल उपयोग का लाभ उठाया जा सके। इस दृष्टिकोण से विकास का समय महीनों से घटकर दिनों या हफ्तों में आ गया, जिससे उत्पादन की तत्परता में तेजी आई और उपयोगकर्ता अनुभव बेहतर हुआ। ### स्ट्रैंड्स एजेंट्स के मुख्य सिद्धांत एक एजेंट तीन घटकों से मिलकर बना होता है: (1) एक मॉडल, (2) टूल्स, और (3) एक प्रॉम्प्ट। ये स्वायत्त रूप से इनका उपयोग करते हैं, जैसे प्रश्न का उत्तर देना, कोडिंग, योजना बनाना, या पोर्टफोलियो का अनुकूलन करना। मॉडल-ड्राइवेन दृष्टिकोण मॉडल को डायनामिक रूप से कदम और टूल्स के उपयोग का निर्देश देता है। - **मॉडल:** स्ट्रैंड्स लचीलें मॉडल का समर्थन करता है, जिनमें Amazon Bedrock मॉडल, टूल उपयोग और स्ट्रीमिंग शामिल हैं, Anthropic Claude मॉडल API के माध्यम से, Llama मॉडल Llama API के द्वारा, Ollama स्थानीय विकास के लिए, OpenAI LiteLLM के जरिए, और कस्टम मॉडल भी। - **टूल्स:** हजारों Model Context Protocol (MCP) सर्वर टूल्स उपलब्ध हैं, plus 20+ प्री-बिल्ट टूल जैसे फ़ाइल प्रबंधन, API कॉल, और AWS API इंटरैक्शन। Python फंक्शन्स को @tool डेकोरेटर का उपयोग कर आसान तरीके से टूल्स के रूप में लपेटा जा सकता है। - **प्रॉम्प्ट:** डेवलपर्स प्राकृतिक भाषा में एक टास्क वर्णित करने वाला प्रॉम्प्ट देते हैं और एजेंट के व्यवहार के निर्देश के लिए एक सिस्टम प्रॉम्प्ट प्रदान करते हैं। एजेंट एक “एजेंटिक लूप” चलाता है, जिसमें मॉडल और टूल्स के साथ इंटरैक्ट करता रहता है। हर लूप में, LLM को प्रॉम्प्ट, संदर्भ और टूल विवरण प्राप्त होते हैं, जो तय करता है कि प्रतिक्रिया सीधे देनी है, योजना बनानी है, परावर्तन करना है, या टूल्स को इनवोक करना है। स्ट्रैंड्स चुने गए टूल्स को निष्पादित करता है और परिणाम वापस LLM को भेजता है, जिससे अंतिम आउटपुट उत्पन्न होता है। टूल्स कस्टमाइज़ेशन और जटिलता को सक्षम बनाते हैं: ये दस्तावेज़ों को खोजने, API कॉल करने, Python कोड चलाने, या स्थिर निर्देश देने में सक्षम हैं। उदाहरण टूल्स में शामिल हैं: - **रिट्रीव टूल:** Amazon Bedrock Knowledge Bases पर semantic search करता है, संबंधित दस्तावेज या टूल्स प्राप्त करता है। उदाहरण के लिए, एक AWS आंतरिक एजेंट 6, 000+ टूल्स में से एक उपयुक्त टूल सेट का चयन करने के लिए relevant subset पुनः प्राप्त करता है। - **थिंकिंग टूल:** बहु-चरण गहरी विश्लेषणात्मक प्रसंस्करण और आत्म-चिंतन की सुविधा देता है। - **मल्टी-एजेंट टूल्स:** वर्कफ़्लो, ग्राफ, और स्वार्म टूल्स का समर्थन करता है, जो कई एजेंट्स को सहयोगी तरीके से संचालन करने में मदद करते हैं। Agent2Agent (A2A) प्रोटोकॉल का समर्थन आने वाला है। ### स्ट्रैंड्स एजेंट्स के साथ कैसे शुरू करें यहां एक सरल उदाहरण है, जिसमें Strands का उपयोग कर एक नामकरण AI असिस्टेंट बना है। इसमें Amazon Bedrock मॉडल, MCP सर्वर जो डोमेन वैधता के लिए है, और एक प्री-बिल्ट GitHub टूल शामिल है जो संगठन का नाम उपलब्धता जांचता है: ```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 = """ आप एक सहायक हैं जो ओपन सोर्स प्रोजेक्ट्स के नामकरण में मदद करता है। उपलब्ध डोमेन नाम और GitHub संगठन का नाम सुनिश्चित करने के बाद प्रदान करें। """ 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("मुझे AI एजेंट बनाने के लिए एक ओपन सोर्स प्रोजेक्ट का नाम चाहिए।") ``` इसे चलाने के लिए, अपने GitHub टोकन को `GITHUB_TOKEN` सेट करें, us-west-2 में Anthropic Claude 3. 7 Sonnet मॉडल का एक्सेस हो, और अपने AWS क्रेडेंशियल्स कॉन्फ़िगर करें। इंस्टॉल करें: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` आपको प्रोजेक्ट नाम सुझावे और उनकी उपलब्धता जांचने के साथ प्राप्त होगी। स्ट्रैंड्स MCP सर्वर AI-सहायता प्राप्त विकास टूल्स जैसे Q Developer CLI के साथ अच्छी तरह से इंटीग्रेट होते हैं। उदाहरण के लिए, अपने MCP कॉन्फ़िगरेशन में निम्न जोड़ें: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### प्रोडक्शन में स्ट्रैंड्स एजेंट्स को तैनात करना स्ट्रैंड्स को उत्पादन में इस्तेमाल के लिहाज से डिज़ाइन किया गया है, जो लचीली तैनाती आर्किटेक्चर प्रदान करता है। आप एजेंट्स को स्थानिय रूप से चला सकते हैं, APIs (जैसे AWS Lambda, Fargate, या EC2) के पीछे, या Distributed सिस्टम के रूप में, जिसमें एजेंटिक लूप और टूल्स निष्पादन वातावरण अलग होते हैं। उदाहरण के तौर पर, टूल्स Lambda में चल सकते हैं जबकि एजेंट कंटेनर में हो सकता है; या क्लाइंट्स स्थानीय टूल्स को संभाल सकते हैं और बैकेंड एजेंट से बात कर सकते हैं। स्ट्रैंड्स OpenTelemetry (OTEL) के साथ निगरानी और ट्रेसिंग का भी समर्थन करता है, जिससे एजेंट सेशन का विस्तृत ट्रेसिंग, मेट्रिक्स और टेलीमेट्री संभव होती है, और पूरे वितरित सिस्टम में निगरानी बनाए रख सकते हैं। ### स्ट्रैंड्स एजेंट्स समुदाय में शामिल हों स्ट्रैंड्स एजेंट्स Apache License 2. 0 के तहत مفتھूरे स्रोत का है। हम मॉडल और टूल समर्थन बढ़ाने, नई सुविधाएँ विकसित करने या डाक्यूमेंटेशन में सुधार करने के लिए योगदान का स्वागत करते हैं। यदि आपको बग पता चलता है या आपके पास नए विचार हैं, तो GitHub पर हमारे साथ जुड़ें और स्ट्रैंड्स के साथ AI एजेंट्स का भविष्य बनाएं!