നമുക്ക് സന്തോഷത്തോടെ പ്രഖ്യാപിക്കുകയാണു കാരണം, സ്റ്റ്രാൻഡ്സ് ഏജന്റ്സ് എന്ന ഓപ്പൺ സോഴ്‌സ് SDKന്റെ റിലീസ്. ഇത് കുറച്ച് കോഡ് ലൈനുകളാൽ എഐ ഏജന്റുകൾ സൃഷ്ടിക്കുകയും പ്രവർത്തിപ്പിക്കുകയുമായി മോഡൽ-ഡ്രൈവ് ചെയ്ത സമീപനം എളുപ്പമാക്കുന്നു. സ്റ്റ്രാൻഡ്സ് വിവിധ തരത്തിലുള്ള എളുപ്പത്തിനും സങ്കീറാനുമായ ഏജന്റുകൾ വരെ പിന്തുണ നൽകുകയും പ്രാദേശിക വികസനത്തിനും നിർമ്മാണ ഡെപ്ലോയ്മെന്റിനും സ്കെയിലിടുകയുമാണ് ചെയ്യുന്നത്. അതിർത്തിയിൽ ഇത് ഇപ്പോഴും AWS ടീമുകളായും പ്രവർത്തിക്കുന്നു, ഉദാഹരണത്തിന് അമസോൺ Q ഡവലപ്പർ, AWS ഗ്ലൂ, VPC റീചിബിലിറ്റി അനാലൈസർ തുടങ്ങിയവ. ഇനി നിങ്ങൾക്കും സ്റ്റ്രാൻഡ്സ് ഉപയോഗിച്ച് آسانമായി നിങ്ങളുടെ സ്വന്തം എഐ ഏജന്റുകൾ സൃഷ്ടിക്കാം. സാമ്പത്തികവുമായുള്ള ഫ്രെയിമ്വർക്കുകളിനേക്കാൾ വ്യത്യസ്ഥമായത്, സ്റ്റ്രാൻഡ്സ് പ്രഗത്ഭ മോഡൽ ശക്തികളെ — പ്ലാനിംഗ്, ചൈനിങ്_THoughts, ടൂളുകൾക്കുള്ള വിളികൾ, റിഫ്ലക്ഷന്‍സ് — ഉപയോഗിച്ച്, വികസിപ്പpell ൽ ഡിഫൈൻ ചെയ്യുവാൻ അവസരം നൽകുന്നു. രണ്ട് ഡിഎൻഎഎസ് സ്റ്റ്രാൻഡ്സ് പോലെ, മോഡലും ടൂളുകളും ബന്ധിപ്പിക്കുന്നു, മോഡൽ അടുത്ത നടപടികൾ പ്ലാൻ ചെയ്ത് പരിചാരികാa ആയും അവ കാവ്യം നീങ്ങുന്നു. ഇത് ടൂൾ തെരഞ്ഞ് തിരഞ്ഞ്, കൺടെക്‌സ്‌റ്റ് മാനേജ്മെന്റ്, സെഷൻ സ്റ്റേറ്റ്, മെമ്മറി, മൾട്ടി-എജന്റ് അപ്ലിക്കേഷനുകൾ പോലെയുള്ള പേഴ്‌സണലൈസ്‌ഷനുകളെ ഇത് പിന്തുണയ്ക്കുന്നു. സ്റ്റ്രാൻഡ്സ്, അമസോൺ ബെഡ്രോക്കിൽ നിന്നുള്ള മോഡലുകൾ, അന്ത്യropic, ഒല്ലാമ, മെറ്റ, മറ്റ് മോഡലുകളും LiteLLM വഴി, എല്ലായിടത്തും പ്രവർത്തിക്കും. ഈ പ്രോജക്ട് ഒരു തുറന്ന സമൂഹമാണു; അതിർത്തിയിലെ പങ്കാളിത്തം അടങ്ങുന്നതാണ് Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily എന്നിവയുടെ സംഭാവനകളാൽ. ഉദാഹരണങ്ങൾക്കു ആന്തropic-ന്റെ API പിന്തുണയും Meta യുടെ Llama API ഇൻറ്റ്‌ഗ്രേഷൻ ഉൾപ്പെടുന്നു. GitHub-ൽ ചേർന്ന് ആരംഭിക്കാം! ### നമ്മുടെ എജന്റിന്റെ യാത്ര ആമസോൺ Q ഡവലപ്പറിനെ കുറിച്ച്, സോഫ്റ്റ്വെയർ വികസനത്തിനായി ജനറേറ്റീവ് എഐ സഹായിയായി, എന്റെ ടീമു 2023 തുടക്കത്തു എഐ ഏജന്റുകൾ നിർമ്മിക്കാൻ ആരംഭിച്ചു. ഇത് ReAct (Reasoning and Acting) പേപ്പർ അടിസ്ഥാനമായിരുന്നു. വലിയ ഭാഷയ модельകൾ (LLMs) യെ പരിചാപാത്രിനാൾ, പ്രതികരണവും നടപടിയും സ്വീകരിക്കുവാനാകും എന്ന് ഇതു കാണിച്ചത്, ഉദാഹരണത്തിന് API കാൾ ചെയ്‌തല്ല. ആദ്യമായി, LLMs സ്വാഭാവിക ഭാഷാ സംസാരത്തിനായിക്ക് പരിശീലനം ലഭിച്ചിരുന്നുവെങ്കിലും, ഞങ്ങൾ കോമ്പ്ലෙක්‌സ് ഫ്രെയിമ്വർക്സ് നിർമ്മിച്ച്, പ്രാമ്പ്റ്റ് നിർദേശം, റസ്പോൺസ് പാഴ്സർ, ഓർകസ്ട്രേഷൻ മോഡലുകൾ അടങ്ങിയിരുന്നു — വളരെയധികം മാസങ്ങൾ ത്യാഗിച്ചിട്ടും, നിർമ്മാണത്തിനായി ഇവ പട്ടികപ്പെടുത്താൻ ശ്രമിച്ചിരുന്നു. പക്ഷേ, LLMs യുടെ പരിചരണം വളരെയധികം മെച്ചപ്പെട്ടതും, ടൂൾ ഉപയോഗമെ നിയന്ത്രണം പിടിച്ചുവീണ്, ഇത് ഞങ്ങളുടെ ജടിലമായ ഫ്രെയിംവക്സിന് തടസ്സമായി. ഈ മാറുന്ന ട്രെന്‍ഡിനെ തിരിച്ചറിഞ്ഞ്, ഞങ്ങൾ സ്റ്റ്രാൻഡ്സ് ഏജന്റ്സ് രൂപീകരിച്ചു. ഇത്, ഓർകസ്ട്രേഷൻ സങ്കീർണത ഒഴിവാക്കി, ആധുനിക LLMs-ന്റെ സ്വാഭാവിക ന്യായീകരണവും ടൂൾ ഉപയോഗവും ഉപയോഗിച്ച് വികസിപ്പിച്ചത്, പ്രവർത്തന സമയം മാസങ്ങളിൽ നിന്ന് ദിവസങ്ങളിലും അല്ലെങ്കിൽ ആഴ്ചകളിലും കുറക്കുന്നു, നിർമ്മാണ സാധ്യത വേഗത്തിലാക്കുകയും ഉപയോക്തൃ പരിചയം മെച്ചപ്പെടുത്തുകയും ചെയ്തു. ### സ്റ്റ്രാൻഡ്സ് ഏജന്റുകളുടെ അടിസ്ഥാന ആശയങ്ങൾ ഒരു ഏജന്റ് മൂന്ന് ഘടകങ്ങളാൽ നിർമ്മിതമാണ്: (1) മോഡൽ, (2) ടൂളുകൾ, (3) പ്രാമ്പ്റ്റ്.

ഏജന്റ്സ് സ്വയം ഇവ ഉപയോഗിച്ച് ജോലികൾ പൂർത്തിയാക്കുന്നു, ഉദാഹരണം: ചോദ്യം ഉത്തരം നൽകുക, കോഡ് എഴുതുക, പദ്ധതി ഒരുക്കുക, അല്ലെങ്കിൽ പോർട്ട്ഫോളിയോ ഒപ്ടിമൈസ് ചെയ്യുക. മോഡൽ-ഡ്രൈവ് ചെയ്ത സമീപനം, ലക്ഷ്യത്തെ പൂർണ്ണമാക്കാൻ അതിന്റെ ഘട്ടങ്ങൾ സ്വയം നിയന്ത്രിക്കുകയും, ടൂളുകൾ പോവുകയും ചെയ്യുന്നു. - **മോഡൽ:** സ്റ്റ്രാൻഡ്സ് പല തരത്തിലുള്ള മോഡലുകളെ പിന്തുണയ്ക്കുന്നു. അതിൽ Amazon Bedrock മോഡലുകൾ ഒപ്പമുള്ള ടൂളുകളുമായി, സ്റ്റ്രീമിങ്, Anthropic Claude API, Llama API, Ollama, OpenAI (LiteLLM മുഖേന), യും കസ്റ്റം മോഡലുകളും ഉൾപ്പെടുന്നു. - **ടൂളുകൾ:** MCP (Model Context Protocol) സെർവർ ടൂളുകളുടെ ആയിരക്കണക്കുകൾ ലഭ്യമാണ്; കൂടാതെ, ഫയൽ മാനുപുലേഷൻ, API കാൾ, AWS API എന്നിവയുമായി 20+ പ്‌രീവിർട്ടിയുള്ള ടൂളുകളുണ്ട്. Python ഫങഷനുകൾ എളുപ്പം @tool ഡെക്കറേറ്റർ ഉപയോഗിച്ച് ടൂളുകളാകാം. - **പ്രാമ്പ്റ്റ്:** ഡവലപ്പർമാർ സ്വാഭാവിക ഭാഷയിലുള്ള നിയോഗം നൽകുന്നു, ജോലിയുടെ സ്വഭാവം അടയാളപ്പെടുത്തുന്ന സിസ്റ്റം പ്രാമ്പ്റ്റും നൽകിയിരിക്കും. ഒരു എജന്റ് പ്രവർത്തനചക്രം (agentic loop) നടത്തുന്നു, മോഡലിനും ടൂളുകൾക്കും ഇടയിൽ ഇടപഴകുന്നു, ഇവിടെ പ്രവർത്തനം പൂർത്തിയാകുമ്പോൾ വരെ. ഓരോ ചക്രത്തും, LLM പ്രാമ്പ്റ്റ്, കൺടെക്‌സ്‌റ്റ്, ടൂളുകളുടെ വിവരണങ്ങൾ സ്വീകരിക്കുകയും, നേരിട്ടുള്ള പ്രതികരണം കൂടുതൽ ആലോചിക്കാനോ, പ്ലാനുകൾ നിർമ്മിക്കാനോ, റിഫ്ലക്ഷൻ നടത്താനോ, ടൂൾകൾ വിളിക്കാനോ തിരഞ്ഞെടുക്കുന്നു. സ്റ്റ്രാൻഡ്സ് തെരഞ്ഞെടുത്ത ടൂളുകളെ കാൾ ചെയ്ത് ഫലങ്ങൾ തിരിച്ച നൽകുന്നു, ഒടുവിൽ പരമാവധി ഫലം നൽകുന്നു. ടൂളുകൾ, ഇഷ്ടാനുസൃതമായവ, വിശദവിവരങ്ങൾ, ഡൊക്കുമെന്റുകൾ ഫെച്ച്ച് ചെയ്യുക, API കാൾ, Python കോഡ് നടപ്പിലാക്കുക, സ്റ്റാറ്റിക് നിർദേശങ്ങൾ നൽകുക എന്നിവക്ക് അനുയോജ്യമാണ്. ചില ഉദാഹരണങ്ങൾ: - **Retrieve Tool:** ആമസോൺ ബെഡ്രോക്കിലെ ജ്ഞാന അടിസ്ഥാനങ്ങളിൽ സെമാന്റിക് തിരച്ചിൽ നടത്തുന്നു, അനുയോജ്യ ഡോകുമെന്റുകളോ ടൂളുകളോ തിരിച്ച് വരുന്നു. ഉദാഹരണത്തിന്, AWS ആന്തരിക ഏജന്റ് 6, 000+++ ടൂളുകൾ ചയർത്തി, അനുയോജ്യമായ ഉപന്യാസം തിരിച്ച് മോഡലിന് മുന്നിൽ അവതരിപ്പിക്കുന്നു. - **Thinking Tool:** ബഹുചക്രമായ ആഴപരിശോധനയും സ്വയംപരിശോധനയും അനുവദിക്കുന്നു. - **Multi-agent Tools:** ജോലി, ഗ്രാഫ്, സ്വാർം ടൂളുകൾക്കു സഹായം നൽകുന്നു, ഓർക്സ്ട്രേഷൻ ചെയ്യാനും, ബഹുചന്തി ഏജന്റുകൾ സഹകരിക്കാനും, ഗോളാനുയായി സങ്കീർണ്ണമായ പ്രവർത്തനങ്ങൾ നടത്താനുമാകും. Agent2Agent (A2A) പ്രോട്ടോകോൾ പിന്തുണയെന്നി വരുന്നു. ### സ്റ്റ്രാൻഡ്സ് ഏജന്റ്സ് ഉപയോഗിക്കാൻ ആരംഭിക്കാം ഒരു എളുപ്പമായ ഉദാഹരണം: സ്റ്റ്രാൻഡ്സ് ഉപയോഗിച്ച്, ഒരു Amazon Bedrock മോഡലും MCP സെർവറും, GitHub ടൂൾ ഉപയോഗിച്ച് ഓർഗനൈസേഷൻനാമം പരിശോധിക്കുന്ന നാമനിർമ്മാണ എഐ സഹായി സൃഷ്ടിക്കാനാകുന്നു: ```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 = """ നിങ്ങൾ ഒരു സഹായിയാണ്, ഓപ്പൺ സോഴ്സ് പ്രോജکٹക്ക് നാമം നൽകുവാൻ. ലഭ്യമായ ഡൊമെൻ നാമങ്ങളും GitHub ഓർഗനൈസേഷനുകളും, അവയുടെ ലഭ്യത തെളിയിച്ച് നൽകുക. """ 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("എനിക്ക് ഒരു എഐ ഏജന്റുകൾ നിർമ്മിക്കാൻ പേരിടണം. ") ``` ഇത് പ്രവർത്തിപ്പിക്കാനായി, നിങ്ങളുടെ GitHub ടോക്കണ്‍ `GITHUB_TOKEN` ആയി സജ്ജമാക്കുക, us-west-2 ജില്ലയിൽ AnthropicClaude 3. 7 Sonnet മോഡൽ ലഭ്യമാക്കുക, AWS ക്രഡീഷ്യൽസും കണക്റ്റ് ചെയ്‍വ്. പൈപ്പ് ഉപയോഗിച്ച് ഇൻസ്റ്റാൾചെയ്യുക: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` നിങ്ങൾക്ക്, പ്രോജക്റ്റ് നാമ നിർദ്ദേശങ്ങളും ലഭ്യമാകും. സ്റ്റ്രാൻഡ്സ് MCP സെർവറുകൾ, AI-സഹായം ലഭ്യമാക്കുന്നവയായ Q ഡവലപ്പർ CLI പോലുള്ള ടൂൾസുമായി നല്ല അനുയോജ്യമാണ്. കൂടാതെ, നിങ്ങളുടെ MCP കോൺഫ്‌ഗറേഷൻയിൽ ഇതു ചേർക്കാം: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### നിർമ്മാണത്തിൽ സ്റ്റ്രാൻഡ്സ് ഏജന്റുകൾ വിന്യസിക്കൽ സ്റ്റ്രാൻഡ്സ്, നിർമ്മാണ ഉപയോഗത്തിനായി രൂപകൽപ്പന ചെയ്തതാണ്. നിങ്ങൾക്ക് ഏജന്റുകൾ പ്രാദേശികമായി, APIകളേക്കാൾ മുൻപിൽ (AWS Lambda, Fargate, EC2 എന്നിവ ഉപയോഗിച്ച്), അല്ലെങ്കിൽ പൈപ്പുകളുമെന്താണെങ്കിൽ ഒരു വിതരണ സംവിധാനമായി പ്രവർത്തിപ്പിക്കാൻ കഴിയും. ഉദാഹരണത്തിന്, ടൂൾസ് Lambda-യിൽ പ്രവർത്തിക്കും, ഏജന്റ് കണ്ടെയ്നറിലാണ് പ്രവർത്തനം; അല്ലെങ്കിൽ, ക്ലയന്റുകൾ ടൂളുകൾ പ്രാദേശികമായി കൈകാര്യം ചെയ്ത്, ബാക്ക്‌എന്റ് ഏജന്റിനുമായി ആശയവിനിമയം നടത്താം. സ്റ്റ്രാൻഡ്സ്, OpenTelemetry (OTEL) ഉപയോഗിച്ച് പൂർണ്ണമായാൽ കാണാനിടയാക്കുന്നു, ട്രേച്ച്, മെട്രിക്ക്സ്, ടെലിമെട്രി എന്നിവയുടെ പിന്തുണ നൽകി, വ്യത്യസ്ത സിസ്റ്റങ്ങളിലുടനീളം ഏജന്റ് സെഷനുകൾ വിശദമായി അനുസരണ നടത്തുന്നതിനായി. ### സ്റ്റ്രാൻഡ്സ് ഏജന്റ്സ് കമ്മ്യൂണിറ്റിയിലേക്ക് ചേർക്കുക സ്റ്റ്രാൻഡ്സ് ഏജന്റ്സ്, അപ്പാച്ചി ലൈസൻസ് 2. 0 പ്രകാരം തുറന്ന സോഴ്‌സ്. മോഡൽ-പുതിയസഹായം, ടൂൾ പിന്തുണ, പുതിയ ഫീച്ചറുകൾ വികസിപ്പിക്കൽ, ഡക്കുമെന്റേഷന് മെച്ചപ്പെടുത്തൽ എന്നിവയിൽ പങ്കുചേരുക. പറ്റിയുള്ള ബഗുകൾ, ആശയങ്ങൾ ഉണ്ടെങ്കിൽ, GitHub-ൽ വിടുക — സ്റ്റ്രാൻഡ്സിനൊപ്പം എഐ ഏജന്റുകളുടെ ഭാവി സൃഷ്ടിക്കാൻ സഹായിക്കുക!