ကျွန်တော်/ကျွန်မ စိတ်ဝင်စားစရာကောင်းတာကို သိအောင် ပြောချင်ပါတယ်။ Strands Agents ဆိုတာက အခမဲ့ကိုးကားနိုင်တဲ့ SDK တစ်ခုပါ။ ဒီ SDK က AI အေးဂျင်များကို များစွာ လုပ်နိုင်အောင် ချဲ့ထွင်ထားပြီး၊ လေးလိုင်းကုဒ်တိုင်းမှာ မျှတစွာ အလုပ်လုပ်စေပါသည်။ Strands သည် ရိုးရိုးလေးအေးဂျင်များကနေ ရှုပ်ထွေးတဲ့အေးဂျင်များအထိ အသုံးချနိုင်ပြီး မည်သည့်နေရာတွင်မဆို ဒေသခံဖွံ့ဖြိုးမှုမှစ၍ ထုတ်လုပ်ရေးအထိ တိုးမြှင့်အသုံးချနိုင်ပါသည်။ မြန်မာနိုင်ငံတွင်လည်း AWS အဖွဲ့များဖြစ်သော Amazon Q Developer၊ AWS Glue နှင့် VPC Reachability Analyzer များမှာ အသုံးပြုနေပြီးသားဖြစ်ပါတယ်။ ယခုအခါ သင်လည်း Strands ကို အသုံးပြု၍ ကိုယ်ပိုင် AI အေးဂျင်များကို လွယ်လွယ်ကူကူ ဖန်တီးနိုင်ပါပြီ။ မည်သည့်အကွာအဝေးအဆင့်မြင့် ဗဟိုစနစ်များလိုအပ်ချက်မရှိဘဲ၊ Strands သည် အဆင့်မြင့်မော်ဒယ်များရဲ့ ထိုသို့သောစွမ်းရည်များကို အသုံးပြု၍—စီစဉ်ခြင်း၊ စိတ်ကူးချင်းချိတ်ဆက်ခြင်း၊ toolခေါ်ယူခြင်းနှင့် သင့်လျော်စွာ ပြန်အကြံပြုခြင်းများ—ကိုင်တွယ်နိုင်စေရန် ဒီဇိုင်းတွဲဖက်ထားပါတယ်။ ထိုကဲ့သို့သော မော်ဒယ်နှင့် tools များကို ဆက်သွယ်ပေးသည်မှာ DNA နှစ်လှუმကဲ့သို့ ကျိုးဆက်ထားသောကြောင့်၊ မော်ဒယ်က နောက်အဆင့်ကိုစီစဉ်ပြီး tools များကို အမြန်လည်ခေါ်ယူနိုင်ပါတယ်။ သင်အတွက် ထောက်ပံ့မှုအနေနဲ့ tool များရွေးချယ်ခြင်း၊ ပတ်ဝန်းကျင်စီမံခန့်ခွဲမှု၊ ဆက်စပ်အခြေအနေစီမံခန့်ခွဲမှု၊ မှတ်ဉာဏ်နှင့် မော်ဒယ်များစွာအတွက် အစုံအလင် ထောက်ပံ့နိုင်ပါတယ်။ Strands သည် Amazon Bedrock၊ Anthropic၊ Ollama၊ Meta နှင့် နောက်ထပ် မော်ဒယ်များနှင့် LiteLLM ဖြင့် မည်သည့်နေရာမဆိုအလုပ်လုပ်နိုင်ပါသည်။ ဒီပရောဂျက်သည် လူမှုအသိုင်းအဝိုင်းဖွဲ့စည်းထားသော ပူးပေါင်းဆောင်ရွက်မှုဖြစ်ပြီး၊ Accenture၊ Anthropic၊ Langfuse၊ mem0. ai၊ Meta၊ PwC၊ Ragas. io၊ Tavily၊ များစွာသောအဖွဲ့အစည်းများက ပံ့ပိုးပေးထားသည်။ ဥပမာအနေနဲ့ Anthropic ရဲ့ API ထောက်ပံ့မှုများ၊ Meta ရဲ့ Llama API ပေါင်းစည်းမှုများပါဝင်ပါတယ်။ GitHub တွင် ပါဝင်ပြီး စတင်အသုံးပြုနိုင်ပါပြီ။ ### ကျွန်တော်/ကျွန်မတို့ရဲ့ A ငွေ့ခရီးအစ Software ဖွံ့ဖြိုးရေးအတွက် Amazon Q Developer (AI အသုံးအဆောင်အဖွဲ့) များအတွက် နှစ်ပေါင်းအတော်ကြာ စတင်ဖန်တီးခဲ့သော AI အေးဂျင်များကို 2023 ခုနှစ် မတ္တရန်အတွင်း စတင်ပြုလုပ်ခဲ့ပါသည်။ တွေးခေါ်ခြင်းနှင့် လုပ်ဆောင်ခြင်း (ReAct) ဆိုသော စာတမ်းကိုရည်ညွှန်းပြီး မြင့်မားသော မော်ဒယ်များ (LLMs) ကို ကြံစည်အသုံးချနိုင်စေရန် ရည်ရွယ်ခဲ့သည်။ မော်ဒယ်များ အနေနဲ့ အရင်က Natural Language ဆက်စပ်သူမဟုတ်ဘဲ မေးမြန်းချက်များအတွက်တည်းဖြတ်ထားကြပြီး၊ ကျွန်တော်တို့က ပိုမိုရှုပ်ထွေးတဲ့ Framework များ၊ Prompt Instruction များ၊ Response Parsing များနှင့် Orchestration Logic များကို တိုင်းထွာ တည်ဆောက်ခဲ့သည်။ ဒါကြောင့် များသောအခါလေးလုံလောက်အောင် တစ်လအထိအချိန်ဖိုးဖြုန်းခဲ့ရပါသည်။ ထိုအခါတွင် LLM က တိုးတက်လာပြီး ဆန်းစစ်နိုင်စွမ်း၊ Tool အသုံးပြုနိုင်စွမ်း ပိုမိုကောင်းမွန်လာသောအခါ၊ ကျွန်တော်တို့ရဲ့ Framework များက တိုးတက်မှုအတွက် ကန့်အသတ်ပေးလာခဲ့သည်။ ယခုအခါ ကျွန်တော်/ကျွန်မတို့က Strands Agents ကို ဖန်တီးခဲ့ပြီး၊ အသစ်နဲ့ မော်ဒယ်များရဲ့ တိုက်ရိုက် စိတ်ကူးချင်းချိတ်ဆက်ခြင်း၊ မော်ဒယ်၏ သဘောထားများကို အသုံးပြုခြင်းကို အခြေခံအောက်ခံအဖြစ် အသုံးချနိုင်ခဲ့တယ်။ ဒါက လုပ်ဖော်ကိုင်ဖက် ပိုမိုမြန်မြန်ဆန်ဆန်အောင်လုပ်ပေးပြီး၊ တစ်လလေးတွင်တာချိန်တောင် ကြာသေးနိုင်တဲ့ Development များကို တစ်နေ့သို့မဟုတ် အပတ်အကြာသို့ လျင်မြန်စေခဲ့တယ်။ ထိုနည်းလမ်းကို အသုံးချခြင်းအပေါ်မှာ ထုတ်လုပ်ရေးအဆင်ပြေစေရန်၊ အသုံးပြုသူအတွေ့အကြုံကို မြှင့်တင်ပေးခဲ့ပါတယ်။ ### Strands Agents၏အဓိကအယူအဆများ အေးဂျင်တစ်ခုဆိုတာ သုံးအာငြိမ်းပါဝင်တယ်။ (၁) မော်ဒယ် (၂) tools (၃) prompt။ ဒီ့အနေအထားမှာရှိတဲ့ အေးဂျင်တွေဟာ ကိုယ်တိုင်လုပ်နိုင်စွမ်းရှိပြီး၊ မေးခွန်းပြန်ောဆို၊ ကိုဒ်ရေး၊ စီမံခန့်ခွဲရေး၊ မိတ်ဆက် အစီအမံလုပ်နိုင်ကြတယ်။ မော်ဒယ်အင်အားပေးတဲ့ နည်းလမ်းက မော်ဒယ်က ဒိုင်ရန်လမ်းညွှန်တစ်ခုပဲဖြစ်ပါတယ်။ မော်ဒယ်က ကိုယ်တိုင် ရေးဆွဲနိုင်ပါတယ်။ - **မော်ဒယ်:** Strands သည် မော်ဒယ်စုံကို ပံ့ပိုးထားပြီး၊ Amazon Bedrock မော်ဒယ်များ၊ Anthropic Claude မော်ဒယ်များ (API ဖြင့်စိတ်ကြိုက်အသုံးပြုနိုင်), Llama မော်ဒယ်များ (Llama API ဖြင့်), Ollama မော်ဒယ်များ (ဒေသခံဖွံ့ဖြိုးမှုအတွက်), OpenAI (LiteLLM စနစ်မှတစ်ဆင့်), တစ်ပုံစံမော်ဒယ်များစနစ်အပြည့်အဝ ပံ့ပိုးစေပါတယ်။ - **tools:** MCP (Model Context Protocol) server များအပေါင်းအချိန်အများဆုံးတစ်တန်းရှိသေးပြီး၊ ဥပမာ File စီမံခန့်ခွဲမှု၊ API ခေါ်ယူမှုများ၊ AWS API နှင့်ဆက်စပ်မှုများပါဝင်သည်။ Python function များကို @tool decorator ဖြင့် လွယ်ကူစွာ tool များအဖြစ် အောင်မြင်စေနိုင်ပါသည်။ - **prompt:** ဒေတာအရင်းအနှီးစနစ်မှ သတ်မှတ်ထားတဲ့ Tasks များကို ဖော်ပြသော အသုံးပြုသူဘာသာစကားလေးမျိုးထား၍ ပြုလုပ်နိုင်ပါတယ်။ အေးဂျင်သည် “agentic loop” ဆိုတဲ့ လုပ်ငန်းလိုင်းအတိုင်း မော်ဒယ်နှင့် tools များကို ခက်ခဲမရှိဘဲ လုပ်ဆောင်ရင်းပြီးစီးအောင်လုပ်ပါတယ်။ ဒါမှာ ကျုပ်ကြီးတို့အတွက် လုပ်ခြင်းစဉ်ပုံ သတ်မှတ်ချက်များ၊ respond ဆောင်ရွက်မှုများ၊ စဉ်းစားစိတ်ချင်းချိတ်ဆက်မှုများ၊ tools ခေါ်ယူမှုများပါဝင်ပါတယ်။ Strands သည် tools များကို ထုတ်လုပ်ပြီး၊ ရလဒ်များကို ပြန်လည်ပို့ပေးခြင်းဖြင့် မော်ဒယ်က နောက်အဆင့်လုပ်ဆောင်နိုင်ပါတယ်။ မိနစ်အနည်းငယ်မကပဲ ထုတ်လုပ်နိုင်သောတည်းဖြတ်ခြင်းများပါဝင်ပြီး အစိတ်အပိုင်းများကို ကိုယ်ပိုင်လိုအပ်ချက်အရ ပြင်ဆင်နိုင်ပါတယ်။ ဥပမာ tools များကတော့— - **Retrieve Tool:** Amazon Bedrock Knowledge Bases များအပေါ် semantic search လုပ်ပြီး၊ ကျူလောက်အကြောင်းအရာများ သို့မဟုတ် tools များကို ရွေးချယ်ပေးနိုင်ပါတယ်။ ဥပမာအနေနဲ့ AWS internal agent တစ်ခုက ၆၀၀၀ကျော် tools ထဲထဲက ရာထူးလူကြိုက်များကို စိတ်ကြိုက်ရွေးချယ်ပေးနိုင်ပါတယ်။ - **Thinking Tool:** များစွာသော cycle များအတွက် သစ်တစ်ခုစီအသုံးပြုပြီး၊ ကိုယ့်ကိုယ်ကို စဉ်းစားသုံးသပ်နိုင်စေရန်။ - **Multi-agent Tools:** လုပ်ငန်းစဉ်များ၊ ပုံစံစ်များ၊ သားလေးများကို ပူးပေါင်းစွာကျင်းပနိုင်အောင် support လုပ်ပေးပြီး၊ Agent2Agent (A2A) ပရိုတိုးကမကြာမည်မှာပါဝင်လာဖို့ အဆင်သင့် ဖြစ်ပြီးသားဖြစ်ပါတယ်။ ### Strands Agents ကို မနှစ်နိုင်ပါဘူး ပထမဆုံး အဆင့်တွင် ဖြစ်စေချင်တယ်ဆိုရင် မင်း/မင်းတို့ကိုယ်ပိုင် နာမည်နည်းလေးရှာဖို့ ရည်ရွယ်ထားသော AI အကြံပေးအေးဂျင်ကို ဖန်တီးနိုင်ပါတယ်။ ဥပမာကို ဒီလိုပေးလိုက်ပါသည်— ```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 = """ သင်သည် open source ပရောဂျက်များအတွက် နာမည်ပေးမယ့်အကူအညီများ။ အကောင့်များ၊ GitHub အဖွဲ့အစည်းများကို သုံးစွဲချပေးပြီး ရနိုင်/မရနိုင် စစ်ဆေးနိုင်ရန်။ """ 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("AI အေးဂျင်များဖန်တီးရန်အတွက် မိတ်ဆက်နာမည်တစ်ခုလိုပါသည်။") ``` ဤလုပ်ငန်းကို ရေးဆွဲရန်အတွက် သင့်မှာ GITHUB_TOKEN, Anthropic Claude 3. 7 Sonnet မော်ဒယ်အတွက်အကူအညီရရှိပြီး AWS အသင်းအဖွဲ့ဝင်စာရင်းများကို စီစဉ်ထားရမည်။ ထိုပြုလုပ်မှုများကိုအောက်ပါအတိုင်းလုပ်ပါ— ```bash pip install strands-agents strands-agents-tools python -u agent. py ``` ဒါမှမဟုတ် နှစ်ခြင်းနဲ့ project name ဘာများရှိမလဲဆိုတာ သိနိုင်မည်။ Strands MCP ဆာဗာများမှာ AI နှင့်အဆင်ပြေတာထဲကသည့် Q Developer CLI တို့အချို့မှာ ပေါင်းစည်းပေးပြီး အသုံးချနိုင်ပါသည်။ ဥပမာ— ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### ထုတ်လုပ်ရေးအတွက် Strands Agents ကို မြှင့်တင်ခြင်း ပစ္စည်းအသစ်တွေနဲ့လည်း ကိုယ်တိုင်တည်ဆောက်နိုင်ပါသည်။ ပြင်ပမြေပုံများအနေဖြင့်၊ အလိုအလျောက် run နိုင်စေသည့် API (AWS Lambda, Fargate, EC2) များသို့ တင်နိုင်ပါသည်။ tools များ Lambda များအတွင်းမှာ လည်ပတ်နိုင်ပြီး၊ အချက်အလက်စနစ်အပြည့်အဝမှာ မော်ဒယ်နှင့် tools များကို ပဲထားနိုင်ပါတယ်။ ဒါ့ပြင်၊ client များက tools များကို ဒေသခံဖွံ့ဖြိုးနေစေပြီး backend မော်ဒယ်နဲ့ ဆက်သွယ်နိုင်ပါသည်။ Strands သည် OpenTelemetry (OTEL) ဖြင့် ထောက်ပံ့ပေးပြီး စနစ်အနံ့အာရုံ၊ မှတ်တမ်းတင်ခြင်းနှင့် မျှမှာအချက်အလက်များကို အပြည့်အခြားတစ်ခေတ်မှ လိုအပ်သောအဆင့်အပြည့်အဝ လုပ်နိုင်အောင် ထောက်ပံ့ပေးပါသည်။ ### ကျွန်တော်/ကျွန်မတို့အဖွဲ့ဝင်များနှင့် ပူးပေါင်းနိုင်ပါသည်။ Strands Agents သည် Apache License 2. 0 အောက်ဖြင့် ဖြန့်ပွားဖြစ်ပြီး၊ မော်ဒယ်များ၊ tools များပေါင်းစပ်ခြင်း၊ လုပ်ဆောင်ချက်အသစ်များ တိုးချဲ့ခြင်း၊ လက်စာရေးအတွက် documentation များ အကောင်အထည်ဖော်ရန် လိုအပ်ပါက၊ ဂိတ်ဟပ် GitHub တွင် ပူးပေါင်းပါ။