Sunt încântat să anunț lansarea Strands Agents, un SDK open-source care simplifică construirea și rularea agenților AI cu o abordare bazată pe modele, folosind doar câteva linii de cod. Strands sprijină o gamă largă de cazuri de utilizare, de la agenți simpli până la agenți complecși, și scalează de la dezvoltare locală până la implementare în producție. Deja este utilizat în producție de către echipe AWS precum Amazon Q Developer, AWS Glue și VPC Reachability Analyzer. Acum, poți folosi Strands pentru a crea cu ușurință proprii agenți AI. Spre deosebire de cadrele de lucru care necesită definirea de fluxuri de lucru complexe, Strands valorifică capabilitățile de ultimă generație ale modelelor—precum planificarea, legarea gândurilor, invocarea de unelte și reflectarea—permițând dezvoltatorilor să definească doar un prompt și o listă de unelte pentru a crea un agent. Strands, ca două lanțuri de ADN, conectează modelul și uneltele; modelul planifică următorii pași și rulează uneltele cu un raționament avansat. Susține personalizare extinsă, inclusiv selecția de unelte, gestionarea contextului, starea sesiunii, memoria și aplicațiile multi-agent. Strands funcționează cu modele de la Amazon Bedrock, Anthropic, Ollama, Meta și altele via LiteLLM, rulând oriunde. Proiectul este o comunitate deschisă cu contribuții din partea Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily și alții. Exemplele includ suportul API de la Anthropic și integrarea API-ului Llama de la Meta. Alătură-te și tu pe GitHub pentru a începe! ### Călătoria noastră cu Agenții Lucrând la Amazon Q Developer, un asistent AI generativ pentru dezvoltarea de software, echipa mea a început să construiască agenți AI la începutul anului 2023, urmând articolului ReAct (Reasoning and Acting), care a demonstrat că modelele de limbaj mari (LLMs) pot raționa și acționa, precum efectuarea de apeluri API generând inputuri. Deși inițial LLM-urile nu erau antrenate pentru a acționa ca agenți, ci pentru conversație în limbaj natural, am construit cadre complexe cu instrucțiuni de prompt, parsare de răspuns și logică de orchestrare—adesea petrecând luni tuneind agenți pentru producție. Pe măsură ce LLM-urile au evoluat dramatic în raționament și utilizarea uneltelor, aceste cadre complexe au devenit blocaje ce restricționau viteza de iterație și agiltatea. Recunoscând această schimbare, am creat Strands Agents pentru a elimina complexitatea orchestrării și pentru a valorifica raționamentul și utilizarea uneltelor native ale modelelor moderne de limbaj. Această abordare a redus timpul de dezvoltare de la luni la zile sau săptămâni, accelerând semnificativ pregătirea pentru producție și îmbunătățind experiența utilizatorului. ### Conceptul de bază al Strands Agents Un agent este compus din trei componente: (1) un model, (2) unelte și (3) un prompt. Agenții utilizează în mod autonom aceste componente pentru a îndeplini sarcini precum răspunsul la întrebări, programare, planificare sau optimizarea portofoliilor.

Abordarea bazată pe model permite modelului să își direcționeze în mod dinamic pașii și utilizarea uneltelor pentru atingerea scopului. - **Model:** Strands suportă modele flexibile, inclusiv modelele Amazon Bedrock cu utilizarea de unelte și streaming, modele Anthropic Claude via API, modele Llama prin API-ul Llama, Ollama pentru dezvoltare locală, OpenAI prin LiteLLM și modele personalizate. - **Unelte:** Mii de unelte din Protocolul de Conținut al Modelului (MCP) sunt disponibile, plus peste 20 de unelte preconstruite, cum ar fi manipularea fișierelor, apeluri API și interacțiuni cu AWS API. Funcțiile Python pot fi ușor încapsulate ca unelte folosind decoratorul @tool. - **Prompt:** Dezvoltatorii oferă un prompt în limbaj natural pentru a defini sarcina și un prompt de sistem pentru instrucțiuni privind comportamentul agentului. Agentul rulează un „ ciclu agentic” de interacțiune cu modelul și uneltele până la finalizare. În fiecare ciclu, LLM-ul primește promptul, contextul și descrierile uneltelor, decidând dacă să răspundă direct, să planifice, să reflecte sau să invoce unelte. Strands execută uneltele alese și returnează rezultatele către LLM, culminând cu ieșirea finală. Uneltele permit personalizare și complexitate: pot extrage documente din baze de cunoștințe, pot face apeluri API, pot rula cod Python sau oferi instrucțiuni statice. Exemple de unelte includ: - **Retrieve Tool:** Realizează o căutare semantică peste Baze de Cunoștințe Amazon Bedrock, recuperând documente sau unelte relevante. De exemplu, un agent intern AWS selectează din peste 6. 000 de unelte, recuperând o subsecțiune relevantă pentru a o prezenta modelului. - **Thinking Tool:** Permite procesare analitică în mai multe cicluri și auto-reflecție. - **Unelte multi-agent:** Uneltele de workflow, grafic și swarm sprijină orchestrarea mai multor agenți pentru sarcini complexe. În curând, va fi disponibil și protocolul Agent2Agent (A2A). ### Începe cu Strands Agents Iată un exemplu simplu de asistent AI de denumire construit cu Strands, utilizând un model Amazon Bedrock, un server MCP pentru validarea domeniului și o uneltă preconstruită GitHub pentru verificarea disponibilității numelui de organizație: ```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 = """ Ești un asistent care ajută la denumirea proiectelor open source. Oferă nume de domenii disponibile și organizații GitHub după ce verifică disponibilitatea lor. """ domain_name_tools = MCPClient(lambda: stdio_client( StdioServerParameters(command="uvx", args=["fastdomaincheck-mcp-server"]) )) github_tools = [http_request] with domain_name_tools: unelte = domain_name_tools. list_tools_sync() + github_tools agent_denumire = Agent(system_prompt=NAMING_SYSTEM_PROMPT, tools=unelte) agent_denumire("Am nevoie de un nume pentru un proiect open source de construire a agenților AI. ") ``` Pentru a rula acest exemplu, setează token-ul GitHub ca `GITHUB_TOKEN`, asigură-te că ai acces la modelul Anthropic Claude 3. 7 Sonnet în us-west-2 și configurează-ți acreditările AWS. Instalează dependențele cu: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` Vei primi sugestii pentru numele proiectului și verificări de disponibilitate. Serverele MCP ale Strands se integrează bine cu instrumente de dezvoltare asistate de AI, cum ar fi CLI-ul Q Developer. De exemplu, adaugă următorul fragment în configurația ta MCP: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### Implementarea agenților Strands în producție Strands este conceput pentru utilizare în medii de producție, oferind arhitecturi de implementare flexibile. Poți rula agenți local, în spatele API-urilor (folosind AWS Lambda, Fargate sau EC2) sau ca sisteme distribuite care separă ciclul agentic de mediile de execuție ale uneltelor. De exemplu, uneltele pot rula în Lambda, în timp ce agentul rulează în containere; sau clienții pot gestiona uneltele local, comunicând cu un agent de backend. De asemenea, Strands suportă observabilitate și monitorizare prin OpenTelemetry (OTEL), permitem un tracking detaliat, metrici și telemetrie pentru sesiuni de agenți în sisteme distribuite. ### Alătură-te comunității Strands Agents Strands Agents este open source sub Licența Apache 2. 0. Invităm contribuții pentru a adăuga suport pentru modele și unelte, pentru a dezvolta noi caracteristici sau pentru a îmbunătăți documentația. Dacă găsești bug-uri sau ai idei, alătură-te pe GitHub și contribui la construirea viitorului agenților AI cu Strands!