Z veseljem sporočamo izdajo Strands Agents, odprtokodnega SDK-ja, ki poenostavlja ustvarjanje in izvajanje agentov AI s modelno usmerjenim pristopom, uporabijo pa le nekaj vrstic kode. Strands podpira širok spekter primerov uporabe, od preprostih do zapletenih agentov, in se škali od lokalnega razvoja do produkcijske implementacije. Že je v produkciji pri ekipah Amazon, kot so Amazon Q Developer, AWS Glue in VPC Reachability Analyzer. Zdaj lahko z uporabo Strands enostavno ustvarite svoje lastne AI agente. Za razliko od okvirov, ki zahtevajo definiranje kompleksnih delovnih tokov, Strands izkorišča najsodobnejše zmogljivosti modelov—kot so načrtovanje, povezovanje misli, klici orodij in refleksija—kar omogoča razvijalcem, da definirajo le poziv in seznam orodij za ustvarjanje agenta. Strands, kot dve verigi DNA, povezuje model in orodja; model načrtuje naslednje korake in zažene orodja s poglobljenim razmišljanjem. Podpira obsežno prilagoditev, vključno z izbiro orodij, upravljanjem konteksta, stanjem seje, spominom in večagentnimi aplikacijami. Strands deluje z modeli iz Amazon Bedrock, Anthropic, Ollama, Meta in drugih prek LiteLLM, kjer koli že ste. Projekt je odprta skupnost z prispevki iz Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily in drugih. Med primeri so podpora API-jem Anthropic ter integracija Meta-jevega API-ja Llama. Pridružite se nam na GitHub-u in začnite! ### Naša pot agenta Med delom pri Amazon Q Developer, generativnem AI pomočniku za razvoj programske opreme, je moja ekipa začela graditi AI agente zgodaj leta 2023, sledijoči papirju ReAct (Reasoning and Acting), ki je dokazal, da lahko veliki jezikovni modeli (LLM) razmišljajo in sprejemajo ukrepe, npr. kličemo API s generiranjem vhodnih podatkov. Čeprav sprva modeli niso bili zasnovani za delovanje kot agenti, temveč za naravno jezikovno pogovor, smo zgradili kompleksne okvire z navodili za pozive, parserji za odgovore in orkestracijo—več mesecev smo prilagajali agente za produkcijo. Ko so se modeli LLM močno izboljšali pri razmišljanju in uporabi orodij, so ti kompleksni okviri postali ozka grla, ki je upočasnjevala iteracije in prilagodljivost. Prepoznali smo to spremembo in ustvarili Strands Agents, da odstranimo orkestracijsko kompleksnost ter izkoristimo naravno razmišljanje in uporabo orodij sodobnih LLM-jev. Ta pristop je skrajšal razvojni čas od mesecev na dni ali tedne, kar je bistveno pospešilo pripravljenost na produkcijo in izboljšalo uporabniško izkušnjo. ### Osnovni koncepti Strands Agents Agent sestavljajo trije elementi: (1) model, (2) orodja in (3) poziv. Agent samostojno uporablja te elemente za izvedbo nalog, kot so odgovarjanje na vprašanja, programiranje, načrtovanje ali optimizacija portfeljev.

Modelno usmerjen pristop omogoča modelu, da dinamično usmerja svoje korake in uporabo orodij za dosego cilja. - **Model:** Strands podpira prilagodljive modele, vključno z modeli Amazon Bedrock z uporabo orodij in pretakanjem, Anthropic Claude prek API-ja, modele Llama prek Llama API-ja, Ollama za lokalni razvoj, OpenAI prek LiteLLM in lastne modele. - **Orodja:** Na voljo je tisoče orodij prek Model Context Protocol (MCP) strežnikov ter več kot 20 vgrajenih orodij, kot so manipulacija z datotekami, API klici in interakcije z AWS API-jem. Funkcije v jeziku Python lahko enostavno ovijemo kot orodja z decoratorem @tool. - **Poziv:** Razvijalci podajo naravni jezikovni poziv, ki opredeljuje nalogo, ter sistemski poziv za navodila glede vedenja agenta. Agent izvaja “agentično zanko” interakcije z modelom in orodji, dokler ne zaključi. V vsakem krogu LLM prejme poziv, kontekst in opise orodij, potem pa se odloči, ali naj odgovori neposredno, načrtuje, reflektira ali pokliče orodje. Strands izvrši izbrano orodje in vrne rezultate nazaj LLM-ju, kar vodi do končnega izhoda. Orodja omogočajo prilagodljivost in kompleksnost: lahko pridobivajo dokumente iz baz znanja, izvajajo API klice, poganjajo Python kode ali dajejo statična navodila. Med primeri so: - **Retrieve Tool:** Izvede semantično iskanje po bazah znanja Amazon Bedrock, pridobi relevantne dokumente ali orodja. Na primer, en notranji AWS agent izbere med več kot 6. 000 orodji tako, da poišče ustrezen podskupino za prikaz modelu. - **Thinking Tool:** Omogoča večkrožno globoko analitično obdelavo in samorefleksijo. - **Večagentna orodja:** Podpirajo orkestracijo več agentov v okviru delovnih tokov, grafov ali kolonij za zahtevne naloge. Podpora protokola Agent2Agent (A2A) je v pripravi. ### Začetek z Strands Agents Tukaj je preprost primer ustvarjanja AI pomočnika za poimenovanje s Strands, ki uporablja model Amazon Bedrock, MCP strežnik za preverjanje domen ter vnaprej pripravljeno orodje za preverjanje razpoložljivosti imena na GitHub-u: ```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 = """ Ste pomočnik za poimenovanje odprtokodnih projektov. Nudite razpoložljive ime domene in GitHub organizacije po preverjanju razpoložljivosti. """ 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("Potrebujem ime za odprtokodni projekt za gradnjo AI agentov. ") ``` Za pogon te kode nastavite svoj GitHub žeton kot `GITHUB_TOKEN`, dostopajte do modela Anthropic Claude 3. 7 Sonnet v regiji us-west-2 ter konfigurirajte AWS poverilnice. Namestite z ukazoma: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` Prejeli boste predloge imen projektov z preverjanjem razpoložljivosti. Strands MCP strežniki se dobro integrirajo z orodji za razvoj, podprti z AI, kot je Q Developer CLI. Na primer, dodajte v svojo konfiguracijo MCP: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### Implementacija Strands Agentov v produkciji Strands je zasnovan z mislijo na produkcijsko uporabo, ponuja prilagodljive arhitekture za namestitev. Lahko izvajate agente lokalno, za zaledjem prek API-jev (z AWS Lambda, Fargate ali EC2) ali kot razpršene sisteme, ki ločujejo agentično zanko od okolja za izvajanje orodij. Na primer, orodja lahko poganjajo v Lambdi, agent pa teče v kontejnerjih; ali pa stranke upravljajo orodja lokalno in komunikacijo opravljajo z backend agentom. Podpira tudi vidljivost in nadzor preko OpenTelemetry (OTEL), kar omogoča podrobno sledenje, metrike in telemetrijo za seje agentov v razpršenih sistemih. ### Pridružite se skupnosti Strands Agents Strands Agents je odprtokoden pod Licenco Apache 2. 0. Vabimo vas k prispevkom za dodajanje podpora modelom in orodjem, razvoj novih funkcij ali izboljšanje dokumentacije. Če najdete napake ali imate ideje, nas pridružite na GitHub-u in sodelujte pri gradnji prihodnosti AI agentov z Strands!