Jam i emocionuar të njoftoj lirimin e Strands Agents, një SDK me burim të hapur që e thjeshton ndërtimin dhe funksionimin e agjentëve të inteligjencës artificiale me një qasje të bazuar në modele duke përdorur vetëm disa rreshta kodi. Strands mbështet një gamë të gjerë përdorimesh, nga agjentë të thjeshtë deri te të ndërlikuar dhe rritet nga zhvillimi lokal deri te vendosja në prodhim. Ai tashmë është në prodhim te ekipet e AWS si Amazon Q Developer, AWS Glue, dhe VPC Reachability Analyzer. Tani, ju mund të përdorni Strands për të krijuar lehtësisht agjentë tuaj të intelijencës artificiale. Ndryshe nga kornizat që kërkojnë përcaktimin e rrjedhave të komplikuara pune, Strands shfrytëzon aftësitë më të fundit të modeleve—si planifikimi, lidhja e mendimeve, thirrja e mjeteve, dhe reflektimi—që lejon zhvilluesit të përcaktojnë vetëm një komandë dhe një listë mjetesh për të krijuar një agjent. Strands, si dy shina të ADN-së, lidh modelin dhe mjetet; modeli planifikon hapat e ardhshëm dhe përdor mjetet me arsyetim të avancuar. Ai mbështet personalizime të gjera duke përfshirë zgjedhjen e mjetesh, menaxhimin e kontekstit, gjendjen e sesionit, memorien, dhe aplikacionet me shumë agjentë. Strands punon me modele nga Amazon Bedrock, Anthropic, Ollama, Meta, dhe të tjerë përmes LiteLLM, që funksionojnë kudo. Projekti është i hapur për komunitetin me kontribute nga Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily, dhe të tjerë. Përfshirje janë përfshirë mbështetja API e Anthropic dhe integrimi i API-së Llama i Meta-s. Bashkohuni me ne në GitHub për të filluar! ### Udhëtimi ynë me Agjentët Duke punuar te Amazon Q Developer, një asistent gjenerativ AI për zhvillimin e softuerit, ekipi im filloi të ndërtonte agjentë AI në fillim të 2023, pas publikimit të dokumentit ReAct (Reasoning and Acting), i cili tregoi se modelet gjuhësore të mëdha (LLMs) mund të arsyetojnë dhe të ndërmarrin veprime, si thirrje API me inputë të gjeneruar. Edhe pse fillimisht LLM-ët nuk u trajnuan për të vepruar si agjentë por për bisedë në gjuhën natyrore, ndërtojmë korniza komplekse me udhëzime në prompt, parser-e përgjigjesh, dhe logjikë orkestrimi—shpesh duke shpenzuar muaj duke përshtatur agjentët për prodhim. Ndërsa LLM-të përmirësoheshin ndjeshëm në arsyetim dhe përdorimin e mjeteve, këto korniza të komplikuara u shndërruan në pengesa që kufizonin shpejtësinë e iteracionit dhe fleksibilitetin. Duke njohur këtë ndryshim, krijuam Strands Agents për të eliminuar kompleksitetin e orkestrimit dhe për të shfrytëzuar arsyetimin dhe përdorimin e mjeteve natyrore të LLM-ve moderne. Ky qasje uli kohën e zhvillimit nga muaj në ditë ose javë, duke e shpejtuar gjithashtu gatishmërinë për prodhim dhe duke përmirësuar përvojën e përdoruesit. ### Konceptet Themelore të Strands Agents Një agjent përbëhet nga tre komponentë: (1) një model, (2) mjete, dhe (3) një komand. Agjentët përdorin këto automatikisht për të kryer detyra si përgjigjja në pyetje, kodimi, planifikimi, ose optimizimi i portofolios.

Qasja e bazuar në modele lejon modelin të udhëheqë dinamikisht hapat e tij dhe përdorimin e mjeteve për të arritur qëllimin. - **Modeli:** Strands mbështet modele të ndryshme si modelet nga Amazon Bedrock me përdorim mjetesh dhe transmetim, modelet Anthropic Claude përmes API-së, modelet Llama përmes API-së Llama, Ollama për zhvillim lokal, OpenAI përmes LiteLLM, dhe modele të personalizuara. - **Mjetet:** Janë të disponueshme mijëra mjete Protocolit të Kuadrit të Kontekstit të Modelit (MCP), përfshirë mbi 20 mjete të parapërgatitura si manipulimi i skedarëve, thirrje API, dhe ndërveprim me API-në e AWS. Funksionet Python lehtë mund të merren si mjet duke përdorur dekoratorin @tool. - **Komanda:** Zhvilluesit ofrojnë një komandë në gjuhën natyrore që përcakton detyrën dhe një komandë sistem për udhëzime mbi sjelljen e agjentit. Agjenti ekzekuton një “bikë agjentike” të ndërveprimit me modelin dhe mjetet deri në përfundim. Në çdo cikël, LLM merr komandën, kontekstin, dhe përshkrimet e mjetit, duke vendosur nëse të përgjigjet drejtpërdrejt, të planifikojë, të reflektojë, ose të thërrasë mjetet. Strands ekzekuton mjetet e zgjedhura dhe kthen rezultatet tek LLM-ja, duke arritur në produktin final. Mjetet lejojnë personalizim dhe kompleksitet: ato mund të sjellin dokumente nga bazat e njohurive, të bëjnë thirrje API, të ekzekutojnë kod Python, ose të ofrojnë udhëzime statike. Disa prej tyre janë: - **Mjeti i Marrjes:** Kryen kërkim semantik mbi bazat e njohurive të Amazon Bedrock, duke sjellë dokumente ose mjete të rëndësishme. Për shembull, një agjent i brendshëm i AWS do të zgjedhë nga mbi 6, 000 mjete duke sjellë një substratë të përshtatshme për modelin. - **Mjeti i Mendimeve:** Lejon procesim të analizës së thellë me cikle të shumta dhe vetë-reflektim. - **Mjetet për Agjentë të Shumë:** Mjete të rrjedhës së punës, grafikëve, dhe në grykë për bashkëpunim të shumë agjentëve për detyra komplekse. Mbështetja për protokollin Agent2Agent (A2A) është duke ardhur. ### Filloni me Strands Agents Këtu është një shembull i thjeshtë i një asistenti AI për emërtime të ndërtuar me Strands duke përdorur një model nga Amazon Bedrock, një server MCP për verifikimin e domain-eve, dhe një mjet të parapërgatitur nga GitHub për kontrollin e disponueshmërisë së emrave të organizatës: ```python from strands import Agent from strands. tools. mcp import MCPClient from strands_tools import http_request from mcp import stdio_client, StdioServerParameters PROMPTI I SISTEMIT TË EMRERIMIT = """ Jeni një asistent që ndihmon në emërimin e projekteve me burim të hapur. Ofron emra domaini të disponueshëm dhe organizata në GitHub pas verifikimit të disponueshmërisë së tyre. """ mjetet e domain-it = MCPClient(lambda: stdio_client( StdioServerParameters(command="uvx", args=["fastdomaincheck-mcp-server"]) )) mjetet e GitHub = [http_request] me mjetet e domain-it: mjetet = mjetet e domain-it. list_tools_sync() + mjetet e GitHub agjenti i emërimit = Agent(system_prompt=PROMPTI I SISTEMIT TË EMRERIMIT, tools=mjetet) agjenti i emërimit("Kam nevojë për të emëruar një projekt të hapur burimi për ndërtimin e agjentëve AI. ") ``` Për ta ekzekutuar, vendosni token-in tuaj GitHub si `GITHUB_TOKEN`, sigurohuni që keni akses te modeli Anthropic Claude 3. 7 Sonnet në us-west-2, dhe konfiguroni kredencialet e AWS. Instaloni me: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` Do të merrni sugjerime për emrat e projekteve me kontrollin e disponueshmërisë. Serverët MCP të Strands integrohen mirë me veglat e zhvillimit me ndihmën e AI si Q Developer CLI. Për shembull, shtoni këtë në konfigurimin tuaj MCP: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### Vendosja e Strands Agents në Prodhim Strands është krijuar me qëllim të përdorimit në prodhim, duke ofruar arkitektura të përshtatshme të vendosjes. Mund të ekzekutoni agjentët lokalisht, prapa API-ve (përdoruesh OpenAI Lambda, Fargate, ose EC2), ose si sisteme të shpërndara që ndajnë periudhën agjentike dhe mjediset e ekzekutimit të mjeteve. Për shembull, mjetet mund të funksionojnë në Lambda ndërsa agjenti në konteinerë; ose klientët mund të menaxhojnë mjetet lokalisht duke komunikuar me një agjent në server. Strands mbështet gjithashtu ndërlidhjen dhe monitorimin përmes OpenTelemetry (OTEL), duke ofruar gjurmë të hollësishme, metrika, dhe telemetri për sesionet e agjentëve në sisteme të shpërndara. ### Bashkohuni me komunitetin e Strands Agents Strands Agents është burim i hapur nën licencën Apache 2. 0. Ju ftojmë të kontribuoni duke shtuar mbështetje për modele dhe mjetet, zhvilluar funksionalitete të reja, ose përmirësuar dokumentacionin. Nëse keni gabime ose ide, bashkohuni me ne në GitHub dhe ndihmoni të ndërtojmë të ardhmen e agjentëve të AI me Strands!