Nina furaha kutangaza kuzinduliwa kwa Strands Agents, SDK ya wazi inayorahisisha ujenzi na uendeshaji wa mawakala wa AI kwa kutumia mbinu ya kuendeshwa na modelos kwa mistari michache ya msimbo. Strands inaungwa mkono na matumizi mbalimbali kuanzia mawakala rahisi hadi magumu na inapanuka kutoka kwa maendeleo ya eneo hadi uzalishaji wa majaribio. Tayari inatumika kwa timu za AWS kama vile Amazon Q Developer, AWS Glue, na VPC Reachability Analyzer. Sasa, unaweza kutumia Strands kuunda mawakala wako wa AI kwa urahisi. Tofauti na mifumo inayohitaji uainishaji wa michakato tata, Strands inachukua uwezo wa models wa kisasa kama vile upangaji, kuunganisha fikra, kuitisha zana, na tafakuri—kumuwezesha msanidi programu kuelezea tu ombi na orodha ya zana ili kuundwa kwa wakala. Strands, kama nyuzi mbili za DNA, inahusisha modeli na zana; modeli inaendelea kupanga hatua zinazofuata na kuendesha zana kwa mantiki ya kina. Inasaidia kwa ubinafsishaji mkubwa ikiwa ni pamoja na uteuzi wa zana, usimamizi wa muktadha, hali ya kikao, kumbukumbu, na matumizi ya mawakala wengi. Strands inafanya kazi na modeli kutoka Amazon Bedrock, Anthropic, Ollama, Meta, na wengine kupitia LiteLLM, zinaweza kuendeshwa mahali popote. Mradi huu ni jamii ya wazi yenye michango kutoka kwa Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily, na zaidi. Mifano ni pamoja na msaada wa API wa Anthropic na ujumuishaji wa API ya Llama ya Meta. Jiunge nasi kwenye GitHub kuanza! ### Safari Yetu ya Wakala Wakati wa kufanya kazi kwenye Amazon Q Developer, msaidizi wa AI wa kizalishaji kwa ajili ya maendeleo ya programu, timu yangu ilianza kujenga mawakala wa AI mwanzoni mwa 2023 kufuatia karatasi ya ReAct (Reasoning and Acting), ambayo ilionyesha kuwa modeli kubwa za lugha (LLMs) zinaweza kufikiri na kufanya hatua, kama vile kuita API kwa kuunda viingilio. Ingawa LLMs mwanzoni hakukuwa na mafunzo ya kuwa mawakala bali kwa mazungumzo ya lugha asilia, tulijenga mifumo tata yenye maelekezo ya ombi, wachambuzi wa majibu, na mantiki ya uratibu—ambayo mara nyingi ilitumia miezi kurekebisha mawakala kwa uzalishaji. Kadri LLMs zilivyoboreshwa kwa ufanisi wa kufikiri na matumizi ya zana, mifumo hiyo tata ikawa ni vizuizi vinavyopunguza kasi ya mzunguko wa ubunifu na ufanisi. Kutambua mabadiliko haya, tulitengeneza Strands Agents ili kuondoa ugumu wa uratibu na kutekeleza uwezo wa kujenga wa modeli wa kisasa wa AI na matumizi ya zana. Mbinu hii ilipunguza muda wa maendeleo kutoka miezi hadi siku au wiki, ikaharakisha sana uzalishaji wa vitufe na kuboresha uzoefu wa mtumiaji. ### Misingi Muhimu ya Strands Agents Wakala unajumuisha vipengele vitatu: (1) modeli, (2) zana, na (3) ombi. Mawakala hutumia huru hivi viwili kufanikisha majukumu kama kujibu maswali, kuandika programu, kupanga, au kuboresha orodha.

Njia ya kuendeshwa na modeli inaruhusu modeli kuelekeza hatua zake na matumizi ya zana kwa muktadha wa kufanikisha lengo. - **Modeli:** Strands inaunga mkono modeli zinazobadilika ikiwa ni pamoja na modeli za Amazon Bedrock zenye matumizi ya zana na kueneza taarifa, modeli za Anthropic Claude kupitia API, modeli za Llama kupitia Llama API, Ollama kwa maendeleo ya eneo, OpenAI kupitia LiteLLM, na modeli za desturi. - **Zana:** Zana za zaidi ya 1000 kutoka kwa Model Context Protocol (MCP) server, pamoja na zana zaidi ya 20 zilizotayarishwa tayari kama zipi za kushughulikia faili, kuita API, na mwingiliano na AWS API. Opcional, kazi za Python zinaweza kufunguliwa kirahisi kama zana kwa kutumia dekoreta ya @tool. - **Ombi:** Waendelezaji hutoa ombi la lugha asilia linalobainisha kazi na ombi la mfumo kwa maelekezo kuhusu tabia ya wakala. Wakala huendesha mzunguko wa “mzunguko wa wakala” wa kuingiliana na modeli na zana hadi kukamilika. Katika kila mzunguko, LLM hupokea ombi, muktadha, na maelezo ya zana, na kuamua kama kujibu moja kwa moja, kupanga, Tafakuri, au kuita zana. Strands inatekeleza zana zilizochaguliwa na kurudisha matokeo kwa LLM, na hatimaye kuleta matokeo ya mwisho. Zana huruhusu ubinafsishaji na ugumu: zinaweza kupata hati kutoka kwa hifadhi za maarifa, kufanya vitufe vya API, kuendesha programu za Python, au kutoa maelekezo static. Mifano ya zana ni pamoja na: - **Kurejesha Zana:** Fanya utafutaji wa maana kwa hifadhidata za maarifa za Amazon Bedrock, ukirejesha hati au zana zinazohusiana. Kwa mfano, wakala wa ndani wa AWS huchagua kutoka kwa zana zaidi ya 6, 000 kwa kurejesha sehemu inayohusiana ili kuonyesha kwa modeli. - **Thinking Tool:** Inawawezesha mchakato wa kina wa uchambuzi wa mzunguko mwingi wa fikira na tafakuri binafsi. - **Zana kwa Mawakala Wengi:** Mchakato wa kazi, mchoro wa michoro, na zana za makundi yanasaidia uratibu wa mawakala wengi kwa pamoja kwa majukumu tata. Msaada wa protokali ya Agent2Agent (A2A) unakuja hivi karibuni. ### Jinsi ya Kuanza na Strands Agents Huu hapa mfano rahisi wa msaidizi wa AI wa jina uliotengenezwa kwa Strands ukitumia modeli ya Amazon Bedrock, seva ya MCP kwa uthibitishaji wa eneo, na zana ya GitHub iliyotayarishwa kuangalia upatikanaji wa jina la shirika: ```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 = """ Wewe ni msaidizi anayesaidia kuita majina ya miradi ya wazi. Toa majina yanayopatikana ya domeni na mashirika ya GitHub baada ya kuthibitisha upatikanaji wao. """ 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("Nahitaji jina la mradi wa wazi wa kuunda mawakala wa AI. ") ``` Ili kuendesha hii, weka token yako ya GitHub kama `GITHUB_TOKEN`, kuwa na ufikiaji wa modeli ya Anthropic Claude 3. 7 Sonnet katika us-west-2, na kusanidi upatikanaji wa AWS. Install kwa kutumia: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` Utapata mapendekezo ya majina ya miradi pamoja na ukaguzi wa upatikanaji. Seva za MCP za Strands zinashirikiana vizuri na zana za maendeleo zinazosaidiwa na AI kama vile Q Developer CLI. Kwa mfano, ongeza yafuatayo kwenye usanidi wako wa MCP: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### Kusambaza Strands Agents katika Uzalishaji Strands imeundwa kwa matumizi ya uzalishaji, ikitoa miundo sh flexibility za usambazaji. unaweza kuendesha mawakala kwa eneo lako, nyuma ya API (ukitumia AWS Lambda, Fargate, au EC2), au kama mfumo wa ugawaji unaotenganisha mzunguko wa wakala na mazingira ya utekelezaji wa zana. Kwa mfano, zana zinaweza kuendeshwa na Lambda huku wakala akihudumiwa katika kontena; au wateja wanaweza kushughulikia zana kwa eneo na kuwasiliana na wakala wa nyuma. Strands pia inaunga mkono hali ya ufuatiliaji na uangalizi kupitia OpenTelemetry (OTEL), ambayo inatoa ufuatiliaji wa kina, takwimu, na telemetry kwa michakato ya mawakala katika mifumo inayogawanyika. ### Jiunge na Jamii ya Strands Agents Strands Agents ni chanzo huria chini ya Leseni ya Apache 2. 0. Tunakaribisha michango ya kuongeza msaada wa model na zana, kuendeleza vipengele vipya, au kuboresha nyaraka. Ikiwa utapata hitilafu au una mawazo, jiunge nasi kwenye GitHub na saidia kujenga mustakabali wa mawakala wa AI kwa Strands!