నేను సంతోషంగా ప్రకటిస్తున్నాను, స్ట్రాంచ్ ఏజెంట్స్ అనే ఓపెన్ సోర్స్ SDKని విడుదల చేశాము, ఇది కొద్దిగా కోడ్ రాస్తే ఇంజినీరింగ్ మరియు AI ఏజెంట్స్‌ను సులభంగా నిర్మించడాన్ని, నడుపడాన్నిఅందిస్తుంది. స్ట్రాంచ్ వివిధ ఉపయోగాలకుగాను, సాధారణ నుండి క్లిష్టమైన ఏజెంట్ల వరకు, ప్రాథమిక అభివృద్ధి నుండి ప్రొడక్షన్ డిప్లాయ్‌మెంట్‌ వరకూ సహాయం చేస్తుంది. ఇది ఇప్పటికే అమెజాన్ Q డెవలపర్, AWS గ్లూ, VPC Reachability Analyzer వంటి AWS టీమ్స్‌లో ప్రొడక్షన్‌లో ఉంది. ఇప్పుడు, మీరు స్ట్రాంచ్ ని ఉపయోగించి మీ స్వంత AI ఏజెంట్స్ ను సులభంగా సృష్టించవచ్చు. క్లిష్ట వర్క్‌ఫ్లోలను నిర్వచించాల్సిన ఫ్రేమ్‌వర్క్స్‌కి భిన్నంగా, స్ట్రాంచ్ ఆధునిక మోడల్ సామర్థ్యాలను ఉపయోగిస్తుంది—జెనరేటింగ్, చైన్ ఆలోచనలు, టూల్ కాల్స్, మరియు ప్రతిబింబనం వంటి—ఇది డెవలపర్స్‌కి అందజేస్తుంది కేవలం ప్రాంప్ట్ మరియు టూల్ లిస్ట్‌ను నిర్వచించి, ఏజెంట్ని తయారు చేయడం. రెండు DNA స్ట్రాంచ్‌ల처럼, ఇది మోడల్ మరియు టూల్స్‌ను 연결ిస్తుంది; మోడల్ తదుపరి మెట్లు ఆలోచించి, ఆధునిక తర్కంతో టూల్స్ నడపుతుంది. ఇది విస్తృత అనుకూలీకరణలను మద్దతు ఇస్తుంది, టూల్ ఎంపిక, సందర్భం నిర్వహణ, సెషన్ స్థితి, మెమరీ, బహుళ ఏజెంట్ అప్లికేషన్స్ సహా. స్ట్రాంచ్, Amazon Bedrock, Anthropic, Ollama, Meta వంటి మోడల్స్‌తో, LiteLLM ద్వారా ఏ దిశగా ఏ చోట ఉన్నా, పని చేస్తుంది. ఈ ప్రాజెక్ట్ ఓపెన్ కమ్యూనిటీగా ఉంది, దీనికి Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily తదితరులు సహకరిస్తున్నారు. ఉదాహరణలకు Anthropic యొక్క API సపోర్ట్ మరియు Meta యొక్క Llama API ఇంటిగ్రేషన్ ఉన్నాయి. ప్రారంభించడానికి GitHub లో చేరండి! ### మా ఏజెంట్ యాత్ర సాఫ్ట్‌వేర్ డెవలప్‌మెంట్ కోసం రూపొందించిన გენరేటివ్ AI సహాయకుడు Amazon Q డెవలపర్‌పై పనిచేస్తూ, నా టీమ్ 2023 ప్రారంభంలో ReAct (Reasoning and Acting) పత్రిని అనుసరించి AI ఏజెంట్స్ నిర్మించడం ప్రారంభించింది, ఇది పెద్ద భాషా నమూనాలు (LLMs) తర్కించగలవు మరియు చర్యలు తీసుకోగలవని చూపించింది, ఉదాహరణకు API కాల్స్‌ను సృష్టించడం. మొదట LLMs స్వభావంగా ఏజెంట్లుగా శిక్షణ పొంద లేదు, కానీ సహజ భాష సంభాషణకే తన దృష్టి పెట్టాయి, అప్పుడు మాత్రమే మనం ప్రాంప్ట్, ప్రతిస్పందన పార్సింగ్, ఆర్చిస్ట్రేషన్ లాజిక్‌తో సంక్లిష్ట ఫ్రేమ్‌వర్క్‌లు నిర్మించాం—అవి నెలల తరబడి ఉత్పాదకత కోసం ట్యూనింగ్ చేశారు. LLMs తర్కించడం, సాధనాల వినియోగం అభివృద్ధి చెందడం, ఈ సంక్లిష్ట ఫ్రేమ్‌వర్క్లు ఇన్‌ఛైక్లెయింట్ వేగాన్ని, కలుపు వేగాన్ని అడ్డుకుంటుండటం చూసి, మేము స్ట్రాంచ్ ఏజెంట్స్ రూపొందించి, ఆర్చిస్ట్రేషన్ క్లిష్టతను తొలగించి, ఆధునిక LLM ల నిర్వాహక తర్కం, సాధనాల వినియోగం ను వినియోగించాం. దీని వల్ల అభివృద్ధి సమయం నెలల నుంచి రోజులు, వారానికి తగ్గింది, ప్రొడక్షన్ సిద్దతను గణనీయంగా వేగవంతం చేసింది, వినియోగదారుల అనుభవాన్ని బాగుపరిచింది. ### స్ట్రాంచ్ ఏజెంట్స్ కీలక భావనలు ఏజెంట్ మూడు భాగాలგან ఉంటుంది: (1) మోడల్, (2) సాధనాలు, (3) ప్రాంప్ట్. ఈ ఏజెంట్లు స్వయంచాలకంగా ఈ semuanya వాడుతూ ప్రశ్నలకు సమాధానాలు ఇవ్వడంసహా కోడింగ్, ప్లానింగ్, పోర్ట్ఫోలియోలను ఆప్టిమైజ్ చేసే పనులు చేస్తున్నారు. మోడల్ ఆధారిత దృష్టికోణం, మోడల్ దృఢంగా దాని దశలను, సాధనాలు వినియోగాన్ని సూచిస్తుంది. - **మోడల్:** స్ట్రాంచ్ వివిధ మోడల్స్‌ను మద్దతు ఇస్తుంది, అందులో Amazon Bedrock మోడల్స్ టూల్ వినియోగంతో, స్ట్రీమింగ్, Anthropic Claude API ద్వారా, Llama API, Ollama స్థానిక అభివృద్ధి, OpenAI LiteLLM ద్వారా, మరియు కస్టమ్ మోడల్స్ కూడా ఉన్నాయి. - **సాధనాలు:** వేలాదిగా Model Context Protocol (MCP) సర్వర్ సాధనాలున్నారు, పలు 20టి పైగా ప్రీబిల్ట్ సాధనాలు, ఉదాహరణకు, ఫైళ్లు నిర్వహించడం, API కాల్స్, AWS API ఇంటర్ఫేస్.

Python ఫంక్షన్లను @tool డెకొరేటర్ ఉపయోగించి సులభంగా సాధనాలుగా మార్చవచ్చు. - **ప్రాంప్ట్:** డెవలపర్స్ సహజ భాషలో పనిని నిర్వచించే, ఏజెంట్‌ ప్రవర్తనపై సూచనలు ఇవ్వడం కోసం, సిస్టమ్ ప్రాంప్ట్ కూడా అందించగలరు. ఏజెంట్ కార్యాచరణ “ఏజెంటిక్ లూప్”ని అమలు చేస్తూ, మోడల్, సాధనాల మధ్య సంభాషణ కొనసాగుతుంది. ప్రతి లూప్‌లో, LLM ప్రాంప్ట్, సంద్రభాలు, సాధనాల వివరణలను అందుకుని, దానికి ప్రతిస్పందించగలదా, ప్లాన్, ప్రతిబింబించగలదా, ఆ టూల్స్‌ని కాల్ చేయగలదా అనే నిర్ణయం తీసుకుంటుంది. స్ట్రాంచ్ ఏజెంట్ ఎంపిక చేసిన సాధనాలను నడిపించి, ఫలితాలను తిరిగి LLM కు పంపుతుంది, తద్వారా తుది ఫలితం అందే వరకు కొనసాగుతుంది. సాధనలు, అనుకూలీకరణకు అనేక మార్గాలు అందివస్తున్నాయి: డాక్యుమెంట్లను సమగ్రంగా అన్వేషించగలವು, API కాల్‌లు చేయగలవు, Python కోడ్ నడుపగలవు, లేదా స్థిర విధాన సూచనలేకుండా చేయగలవు. ఉదాహరణకు, కొన్ని సాధనాలు: - **Retrieve Tool:** Amazon Bedrock Knowledge Bases మీద సేమాంటిక్ సెర్చ్ చేయగల, సంబంధిత డాక్యుమెంట్లు లేదా సాధనలను తీసుకువస్తుంది. ఉదాహరణకు, ఒక AWS అంతర్గత ఏజెంట్ 6, 000 పైగా సాధనాల నుంచి సంబంధిత ఉపసంహారం తీసుకొని, మోడల్ కు అందిస్తుంది. - **Thinking Tool:** బహుళ చక్రాలు ఉన్న లోతైన విశ్లేషణ, స్వయంగా ఆలోచనలు చేసుకోవడం. - **బహుళ ఏజెంట్ సాధనాలు:** వర్క్‌ఫ్లో, గ్రాఫ్, స్వార్మ్ సాధనాలు, వివిధ ఏజెంట్లు సమన్వయంతో కష్టమైన పనులు చేయగలవు. Agent2Agent (A2A) ప్రోటోకాల్ త్వరలో వస్తోంది. ### స్ట్రాంచ్ ఏజెంట్స్ మొదలుపెట్టి ఎలా చేయాలి? కింది ఉదాహరణ సాధారణ AI పేరంటులో, Amazon Bedrock మోడల్, MCP సర్వర్, GitHub టూల్ తో, ఒక నేమింగ్ ఏజెంట్ తీర్చిదిద్దాం: ```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 = """ మీరు ఓపెన్ సోర్స్ ప్రాజెక్ట్‌ల పేరులు ఇవ్వడానికి సహాయం చేసే సహాయకుడు. అవ उपलब్ధ డొమైన్లు, GitHub సంస్థల పేరులు, అందుబాటులో ఉంటే చెక్ చేయండి. """ 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("నేను AI ఏజెంట్ల నిర్మాణానికి ఓపెన్ సోర్స్ ప్రాజెక్ట్ కు పేర్లు పెట్టడమే నా అవసరం. ") ``` ఇది నడపడానికి, మీ GitHub టోకెన్‌ను `GITHUB_TOKEN`గా ఏర్పాటు చేయాలి, us-west-2లో Anthropic Claude 3. 7 Sonnet మోడల్ యాక్సెస్ ఉండాలి, AWS సెక్రెట్స్‌ను సరిగా సెటప్ చేయాలి. ఇన్స్‌టాల్ చేయడానికి: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` ఈ విధంగా, ప్రాజెక్ట్ పేర్ల సూచనలు, వాటి అందుబాటు స్థితిని చూడవచ్చు. స్ట్రాంచ్ MCP సర్వర్లు, Q డెవలపర్ CLI వంటి AI సహాయక అభివృద్ధి సాధనებთან సక్రమంగా పనిచేస్తాయి. ఉదాహరణకు, మీ MCP కన్ఫిగరేషన్‌లో ఈ భాగాన్ని జోడించండి: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### ప్రొడక్షన్‌లో స్ట్రాంచ్ ఏజెంట్స్ డిప్లాయ్‌మెంట్ స్ట్రాంచ్, ప్రొడక్షన్ వినియోగానికి అనుగుణంగా రూపొందించబడింది, అలానే అనేక డిప్లాయ్‌మెంట్ ఆర్కిటెక్టుర్లను అందిస్తుంది. ఏజెంట్లను స్థానికంగా, API‌ల వెనక (AWS Lambda, Fargate, EC2 ఉపయోగించి), లేదా విభజించిన సిస్టమ్స్‌గా నడపవచ్చు—ఏజెంట్ల లూప్, సాధనాల వాడకం వేరుచేసి ఉంచవచ్చు. ఉదాహరణకు, సాధనాలను Lambdaలో నడిపించాలి, ఏజెంట్ కంటైనర్లలో నడుపాలి, లేదా క్లయింట్లు సాధనాలను స్థానికంగా నిర్వహించవచ్చు మరియు బ్యాకెండ్తో కమ్యూనికేట్ చేయవచ్చు. స్ట్రాంచ్, OpenTelemetry (OTEL) ఉపయోగించి వ్యవస్థాగత పర్యవేక్షణ, ట్రేసింగ్, మెట్రిక్స్ కోసం మద్దతు ఇవ్వడమే కాక, ఏజెంట్ సెషన్‌ల యథాతథ సమాచారాన్ని ట్రేస్ చేయగలదు. ### స్ట్రాంచ్ ఏజెంట్స్ కమ్యూనిటికి చేరండి స్ట్రాంచ్ ఏజెంట్స్, ఆఫీషియల్ లైసెన్స్ 2. 0 క్రింద ఆపెచ్‌చ్‌ఏ లైసెన్సు పొందిన ఉచిత మూలం. మోడల్, సాధనాలకు కొత్త మద్దతులు, కొత్త ఫీచర్లు, బాగుపడే డాక్యుమెంటేషన్‌లను చేరుపెట్టేందుకు మేము స్వాగతం. బగ్లు గమనించవలెచినవి లేదాInnovideas ఉంటే, GitHubలో చేరి, స్ట్రాంచ్ తో AI ఏజెంట్‌ల భవిష్యత్తును నిర్మించడంలో సహాయం చేయండి!