ฉันรู้สึกตื่นเต้นที่จะประกาศเปิดตัว Strands Agents ซึ่งเป็น SDK โอเพนซอร์สที่ช่วยให้ง่ายขึ้นในการสร้างและใช้งานเอเจนท์ AI ด้วยแนวทางที่ขับเคลื่อนด้วยโมเดล โดยใช้เพียงไม่กี่บรรทัดโค้ด Strands รองรับการใช้งานในหลากหลายกรณี ตั้งแต่เอเจนต์ง่ายไปจนถึงซับซ้อน และสามารถปรับขนาดจากการพัฒนาท้องถิ่นไปสู่การใช้งานในเชิงพาณิชย์แล้ว โดยขณะนี้ก็มีการใช้งานในสายงานของ AWS เช่น Amazon Q Developer, AWS Glue, และ VPC Reachability Analyzer แล้ว คุณสามารถใช้ Strands เพื่อสร้างเอเจนท์ AI ของคุณเองได้อย่างง่ายดาย ต่างจากเฟรมเวิร์คอื่นที่ต้องการการกำหนดเวิร์กโฟลว์ซับซ้อน Strands ใช้ความสามารถของโมเดลระดับสูง เช่น การวางแผน การเชื่อมต่อความคิด การเรียกใช้งานเครื่องมือ และการสะท้อนกลับ ทำให้ผู้พัฒนาสามารถกำหนดเพียง prompt และรายการเครื่องมือเพื่อสร้างเอเจนท์ได้ง่ายๆ เช่นเดียวกับสองเส้นดีเอ็นเอที่เชื่อมโยงโมเดลกับเครื่องมือ โมเดลจะวางแผนขั้นตอนถัดไปและรันเครื่องมือด้วยเหตุผลที่ก้าวหน้า พร้อมรองรับการปรับแต่งมากมาย เช่น การเลือกเครื่องมือ การจัดการบริบท สถานะเซสชัน ความจำ และการใช้งานในหลายเอเจนท์ รวมถึงการทำงานร่วมกัน ระบบนี้รองรับโมเดลจาก Amazon Bedrock, Anthropic, Ollama, Meta และอื่นๆ ผ่าน LiteLLM ที่รันได้ทุกที่ โครงการนี้เป็นชุมชนเปิดที่มีส่วนร่วมจาก Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily และอีกมากมาย รวมถึงตัวอย่างเช่น การสนับสนุน API ของ Anthropic และการเชื่อมต่อ API ของ Meta กับ Llama เข้าร่วมกับเราได้ที่ GitHub เพื่อเริ่มต้นใช้งานเลย! ### เส้นทางของเอเจนท์ของเรา ขณะทำงานที่ Amazon Q Developer ซึ่งเป็นผู้ช่วย AI สำหรับการพัฒนาซอฟต์แวร์ ทีมของเราเริ่มสร้างเอเจนท์ AI ตั้งแต่ต้นปี 2023 ตามแนวคิดจากบทความ ReAct (Reasoning and Acting) ซึ่งแสดงให้เห็นว่าโมเดลภาษาขนาดใหญ่ม (LLMs) สามารถใช้เหตุผลและดำเนินการ เช่น การเรียก API โดยการสร้างอินพุต ถึงแม้ว่าตอนแรก LLMs ไม่ได้ถูกฝึกให้ทำหน้าที่เป็นเอเจนท์ แต่มุ่งเน้นที่การสนทนาภาษา ธรรมชาติ แต่เราได้สร้างกรอบงานที่ซับซ้อนด้วยคำสั่ง prompt ตัววิเคราะห์ผลลัพธ์ และตรรกะการออร์แกไนซ์ ซึ่งมักใช้เวลาหลายเดือนในการปรับแต่งเพื่อให้พร้อมใช้งานในเชิงพาณิชย์ เมื่อโมเดล LLMs พัฒนาขึ้นอย่างมากในด้านเหตุผลและการใช้งานเครื่องมือ ระบบกรอบงานเหล่านี้กลายเป็นอุปสรรคในการเร่งความเร็วของการพัฒนาและความคล่องตัว ด้วยการตระหนักถึงความเปลี่ยนแปลงนี้ เราจึงสร้าง Strands Agents เพื่อขจัดความซับซ้อนในการออร์แกไนซ์และใช้ประโยชน์จากความสามารถด้านเหตุผลและการใช้เครื่องมือของ LLMs สมัยใหม่ วิธีนี้ลดเวลาการพัฒนาจากหลายเดือนเหลือเพียงไม่กี่วันหรือสัปดาห์ ช่วยให้พร้อมใช้งานเชิงพาณิชย์ได้เร็วขึ้นและยกระดับประสบการณ์ผู้ใช้ ### แนวคิดหลักของ Strands Agents เอเจนท์ประกอบด้วยสามส่วน คือ (1) โมเดล, (2) เครื่องมือ และ (3) prompt เอเจนท์สามารถทำงานอัตโนมัติ โดยใช้สิ่งเหล่านี้เพื่อทำภารกิจต่าง ๆ เช่น การตอบคำถาม การเขียนโค้ด การวางแผน หรือการปรับปรุงพอร์ตโฟลิโอ วิธีนี้โมเดลจะเป็นแนวทางให้การดำเนินการเป็นไปอย่างไดนามิกและมุ่งไปสู่เป้าหมายมากขึ้น - **โมเดล:** รองรับโมเดลจาก Amazon Bedrock ที่สามารถใช้เครื่องมือและสตรีมข้อมูล, โมเดล Anthropic Claude ผ่าน API, โมเดล Llama ผ่าน API, Ollama สำหรับพัฒนาท้องถิ่น, OpenAI ผ่าน LiteLLM, รวมถึงโมเดลที่กำหนดเอง - **เครื่องมือ:** มีเครื่องมือในระบบ MCP กว่า 1, 000 รายการ รวมถึงเครื่องมือสำเร็จรูปกว่า 20 ชนิด เช่น การจัดการไฟล์ การเรียก API และการโต้ตอบกับ AWS API ฟังก์ชัน Python ก็สามารถนำมาห่อหุ้มเป็นเครื่องมือได้ง่าย ๆ โดยใช้เดคอเรเตอร์ @tool - **Prompt:** นักพัฒนาจะจัดเตรียม prompt ภาษาธรรมชาติสำหรับกำหนดงาน และระบบ prompt สำหรับคำสั่งแนวทางพฤติกรรมของเอเจนท์ เอเจนท์ทำงานวนลูปแบบ “agentic loop” ซึ่งเป็นการโต้ตอบระหว่างโมเดลและเครื่องมือ จนเสร็จสมบูรณ์ ในแต่ละรอบ โมเดลจะรับ prompt บริบท และคำอธิบายเครื่องมือ แล้วตัดสินใจว่าจะตอบโดยตรง วางแผน สะท้อน หรือเรียกใช้เครื่องมือ เมื่อเลือกเครื่องมือแล้ว ระบบจะรันเครื่องมือนั้นและส่งผลลัพธ์กลับให้โมเดล ซึ่งสุดท้ายจะกลายเป็นผลลัพธ์สุดท้ายของงาน เครื่องมือช่วยให้มีความปรับแต่งและความซับซ้อนมากขึ้น เช่น การดึงข้อมูลจากฐานความรู้ การเรียก API เขียนโค้ด Python หรือให้คำแนะนำแบบสถิต ตัวอย่างเช่น: - **Retrieve Tool:** ทำการค้นหาเชิงความหมายจากฐานความรู้ของ Amazon Bedrock เพื่อดึงข้อมูลหรือเครื่องมือที่เกี่ยวข้อง เช่น เอเจนท์ภายในของ AWS ที่เลือกจากกว่า 6, 000 เครื่องมือโดยการดึงข้อมูลกลุ่มย่อยที่เกี่ยวข้องมาแสดงให้โมเดลดู - **Thinking Tool:** ช่วยวิเคราะห์เชิงลึกแบบหลายรอบ และสะท้อนความคิดตัวเอง - **Multi-agent Tools:** เครื่องมือสำหรับการทำงานแบบเวิร์กโฟลว์ กราฟ และกองทัพเอเจนท์ เพื่อประสานงานกันแบบร่วมมือในงานซับซ้อน คาดว่าจะสนับสนุนโปรโตคอล Agent2Agent (A2A) ในอนาคต ### เริ่มต้นใช้งาน Strands Agents นี่คือตัวอย่างง่าย ๆ ของผู้ช่วยตั้งชื่อ AI ที่สร้างด้วย Strands พร้อมใช้งานโมเดล Amazon Bedrock, เซิร์ฟเวอร์ MCP สำหรับการตรวจสอบความถูกต้องของโดเมน และเครื่องมือ GitHub สำหรับตรวจสอบความพร้อมของชื่อองค์กรใน GitHub: ```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 = """ คุณคือผู้ช่วยที่ช่วยตั้งชื่อโปรเจกต์โอเพนซอร์ส ให้ชื่อโดเมนว่าง และองค์กร GitHub หลังจากตรวจสอบความพร้อมใช้งานแล้ว """ 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("ฉันต้องการตั้งชื่อโปรเจกต์โอเพนซอร์สสำหรับสร้าง AI agents") ``` เพื่อใช้งาน ตั้งค่าโทเคน GitHub เป็น `GITHUB_TOKEN` ซึ่งเข้าถึงโมเดล Anthropic Claude 3. 7 Sonnet ใน us-west-2 และกำหนดค่าข้อมูลรับรอง AWS ของคุณ ติดตั้งด้วยคำสั่ง: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` คุณจะได้รับข้อเสนอชื่อโปรเจกต์พร้อมการตรวจสอบความพร้อมใช้งาน เซิร์ฟเวอร์ MCP ของ Strands สามารถเชื่อมต่อได้ดีกับเครื่องมือพัฒนา AI เช่น Q Developer CLI ตัวอย่างเช่น เพิ่มโค้ดนี้ในไฟล์การตั้งค่า MCP ของคุณ: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### การนำ Strands Agents ไปใช้งานในเชิงพาณิชย์ Strands ถูกออกแบบเพื่อใช้งานในเชิงพาณิชย์ โดยรองรับสถาปัตยกรรมการปรับใช้แบบยืดหยุ่น คุณสามารถรันเอเจนท์ในเครื่องเอง ผ่าน API (เช่น AWS Lambda, Fargate, หรือ EC2) หรือเป็นระบบแบ่งแยกกันโดยแยกวงจร agentic และสภาพแวดล้อมรันเครื่องมือ เช่น เครื่องมืออาจรันใน Lambda ในขณะที่เอเจนท์รันในคอนเทนเนอร์ หรือไคลเอนต์อาจจัดการเครื่องมือในเครื่องของตัวเองในขณะเชื่อมต่อกับเอเจนท์แบ็กเอนด์ นอกจากนี้ Strands ยังสนับสนุนการมอนิเตอร์และบริหารด้วย OpenTelemetry (OTEL) ซึ่งช่วยให้สามารถทำการ Trace, เก็บ Metrics และข้อมูล telemetry สำหรับเซสชันเอเจนท์ในระบบแบบกระจายได้อย่างละเอียด ### เข้าร่วมชุมชน Strands Agents Strands Agents เป็นโอเพนซอร์สภายใต้ใบอนุญาต Apache License 2. 0 เรายินดีรับการสนับสนุนในด้านการเพิ่มโมเดลและเครื่องมือ พัฒนาฟีเจอร์ใหม่ หรือปรับปรุงเอกสาร หากคุณพบบั๊กหรือมีแนวคิด เข้าร่วมกับเราได้ที่ GitHub และร่วมสร้างอนาคตของเอเจนท์ AI ด้วยกัน!