Ikinararapa kong ipahayag ang paglabas ng Strands Agents, isang open-source na SDK na nagpapadali sa paggawa at pagpapatakbo ng mga AI agent gamit ang isang model-driven approach na may iilang linya lamang ng code. Sinusuportahan ng Strands ang malawak na saklaw ng mga gamit mula sa simpleng hanggang sa mahahalagang agent at maaaring i-scale mula sa lokal na pag-de-develop hanggang sa production deployment. Nasa production na ito sa mga koponan ng AWS tulad ng Amazon Q Developer, AWS Glue, at VPC Reachability Analyzer. Ngayon, maaari mong gamitin ang Strands upang madaling makalikha ng sarili mong AI agents. Hindi gaya ng mga frameworks na nangangailangan ng pagdedeta ng kumplikadong workflows, ang Strands ay umaasa sa makabagong kakayahan ng mga model—tulad ng pagpaplano, chaining ng mga iniisip, pagtawag sa mga kagamitan, at refleksyon—na nagbibigay-daan sa mga developer na magdeklara lang ng prompt at listahan ng mga tools upang makabuo ng isang agent. Parang dalawang DNA strands, ang Strands ay nag-uugnay sa pagitan ng modelo at mga kasangkapan; ang modelo ang nagpa-plano ng susunod na hakbang at nagsasagawa ng mga tools gamit ang advanced reasoning. Sinusuportahan nito ang malawak na customization kabilang ang pagpili ng tool, pamamahala ng konteksto, estado ng session, memorya, at multi-agent applications. Nakikipag-ugnayan ang Strands sa mga model mula sa Amazon Bedrock, Anthropic, Ollama, Meta, at iba pa sa pamamagitan ng LiteLLM, na maaaring tumakbo kahit saan. Ang proyekto ay isang bukas na komunidad na may kontribusyon mula sa Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily, at marami pang iba. Kasama sa mga halimbawa ang suporta sa API ng Anthropic at integrasyon ng Meta’s Llama API. Sumali na sa amin sa GitHub upang makapagsimula! ### Aming Paglalakbay sa Agent Habang nagtatrabaho sa Amazon Q Developer, isang generative AI assistant para sa software development, nagsimula ang aking koponan na gumawa ng mga AI agent noong unang bahagi ng 2023 kasunod ng ReAct (Reasoning and Acting) na papel, na nagpakita na ang mga malalaking modelo ng wika (LLMs) ay maaaring mag-isip at kumilos, tulad ng paggawa ng mga API call gamit ang mga input. Bagamat ang mga LLMs ay hindi pa unang na-train upang kumilos bilang mga agent kundi para sa natural na usapan, nagtayo kami ng mga komplikadong framework na may mga prompt instructions, parsers ng tugon, at orchestrasyon—karaniwang tumatagal ng buwan sa pag-tune ng mga agent para sa produksyon. Habang ang kalidad ng reasoning at paggamit ng mga tool ng LLMs ay malaki ang pagbuti, naging mga bottleneck ang mga komplikadong framework na ito na naglilimita sa bilis ng pag-ulit at pagiging flexible. Napansin ang pagbabago, kaya nilikha namin ang Strands Agents upang alisin ang komplikado sa orchestrasyon at mapakinabangan ang likas na reasoning at gamit ng mga modernong LLMs. Ang paraang ito ay nagbawas ng oras ng pag-de-develop mula buwan hanggang araw o linggo, na nagreresulta sa mas mabilis na pag-ready para sa production at mas magandang karanasan ng user. ### Pangunahing Konsepto ng Strands Agents Binubuo ang agent ng tatlong bahagi: (1) isang modelo, (2) mga kasangkapan, at (3) isang prompt. Nagagamit ng mga agent nang autonomo ang mga ito upang makumpleto ang mga gawain tulad ng pagsagot sa tanong, coding, pagpaplano, o pag-optimize ng mga portfolio.

Ang model-driven approach ay nagpapahintulot sa modelo na dinamiko nitong i-direkta ang sarili nitong mga hakbang at paggamit ng mga kasangkapan upang makamit ang layunin. - **Modelo:** Sinusuportahan ng Strands ang iba't ibang modelo kabilang ang mga Amazon Bedrock models na may paggamit ng tool at streaming, Anthropic Claude models sa pamamagitan ng API, Llama models sa Llama API, Ollama para sa lokal na pag-de-develop, OpenAI gamit ang LiteLLM, at mga custom na modelo. - **Mga Kasangkapan:** Mahigit 1000 na Model Context Protocol (MCP) server tools ang available, kasama ang higit sa 20 pre-built na tools tulad ng pag-manipula ng file, API calls, at AWS API interaction. Maaaring madaling i-wrap ang mga Python functions bilang tools gamit ang @tool decorator. - **Prompt:** Nagbibigay ang mga developer ng isang natural na language prompt na nagdidikta sa gawain at isang system prompt para sa mga instruksyon sa asal ng agent. Ang agent ay nagsasagawa ng isang "agentic loop" kung saan nakikipag-ugnayan ito sa modelo at mga tool hanggang matapos. Sa bawat cycle, tatanggapin ng LLM ang prompt, konteksto, at paglalarawan ng mga tool, at magpapasya kung tutugon nang direkta, magpaplanong, mag-iisip, o tatawagin ang mga tool. Isinasagawa ng Strands ang piniling mga tool at ibinabalik ang mga resulta sa LLM, hanggang sa makabuo ng panghuling output. Pinapayagan ng mga tool ang pasadyang paggamit at pagiging complex: maaari silang kumuha ng mga dokumento mula sa knowledge bases, gumawa ng API calls, tumakbo ng Python code, o magbigay ng static na instruksyon. Ilang halimbawa ng mga tool ay: - **Retrieve Tool:** Nagbibigay ng semantic search sa Amazon Bedrock Knowledge Bases, kinukuha ang mga relevant na dokumento o tools. Halimbawa, isang internal na agent ng AWS ang pumipili mula sa higit 6, 000 tools sa pamamagitan ng pagkuha ng isang relevant na subset upang ipakita sa modelo. - **Thinking Tool:** Nagpapahintulot sa multi-cycle na deep analysis at self-reflection. - **Multi-agent Tools:** Ang workflow, graph, at swarm tools ay sumusuporta sa orchestrasyon ng maraming agents na nagtutulungan sa mga komplikadong gawain. Malapit nang sumuporta sa Agent2Agent (A2A) protocol. ### Pagsisimula sa Strands Agents Narito ang isang simpleng halimbawa ng isang naming AI assistant na ginawa gamit ang Strands, gamit ang isang Amazon Bedrock model, isang MCP server para sa domain validation, at isang pre-built na GitHub tool para sa pag-check ng availability ng pangalan ng organisasyon: ```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 = """ Ikaw ay isang assistant na tumutulong magbigay ng pangalan sa mga open source na proyekto. Magbigay ng mga available na domain name at GitHub organizations matapos ang validation sa kanilang availability. """ 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("Kailangan ko ng pangalan para sa isang open source na proyekto na bumubuo ng AI agents. ") ``` Para patakbuhin ito, itakda ang iyong GitHub token bilang `GITHUB_TOKEN`, magkaroon ng access sa Anthropic Claude 3. 7 Sonnet model sa us-west-2, at i-configure ang iyong AWS credentials. I-install gamit ang: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` Makakatanggap ka ng mga mungkahing pangalan ng proyekto na may kasamang availability check. Maganda rin ang integrasyon ng mga Strands MCP server sa mga AI-assisted development tools gaya ng Q Developer CLI. Halimbawa, idagdag ang mga sumusunod sa iyong MCP configuration: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### Pag-deploy ng Strands Agents sa Production Ang Strands ay dinisenyo na para sa production, na may flexible na arkitektura ng deployment. Pwedeng patakbuhin ang mga agent nang lokal, sa likod ng mga API (gamit ang AWS Lambda, Fargate, o EC2), o bilang distributed systems na naghihiwalay sa agentic loop at environment ng mga tool. Halimbawa, maaaring tumakbo ang mga tools sa Lambda habang ang agent ay nasa container; o maaaring hawakan ng mga client ang mga tools nang lokal habang nakikipag-ugnayan sa backend na agent. Sinusuportahan din ng Strands ang observability at monitoring gamit ang OpenTelemetry (OTEL), na nagbibigay-daan sa detalyadong tracing, metrics, at telemetry sa mga session ng agent sa buong distributed system. ### Sumali sa Komunidad ng Strands Agents Ang Strands Agents ay open source sa ilalim ng Apache License 2. 0. Inaanyayahan namin ang mga kontribusyon para idagdag ang suporta sa modelo at tool, paunlarin ang mga bagong feature, o pag-ibayuhin ang dokumentasyon. Kung nakakita ka ng mga bug o may ideya, sumali sa amin sa GitHub at tumulong sa pagtayo ng kinabukasan ng mga AI agents gamit ang Strands!