Я з радістю оголошую про випуск Strands Agents — відкритого SDK з відкритим кодом, який спрощує створення та запуск AI-агентів за допомогою орієнтованого на моделі підходу всього кількома рядками коду. Strands підтримує широкий спектр сценаріїв від простих до складних агентів і масштабуються від локальної розробки до виробничих розгортань. Він уже використовується у продуктивних системах команд AWS, таких як Amazon Q Developer, AWS Glue та VPC Reachability Analyzer. Тепер ви можете легко створювати власних AI-агентів з допомогою Strands. На відміну від фреймворків, що вимагають визначення складних робочих процесів, Strands використовує сучасні можливості моделей — такі як планування, ланцюжки думок, виклик інструментів і рефлексія — дозволяючи розробникам задавати лише підказку та список інструментів для створення агента. Strands, як дві нитки ДНК, з’єднує модель і інструменти; модель планує наступні кроки і запускає інструменти з високим рівнем розуміння. Він підтримує масштабовану настройки, включаючи вибір інструментів, управління контекстом, стан сесії, пам’ять і застосування для кількох агентів одночасно. Strands працює з моделями від Amazon Bedrock, Anthropic, Ollama, Meta і інших через LiteLLM, і може працювати будь-де. Проєкт є відкритою спільнотою з внесками від Accenture, Anthropic, Langfuse, mem0. ai, Meta, PwC, Ragas. io, Tavily та інших. Приклади включають підтримку API Anthropic та інтеграцію API Llama від Meta. Приєднуйтеся до нас на GitHub, щоб розпочати! ### Наш шлях у створенні агентів Робота над Amazon Q Developer, генеративним AI-помічником для розробки програмного забезпечення, почалася на початку 2023 року. Моя команда почала будувати AI-агенти, послідовно слідуючи статті ReAct (Reasoning and Acting), яка продемонструвала, що великі мовні моделі (LLMs) можуть раціонально обґрунтовувати дії і виконувати завдання, такі як виклик API шляхом генерації входних даних. Хоча спочатку LLMs не навчалися на роль агентів, а для природної мови, ми створювали складні фреймворки з інструкціями, парсерами відповідей і логікою оркестрації — часто витрачаючи місяці на налаштування агентів для продакшну. З покращеннями в reasoning і використанні інструментів у LLMs, ці складні фреймворки стали вузьким місцем, що стримувало швидкість і гнучкість ітерацій. Усвідомивши цей зсув, ми створили Strands Agents, щоб усунути складність оркестрації і використовувати можливості сучасних LLM для Reasoning і використання інструментів. Це суттєво зменшило час розробки — з місяців до днів або тижнів, швидко виводячи системи у виробництво і покращуючи досвід користувачів. ### Основні концепції Strands Agents Агент складається з трьох компонентів: (1) моделі, (2) інструментів і (3) підказки. Агент працює автономно, використовуючи їх для виконання завдань — відповідати на запитання, писати код, планувати чи оптимізувати портфелі.

Орієнтований на модель підхід дозволяє моделі динамічно керувати своїми кроками та використанням інструментів для досягнення цілі. - **Модель:** Strands підтримує гнучкий вибір моделей, включаючи Amazon Bedrock з використанням інструментів і стрімінгом, Anthropic Claude через API, Llama через Llama API, Ollama для локальної розробки, OpenAI через LiteLLM і кастомні моделі. - **Інструменти:** Доступні тисячі інструментів за протоколом Model Context Protocol (MCP), а також понад 20 готових інструментів — для роботи з файлами, викликів API, взаємодії з AWS і не тільки. Функції Python легко обгорнути як інструменти за допомогою декоратора @tool. - **Підказка:** Розробники задають природньомовну підказку, що описує завдання, і системну підказку для інструкцій поведінки агента. Агент запускає «цикл агентної взаємодії», що полягає у спілкуванні з моделлю і інструментами до завершення. На кожному кроці LLM отримує підказку, контекст і опис інструментів, приймає рішення — відповідати прямо, планувати, рефлексувати або викликати інструменти. Strands виконує вибрані інструменти та повертає результати назад моделі, допоки не отримує кінцевий результат. Інструменти дозволяють налаштовувати складність: вони можуть отримувати документи з баз знань, викликати API, виконувати Python-код чи подавати статичні інструкції. Приклади інструментів: - **Retrieve Tool:** семантичний пошук у базах знань Amazon Bedrock для отримання релевантних документів або інструментів. Наприклад, внутрішній агент AWS вибирає з понад 6 000 інструментів шляхом отримання релевантного підмножини для моделі. - **Thinking Tool:** дозволяє глибоку багатократну аналітику і саморефлексію. - **Мультиагентські інструменти:** підтримують робочі процеси, графи та «рої», щоб ефективно керувати кількома агентами і складними завданнями. Підтримка протоколу Agent2Agent (A2A) незабаром буде доступна. ### Як розпочати з Strands Agents Ось простий приклад AI-помічника для створення назв, побудованого з допомогою Strands з моделлю Amazon Bedrock, MCP-сервером для валідації доменних імен і готовим інструментом GitHub для перевірки доступності імен організацій: ```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 = """ Ви — асистент, що допомагає придумувати назви для open source проектів. Надавайте доступні доменні імена та імена в GitHub після перевірки їхньої доступності. """ 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("Мені потрібно придумати назву для open source проекту для створення AI-агентів. ") ``` Щоб запустити цей код, встановіть ваш токен GitHub у змінну `GITHUB_TOKEN`, переконайтеся, що у вас є доступ до моделі Anthropic Claude 3. 7 Sonnet у регіоні us-west-2 і налаштуйте свої облікові дані AWS. Встановіть пакети командою: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` Ви отримаєте пропозиції назв проектів із перевіркою доступності. Інтеграція MCP-серверів Strands добре поєднується з інструментами розробки з підтримкою AI, наприклад, Q Developer CLI. Для цього додайте до конфігурації MCP: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### Запуск Strands Agents у виробництві Strands розроблений з урахуванням виробничих потреб і пропонує гнучкі архітектури розгортання. Ви можете запускати агентів локально, через API (наприклад, AWS Lambda, Fargate або EC2), або розподіляти систему, розділяючи цикл агентної роботи і середовища виконання інструментів. Наприклад, інструменти можуть працювати у Lambda, тоді як агент — у контейнерах; або клієнти — локально, а агент — у бекенді. Strands також підтримує спостереження і моніторинг через OpenTelemetry (OTEL), що дозволяє детальний трасування, метрики та телеметрію для сесій агентів у розподілених системах. ### Приєднуйтесь до спільноти Strands Agents Strands Agents — відкритий проект під ліцензією Apache 2. 0. Ми запрошуємо до внесків у додавання підтримки нових моделей і інструментів, розробки нових функцій або покращення документації. Якщо знайшли баг або маєте ідеї — долучайтесь до нас на GitHub і разом будуємо майбутнє AI-агентів із Strands!