میں بہت پرجوش ہوں کہ میں Strands Agents کا ریلیز اعلامیہ کر رہا ہوں، جو ایک اوپن سورس SDK ہے جو ایم آئی ایجنٹس بنانے اور چلانے کو آسان بناتا ہے، صرف چند لائن کوڈ استعمال کرتے ہوئے ماڈل-ڈرائیون طریقہ کے ذریعے۔ Strands مختلف استعمال کے کیسز کی حمایت کرتا ہے، آسان سے پیچیدہ ایجنٹس تک، اور مقامی ڈیولپمنٹ سے لے کر پروڈکشن ڈپلائمنٹ تک اسکال کرتا ہے۔ یہ پہلے ہی AWS ٹیموں جیسے کہ Amazon Q Developer، AWS Glue، اور VPC Reachability Analyzer میں پروڈکشن میں ہے۔ اب آپ آسانی سے اپنی خود کی AI ایجنٹس بنا سکتے ہیں۔ ان فریم ورکس کے برعکس جن کے لیے پیچیدہ ورک فلو ڈفائن کرنا ضروری ہوتا ہے، Strands جدید ماڈل کی صلاحیتوں کا استعمال کرتا ہے—جیسے پلاننگ، خیالات کا سلسلہ، ٹول انکوشن، اور ریفلیکشن—جو ڈیولپرز کو صرف ایک پرامپٹ اور ٹولز کی فہرست فراہم کرنے کی اجازت دیتا ہے تاکہ وہ ایک ایجنٹ بنا سکیں۔ Strands، جیسے کہ دو DNA ریشے، ماڈل اور ٹولز کو جوڑتا ہے؛ ماڈل اگلے اقدامات کی منصوبہ بندی کرتا ہے اور جدید وجوہات کے ساتھ ٹولز چلाता ہے۔ یہ وسیع تر تخصیص کی حمایت کرتا ہے، جس میں ٹول کا انتخاب، سیاق و سباق کا نظم و نسق، سیشن کی حالت، یادداشت، اور ملٹی ایجنٹ ایپلیکیشنز شامل ہیں۔ Strands Amazon Bedrock، Anthropic، Ollama، Meta، اور دیگر ماڈلز کے ساتھ LiteLLM کے ذریعے کام کرتا ہے، اور کسی بھی جگہ چلا سکتا ہے۔ یہ پروجیکٹ ایک کھلا کمیونٹی ہے جس میں Accenture، Anthropic، Langfuse، mem0. ai، Meta، PwC، Ragas. io، Tavily، اور دیگر کے تعاون شامل ہیں۔ مثال کے طور پر، Anthropic کی API سپورٹ اور Meta کے Llama API انٹیگریشن شامل ہیں۔ ہم سے GitHub پر جڑیں اور شروع کریں! ### ہمارے ایجنٹ کا سفر Amazon Q Developer، جو کہ سافٹ ویئر ڈیولپمنٹ کے لیے ایک جنریٹو AI اسسٹنٹ ہے، پر کام کرتے ہوئے، میری ٹیم نے 2023 کے اوائل میں AI ایجنٹس بنانے شروع کیے، ReAct (Reasoning and Acting) پیپر کی پیروی کرتے ہوئے، جس نے دکھایا کہ بڑے زبان ماڈلز (LLMs) reasoning اور actions لے سکتے ہیں، جیسا کہ API کالز کرنا اور انپٹس تیار کرنا۔ اگرچہ ابتدا میں LLMs کو ایجنٹ کے طور پر تربیت نہیں دی گئی تھی بلکہ قدرتی زبان میں بات چیت کے لیے، ہم نے پیچیدہ فریم ورکس بنائے جن میں پرامپٹ ہدایات، ریسپانس پارسرز، اور آرکیسٹریشن لاجک شامل تھے—جن میں اکثر مہینوں لگا کر ایجنٹس کو پروڈکشن کے لیے بہتر بناتے تھے۔ جبکہ LLMs میں reasoning اور ٹول کے استعمال میں نمایاں بہتری آئی، یہ پیچیدہ فریم ورکس رکاوٹیں بن گئے جو تکراری عمل کی رفتار اور تیزی کو محدود کرتے تھے۔ اس تبدیلی کو سمجھتے ہوئے، ہم نے Strands Agents بنایا تاکہ آرکیسٹریشن کی پیچیدگی کو کم کیا جا سکے اور جدید LLMs کی اصل reasoning اور tool استعمال کو ہنٹ کیا جا سکے۔ اس طریقہ کار سے ترقیاتی وقت ماہ سے ہفتوں یا دنوں میں کم ہو گیا، جس سے پروڈکشن کی تیاری میں تیزی آئی اور صارفین کے تجربہ میں بہتری سامنے آئی۔ ### Strands Agents کے بنیادی تصورات ایک ایجنٹ میں تین اجزاء شامل ہیں: (1) ایک ماڈل، (2) ٹولز، اور (3) ایک پرامپٹ۔ ایجنٹس خودمختارانہ طور پر ان کا استعمال کرتے ہوئے کام مکمل کرتے ہیں جیسے سوالوں کے جواب دینا، کوڈ لکھنا، منصوبہ بندی کرنا، یا پورٹ فولیو کو بہتر بنانا۔ ماڈل-ڈرائیون طریقہ کار ماڈل کو متحرک طور پر اپنی اقدامات اور ٹولز کے استعمال کی رہنمائی کرنے کی اجازت دیتا ہے تاکہ مقصد حاصل کیا جا سکے۔ - **ماڈل:** Strands مختلف فلیکسبل ماڈلز کی حمایت کرتا ہے، جن میں Amazon Bedrock کے ماڈلز، جو ٹول استعمال اور streaming کی سہولت دیتے ہیں، Anthropic Claude، Llama، Ollama، OpenAI (LiteLLM کے ذریعے)، اور اپنی مرضی کے ماڈلز شامل ہیں۔ - **ٹولز:** ہزاروں Model Context Protocol (MCP) سرور ٹولز دستیاب ہیں، ساتھ ہی 20+ پہلے سے تیار شدہ ٹولز جیسے فائل مینیپولیشن، API کالز، اور AWS API انٹرایکشن۔ Python فنکشنز کو @tool ڈیکوریٹر کے ذریعے آسانی سے ٹولز کے طور پر لپیٹا جا سکتا ہے۔ - **پرامپٹ:** ڈیولپرز ایک قدرتی زبان کا پرامپٹ فراہم کرتے ہیں جو کام کی تفصیل بتاتا ہے، اور ایک نظامی پرامپٹ جو ایجنٹ کے رویہ سے متعلق ہدایات دیتا ہے۔ ایجنٹ "ایجنٹک لوپ" کے ذریعے ماڈل اور ٹولز کے ساتھ بات چیت کرتا رہتا ہے جب تک کہ کام مکمل نہ ہو جائے۔ ہر لوپ میں، LLM کو پرامپٹ، سیاق و سباق، اور ٹولز کی تفصیلات دی جاتی ہیں، اور وہ فیصلہ کرتا ہے کہ براہ راست جواب دینا ہے، منصوبہ بندی کرنا ہے، ریفلیکشن کرنی ہے یا ٹولز کو فعال کرنا ہے۔ Strands منتخب شدہ ٹولز کو چلاتا ہے اور نتائج کو LLM کو واپس دیتا ہے، آخر میں حتمی نتیجہ حاصل ہوتا ہے۔ ٹولز تخصیص اور پیچیدگی کی حمایت کرتے ہیں: یہ دستاویزات سے معلومات حاصل کر سکتے ہیں، API کالز کر سکتے ہیں، Python کوڈ چلا سکتے ہیں، یا سٹیٹک ہدایات فراہم کر سکتے ہیں۔ مثالی ٹولز میں شامل ہیں: - **ریٹریو ٹول:** Amazon Bedrock Knowledge Bases پر سیمینٹک سرچ کرتا ہے، اور متعلقہ دستاویزات یا ٹولز کو بازیافت کرتا ہے۔ مثال کے طور پر، ایک AWS اندرونی ایجنٹ 6000+ ٹولز میں سے منتخب کرکے مناسب حصہ بازیافت کرتا ہے تاکہ ماڈل کو دکھایا جا سکے۔ - **خیال لینے والا ٹول:** متعدد سائیکل والی گہری تجزیاتی کارروائی اور خودفکری کو سہارا دیتا ہے۔ - **ملٹی-ایجنٹ ٹولز:** ورک فلو، گراف، اور سوائیڈ ٹولز متعدد ایجنٹس کو مل کر پیچیدہ کام انجام دینے کے لیے تعاون فراہم کرتے ہیں۔ Agent2Agent (A2A) پروٹوکول کی حمایت آئندہ قریب ہے۔ ### Strands Agents کے ساتھ شروع کیسے کریں یہاں ایک مختصر مثال ہے کہ کس طرح Strands کا استعمال کرتے ہوئے ایک naming AI اسسٹنٹ بنایا جائے، جس میں Amazon Bedrock ماڈل، ایک MCP سرور برائے ڈومین کے تصدیق، اور ایک پہلے سے تیار شدہ GitHub ٹول شامل ہیں جس سے تنظیم کے نام کی دستیابی چیک کی جا سکتی ہے: ```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 = """ آپ ایک اسسٹنٹ ہیں جو اوپن سورس پروجیکٹس کے نام تجویز کرنے میں مدد دیتا ہے۔ دستیاب ڈومین نیمز اور GitHub تنظیموں کی تصدیق کے بعد فراہم کریں۔ """ 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("مجھے AI ایجنٹس بنانے کے لیے ایک اوپن سورس پروجیکٹ کے نام کی ضرورت ہے۔") ``` اس کو چلانے کے لیے، اپنی GitHub ٹوکن کو `GITHUB_TOKEN` کے طور پر سیٹ کریں، US-West-2 میں Anthropic Claude 3. 7 Sonnet ماڈل تک رسائی کریں، اور اپنے AWS کریڈینشلز کو کنفیگر کریں۔ انسٹال کریں: ``` pip install strands-agents strands-agents-tools python -u agent. py ``` آپ کو پروجیکٹ نام کی تجاویز اور ان کی دستیابی چیک کے ساتھ ملیں گی۔ Strands MCP سرورز AI معاون ترقیاتی ٹولز جیسے Q Developer CLI کے ساتھ اچھی طرح مربوط ہوتے ہیں۔ مثال کے طور پر، اپنی MCP کنفیگریشن میں درج ذیل شامل کریں: ```json { "mcpServers": { "strands": { "command": "uvx", "args": ["strands-agents-mcp-server"] } } } ``` ### پروڈکشن میں Strands ایجنٹس کو تعینات کرنا Strands کو پروڈکشن کے استعمال کے لیے ڈیزائن کیا گیا ہے، اور اسے مختلف تنصیبات میں چلایا جا سکتا ہے۔ آپ ایجنٹس کو مقامی طور پر چلا سکتے ہیں، APIs کے پیچھے (جیسے AWS Lambda، Fargate، یا EC2) یا تقسیم شدہ نظام کے طور پر جو ایجنٹک لوپ اور ٹول چلانے کے ماحول کو الگ کرتا ہے۔ مثال کے طور پر، ٹولز Lambda میں چل سکتے ہیں جبکہ ایجنٹ کنٹینرز میں، یا کلائنٹس مقامی طور پر ٹولز سنبھال سکتے ہیں اور بیک اینڈ ایجنٹ سے بات چیت کر سکتے ہیں۔ Strands نگرانی اور قابل مشاہدہ رہنمائی کے لیے OpenTelemetry (OTEL) کی سپورٹ بھی فراہم کرتا ہے، جس سے مقام غم اور میٹرکس کی ریکارڈنگ آسان ہوتی ہے۔ ### Strands Agents کمیونٹی میں شامل ہوں Strands Agents ایک اوپن سورس پروجیکٹ ہے، جس کے تحت لائسنس Apache 2. 0 جاری ہے۔ ہم آپ کی مدد چاہتے ہیں کہ آپ ماڈل اور ٹول سپورٹ شامل کریں، نئی خصوصیات تیار کریں، یا دستاویزات کو بہتر بنائیں۔ اگر آپ کو مسائل ہیں یا خیالات ہیں، تو ہمیں GitHub پر شامل ہوں اور Strands کے ساتھ AI ایجنٹس کے مستقبل کی تعمیر میں مدد کریں!