AWS-მა თვითნაკეთი AI აგენტებისთვის Strands harness წარადგინა

AWS-მა ხელოვნური ინტელექტის აგენტებისთვის ღია კოდის სამუშაო გარემო Strands harness წარადგინა. Strands Harness SDK-ზე დაფუძნებული პროექტის გამოყენება ადგილობრივად და კონტეინერულ გარემოში იქნება შესაძლებელი. მწარმოებლის მონაცემებით, ექვს ტესტში მან იმავე Claude-ისა და GPT-ის მოდელებით, სხვა მსგავს გარემოებთან შედარებით, საშუალოდ 28%-ით ნაკლები ტოკენი გამოიყენა. ამასთან, სიზუსტე შესამჩნევად არ შემცირებულა. ღია კოდის პროექტი Apache-2.0 ლიცენზიით ვრცელდება.

აგენტის სამუშაო გარემო აერთიანებს განმეორებად კომპონენტებს, რომლებიც ხელოვნური ინტელექტის აგენტს მუშაობის საშუალებას აძლევს. ის მოდელსა და ხელსაწყოებს შორის პროცესს მართავს, კონტექსტსა და სესიებს აკონტროლებს და შეცდომებს ამუშავებს. სისტემა ძირითადად განკუთვნილია დეველოპერებისთვის, რომლებიც ბრძანების გარსზე, ფაილებსა თუ ვებსერვისებზე წვდომის მქონე აგენტებს ქმნიან და მართავენ. AWS ავტონომიური აგენტებისთვის ღია კოდის Strands Agents SDK-ს ავითარებს. Strands harness მისგან პირდაპირ გამოსაყენებელ სტანდარტულ სამუშაო გარემოს შექმნის.

AWS-ის ცნობით, კომპანიამ Strands harness Claude Code-ს, Codex-სა და სხვა აგენტურ გარემოებს შეადარა. Harbor-ის ტესტირების სისტემით გამოცდები რამდენიმე EC2 ინსტანციაზე ჩატარდა. Strands harness-მა თითქმის იგივე შედეგები აჩვენა, თუმცა ნაკლები ტოკენი გამოიყენა. DeepSeek Harness-მა ტესტებში კიდევ უფრო ნაკლები ტოკენი დახარჯა, მაგრამ უმეტესად სიზუსტის დაბალი მაჩვენებლები აჩვენა.

ეს მონაცემები მხოლოდ მწარმოებლის მიერაა წარმოდგენილი. AWS-ს Strands harness-ის განცხადებაში ექვსივე ტესტის სრული ცალკეული შედეგები არ გამოუქვეყნებია. თუმცა მონაწილე მკვლევრები მეთოდოლოგიისა და გაზომვების შესახებ დამატებითი სტატიის გამოქვეყნებას გეგმავენ.

AWS ეფექტიანობის მთავარ მიზეზად კონტექსტის წინასწარ განსაზღვრულ მართვას ასახელებს. გარემო ხელსაწყოების შედეგებს დაახლოებით 1500 ტოკენის შემდეგ ამოკლებს. როდესაც კონტექსტის ფანჯარა 85%-ზე მეტად ივსება, სისტემა წინა პროცესს აჯამებს. გადავსებისას ის საჭირო კონტექსტის აღდგენას ცდილობს. ამან გრძელი ჟურნალის ფაილებითა და ტერმინალის შედეგებით კონტექსტის ზედმეტად შევსება უნდა აღკვეთოს. ასეთი შევსება მოდელის შემდგომ გამოყენებას აძვირებს.

AWS-ის ცნობით, Strands harness თანამედროვე მოდელებს Amazon Bedrock-ის, Anthropic-ის, OpenAI-ის, Google-ის, Ollama-სა და LiteLLM-ის მეშვეობით უჭერს მხარს. ბიბლიოთეკა Python-ისა და TypeScript-ისთვისაა ხელმისაწვდომი. გარემოს ნაგულისხმევად მოჰყვება ბრძანების გარსის ხელსაწყოები და ფაილების წაკითხვის, ჩაწერისა და რედაქტირების საშუალებები. პაკეტში ვებხელსაწყოც შედის.

სისტემა ასევე მოიცავს სესიებს, გრძელვადიან მეხსიერებასა და მრავალსაფეხურიანი პროცესების დავალებათა სიას. მას ღია ქვეამოცანებისთვის დამხმარე აგენტიც აქვს. გარემოს არსებული უნარების ჩატვირთვაც შეუძლია. საჭიროების შემთხვევაში დეველოპერები პარამეტრებს შეცვლიან ან ცალკეულ კომპონენტებს SDK-მდე ჩაანაცვლებენ.