‏AWS هارنس Strands رو منتشر کرد

AWS دوشنبه هارنس Strands رو منتشر کرد، یه ایجنت آماده‌به‌کار که همه‌چیز داره جز مدل. می‌تونه وب رو بگرده، دستور اجرا کنه، فایل ویرایش کنه، چیزی که دیروز انجام داده رو به یاد بیاره و کارهای فرعی رو بده به یه ایجنت کمکی. مدلش رو خودت انتخاب می‌کنی و هر وقت خواستی عوضش می‌کنی. این ادامهٔ Strands Agents ـه، همون SDK اوپن‌سورسی که AWS از می ۲۰۲۵ منتشر کرده بود.

مدل‌های تازهٔ Amazon Bedrock، Anthropic، OpenAI و Google پشتیبانی می‌شن و برای اجرا روی دستگاه خود آدم، می‌شه یه مدل محلی Ollama گذاشت. فرمت Agent Skills که Anthropic معرفی کرد هم پشتیبانی می‌شه. ایجنت بین اجراها حافظهٔ بلندمدت نگه می‌داره و با دادن یه session ID گفت‌وگوی قبلی رو ادامه می‌ده، برای کارهای چندمرحله‌ای خودش یه چک‌لیست می‌سازه و پنجرهٔ context خودش رو هم مدیریت می‌کنه.

ادعای هزینه همین‌جاست. به گفتهٔ AWS با همون مدل و روی هفت بنچمارک، Strands ۲۶ درصد ارزون‌تر درمی‌آد و توکن کمتری از Claude Code و Codex مصرف می‌کنه. توی یه ارزیابی با Fable 5 هم گفته ۷۷ درصد ارزون‌تر از Claude Code بوده و نمرهٔ بالاتری روی Terminal-Bench 2.1 گرفته، البته نسخه‌ای که نگه‌دارنده‌های خود بنچمارک بعداً با ۴.۰ جایگزینش کردن. توی مصرف توکن، هارنس DeepSeek از Strands جلو زد.

سخت‌ترین بخش ساخت، مدیریت context بود. مارک بروکر، معاون و مهندس برجستهٔ AWS، می‌گه وقتی یه کار طولانی ده‌ها فراخوان ابزار و هزاران خط خروجی تولید می‌کرد، پنجرهٔ context پر می‌شد و هزینه روی هم تلنبار می‌شد. راه‌حلشون فشرده‌سازی context بود: تاریخچهٔ مهم می‌مونه، نوبت‌های قدیمی خلاصه می‌شن و خروجی‌های حجیم ابزارها می‌رن روی فایل و فقط یه ارجاع کوتاه جاشون می‌مونه.

یه کشمکش دیگه هم سر جعبه‌سیاه بودن پیش اومد. به گفتهٔ بروکر، AWS اولش هارنس رو با پیش‌فرض‌های تست‌شده طراحی کرده بود تا از لحظهٔ اول کار کنه، ولی توسعه‌دهنده‌ها گفتن چیزی رو نمی‌خوان که نشه عوضش کرد. نتیجه این شد که Strands harness یه نمونهٔ از پیش تنظیم‌شده از همون SDK باشه و همهٔ پیش‌فرض‌ها توی کد معمولی بیرون بیان، تا بشه تغییرشون داد بدون اینکه کل چیدمان از اول ساخته بشه.

نکات کلیدی:

• Strands harness دوشنبه منتشر شد و ادامهٔ Strands Agents SDK ـه که می ۲۰۲۵ اومده بود.
• پشتیبانی از مدل‌های Amazon Bedrock، Anthropic، OpenAI و Google، به‌علاوهٔ Ollama محلی.
• ادعای AWS: ۲۶ درصد هزینهٔ کمتر با همون مدل روی هفت بنچمارک.
• توی مصرف توکن فقط هارنس DeepSeek جلوتر بود.
• نصب از PyPI و npm، به‌علاوهٔ یه CLI؛ زیرساخت AWS یا Bedrock پیش‌نیاز نیست.