☁️AWS Machine Learning Blog•較早收集於 2m
使用 Strands 輕鬆構建智慧研究助理
💡別再為複雜的代理編排苦惱；看看 Strands 如何簡化智慧研究助理的開發。
⚡ 30-Second TL;DR
有什麼變化
降低 AI 代理多重 API 呼叫編排的複雜度
為什麼重要
此工具顯著降低了構建專業 AI 研究代理的門檻，有望加速特定領域 AI 工具的部署。
下一步行動
查看 Strands 文件，評估它是否能取代您目前研究代理專案中自建的編排層。
誰應關注：Developers & AI Engineers
關鍵要點
- •降低 AI 代理多重 API 呼叫編排的複雜度
- •自動化研究導向應用程式的對話狀態管理
- •讓開發者無需高階機器學習學位即可構建推理代理
🧠 深度解析
Web-grounded analysis with 22 cited sources.
🔑 增強重點摘要
- •Strands 是一個由 AWS 於 2025 年 5 月發布的開源 SDK，它採用「模型驅動方法」，讓大型語言模型 (LLM) 自主規劃、串聯思維、呼叫工具並進行反思，而非要求開發者硬編碼複雜的工作流程。
- •該框架支援多模型整合，允許開發者使用來自 Amazon Bedrock、Anthropic、OpenAI、Ollama、Meta 等供應商的模型，以及透過 LiteLLM 整合的自訂模型。
- •Strands 提供靈活的部署選項，包括本地開發、無伺服器 (AWS Lambda)、容器化 (ECS/Fargate) 和 API 支援的部署，並與 AWS 服務原生整合。
- •它支援多種多代理協作模式，例如「代理作為工具 (Agents as Tools)」、「群體代理 (Swarms Agents)」、「代理圖 (Agent Graphs)」和「代理工作流程 (Agent Workflows)」，旨在構建可擴展的生產級 AI 代理。
- •AWS 於 2026 年 3 月推出了 Strands Labs，作為實驗性 AI 代理專案的平台，其中包括探索機器人整合和 AI 功能等領域，顯示其未來將擴展到實體硬體和多模態應用。
📊 競品分析▸ Show
| 平台/框架 | 模型支援 | 部署彈性 | MCP 支援 | 最佳應用場景 |
|---|---|---|---|---|
| AWS Strands Agents | Amazon Bedrock、Anthropic、OpenAI、Ollama、Meta、自訂模型 (透過 LiteLLM) | 本地、無伺服器 (Lambda)、容器 (ECS/Fargate)、API 支援、AWS Bedrock AgentCore | 原生支援 | 企業級、AWS 生態系統內的生產就緒 AI 代理，強調控制與安全性 |
| LangChain | 廣泛支援多種 LLM 供應商 (OpenAI, Bedrock, Gemini 等) | SDK + 指導，需自行部署 | 透過整合內建 | 快速原型開發、靈活性高、廣泛的工具生態系統 |
| LangGraph | 模型不可知 | 完整部署故事 (LangGraph Cloud) | 透過整合內建 (1.0 版新增) | 複雜有狀態的工作流程、圖形化代理協作 |
| CrewAI | 供應商優先但開放 | SDK + 可選的代理管理平台 (AMP) | 原生支援 | 角色型協作工作流程、多代理系統 |
| Microsoft AutoGen | 模型不可知 | 僅 SDK，需自行部署 | 內建 | 對話式多代理團隊、程式碼執行 |
| Google ADK (Agent Development Kit) | 模型不可知、部署不可知 (Gemini 3.0, Imagen 3 等) | 完整部署故事 (Cloud Run, Vertex AI) | 透過整合內建 | Google Cloud 生態系統、模組化和靈活的代理框架 |
🛠️ 技術深入
- 架構概述：Strands 遵循模組化架構，包含核心組件：代理核心 (Agent Core) 負責協調對話流程、管理上下文和工具執行；模型層 (Model Layer) 抽象化不同的 LLM 供應商；工具系統 (Tool System) 提供可擴展的介面，支援內建工具、自訂功能和模型上下文協議 (MCP)；狀態管理 (State Management) 處理會話、對話歷史和記憶持久化；以及串流引擎 (Streaming Engine) 採用異步優先設計，實現即時響應串流。
- 模型驅動方法：LLM 是規劃、推理和工具選擇的核心。開發者只需定義提示和工具列表，LLM 便能自主決定最佳行動。
- 代理循環 (Agentic Loop)：Strands 採用迭代的代理循環 (ReAct 模式)，其中 LLM 會根據提示、代理上下文和工具描述被調用。LLM 隨後可以回應、規劃步驟、反思或選擇工具。
- 工具整合：支援數千個模型上下文協議 (MCP) 伺服器作為工具，提供 20 多個預建範例工具 (例如文件操作、API 請求、AWS API)，並可透過
@tool裝飾器輕鬆整合任何 Python 函數。 - 狀態管理：包含一個會話管理器，用於從遠端資料儲存中檢索代理狀態，預設支援本地文件系統和 Amazon S3 後端。它還支援同一會話中的並發代理。
- 異步支援：Strands 1.0 增強了其事件循環架構，以支援整個堆棧中的異步操作，允許工具和模型供應商非阻塞地異步運行，實現並發執行和實時響應串流。
- 多代理模式：支援「代理作為工具」、「群體代理」、「代理圖」和「代理工作流程」等多代理協作模式，以處理複雜任務。
- AWS 原生整合：與 Amazon Bedrock、DynamoDB、S3、知識庫、Lambda、ECS/Fargate 和 AgentCore 深度整合。
🔮 前景展望AI analysis grounded in cited sources
企業中 AI 代理的採用將加速。
透過簡化複雜的編排和狀態管理，Strands 降低了企業構建和部署生產就緒 AI 代理的門檻，將導致其在各種業務功能中更廣泛的採用。
開發將更側重於模型驅動而非明確的工作流程編碼。
Strands 的模型驅動方法，即 LLM 自主處理規劃和工具使用，將鼓勵開發者利用先進的模型推理能力，減少對僵化、硬編碼工作流程的需求。
多模態和機器人整合 AI 代理將擴展。
Strands Labs 的推出及其「機器人」和「機器人模擬」等專案，預示著未來 AI 代理將與實體硬體和多模態輸入整合，將其應用範圍擴展到純粹的對話任務之外。
⏳ 時間線
2023-XX
AWS 團隊開始構建 AI 代理
2025-05-16
AWS 發布 Strands Agents 開源 SDK
2025-07-15
Strands Agents 1.0 版發布，支援多代理編排和 A2A 協議
2025-07-28
AWS 示範使用 Strands Agents 和 Amazon Bedrock 構建藥物發現研究助理
2025-07-31
AWS 示範使用 Strands Agents SDK 和 Tavily 構建動態網路研究代理
2026-03-12
AWS 推出 Strands Labs，用於實驗性 AI 代理專案，包括機器人整合
📎 來源 (22)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： AWS Machine Learning Blog ↗