AWS снова отличились.
Недавно они представили новый подход, который по-настоящему меняет то, как разработчики строят агентные пайплайны.
Проблема в том, что большинство агентных фреймворков до сих пор заставляют захардкоживать workflow, деревья решений и сценарии отказов.
Это работает ровно до тех пор, пока агент не сталкивается с ситуацией, которую ты не предусмотрел.
Strands Agents от AWS идут другим путём.
Вместо переусложнённой оркестрации они опираются на способности современных моделей к рассуждению и позволяют модели самой вести workflow.
Ты:
- задаёшь цель,
- предоставляешь инструменты,
- и позволяешь агенту самому понять, как к этой цели прийти.
С точки зрения реализации всё максимально просто » нужно определить всего три вещи:
1. LLM,
2. инструменты,
3. задачу.
И всё. Дальше агентный цикл берёт управление на себя.
При запуске модель сама решает:
- нужен ли инструмент,
- какой именно,
- как сформировать входные данные,
- и когда остановиться.
Вся логика » model-driven.
То есть вместо правил вида «если математика — зови калькулятор» или «если API упал — делай retry», модель динамически планирует шаги и выполняет их сама.
Workflow формируется во время выполнения, исходя из цели и доступных инструментов.
Выше в видео показано конкретный, прикладной пример.
Это агент на базе MCP, который умеет создавать видео в стиле 3Blue1Brown по одному простому промпту.
Сетап был минимальный:
- MCP-сервер с инструментом для запуска Manim-скриптов,
- затем описали агента с этими инструментами. Без системных промптов и без правил workflow.
Дальше модель сама:
- спланировала шаги,
- сгенерировала сцену Manim,
- и автономно вызвала нужный инструмент.
Даже минимальная конфигурация уже даёт удивительно высокий уровень возможностей. А по мере добавления лучших инструментов или моделей агент становится сильнее сам по себе - без переписывания workflow.
Фреймворк полностью
open source и работает с любым локальным сетапом. 📖
ВА 
