AWS lance Strands Harness, un framework open‑source d’agents IA prêts à l’emploi

AWS a annoncé le lancement public de Strands Harness le 23 septembre 2026. Le projet est proposé en open‑source sous licence Apache 2.0, ce qui permet aux développeurs de télécharger, inspecter et modifier le code sans restriction.

Le framework se veut immédiatement opérationnel : une seule importation suffit pour obtenir un agent IA complet, doté d’un shell interactif, de capacités de lecture et d’écriture de fichiers, d’un accès web, d’une mémoire inter‑session, d’une liste de tâches, d’agents auxiliaires et d’un système de plug‑ins extensible.

Composants de base et modèle par défaut

Le harness intègre Amazon Bedrock comme fournisseur de modèle par défaut, mais les développeurs peuvent basculer vers les modèles d’Anthropic, OpenAI, Google ou Ollama grâce à un simple drapeau de configuration. Cette flexibilité vise à permettre aux équipes d’expérimenter différents back‑ends LLM sans réécrire la logique de l’agent.

Chaque instance d’agent comprend un prompt système ajustable, un gestionnaire de contexte qui suit l’historique complet des conversations, et des hooks déclenchant du code personnalisé avant ou après l’exécution d’un outil. Le design vise à réduire l’effort d’ingénierie nécessaire pour construire un assistant autonome prêt pour la production.

Mécanismes d’efficacité des tokens

Selon Byline, le harness résume automatiquement la sortie des outils de longue durée à environ 1 500 tokens. Lorsque la fenêtre de contexte globale atteint environ 85 % de sa capacité, une routine de compaction élimine les messages les plus anciens afin de libérer de l’espace pour les nouvelles interactions.

AWS affirme que, sur six suites de benchmarks, le harness obtient une réduction moyenne de 28 % du nombre de tokens tout en maintenant ou en améliorant la précision des réponses. Le document technique complet décrivant la méthodologie sera publié ultérieurement.

Performances avec des modèles spécifiques

En combinaison avec le modèle Fable 5, AWS rapporte un coût 77 % inférieur comparé à Claude Code pour des charges de travail similaires. La même configuration a également obtenu un meilleur score sur le benchmark Terminal Bench 2.1, bien que ces chiffres proviennent des tests internes du fournisseur.

Le harness est implémenté en Python et en TypeScript, ce qui permet son intégration dans un large éventail de bases de code existantes. Il peut être déployé dans n’importe quel environnement Linux conteneurisé, et les développeurs conservent la possibilité de personnaliser le SDK sous‑jacent si des modifications plus profondes sont nécessaires.

• Agent à import unique avec shell et accès au système de fichiers
• Prise en charge multi‑modèles : Bedrock, Anthropic, OpenAI, Google, Ollama
• Résumé automatique des sorties d’outil (~1 500 tokens)
• Compaction de la fenêtre de contexte à ~85 % d’utilisation
• Déployable en Python ou TypeScript sur tout conteneur Linux

Le caractère open‑source de Strands Harness signifie également que les contributions de la communauté peuvent étendre le framework avec de nouveaux hooks, chargeurs de compétences ou stratégies de mémoire. AWS a ouvert un dépôt public sur GitHub où les problèmes, pull requests et mises à jour de documentation sont suivis de manière transparente.

Pour les organisations qui utilisent déjà les services AWS, le harness offre une voie directe pour intégrer des agents autonomes à leurs déploiements Bedrock existants tout en conservant la possibilité de migrer vers d’autres fournisseurs si des considérations de licence ou de coût surgissent.

En pratique, une entreprise française peut désormais lancer un assistant IA pleinement fonctionnel en quelques minutes, au lieu de plusieurs semaines de développement sur mesure. L’optimisation des tokens intégrée réduit les dépenses de calcul cloud, et la possibilité d’échanger les fournisseurs de LLM aide à anticiper les évolutions de prix ou les dépréciations de modèles.

Les équipes de recherche peuvent exploiter le harness pour réaliser des prototypes rapides, tester des scénarios d’interaction complexes et mesurer l’impact des stratégies de compression de contexte, le tout sans devoir gérer l’infrastructure sous‑jacente.

AWS prévoit également d’ajouter prochainement un tableau de bord de suivi des métriques d’utilisation, permettant aux opérateurs de visualiser en temps réel la consommation de tokens, la latence des appels d’outil et les taux d’erreur des modèles.

Les premiers retours de la communauté open‑source soulignent la simplicité d’intégration et la qualité de la documentation, même si certains souhaitent davantage de modèles locaux pré‑emballés pour des environnements hors‑ligne.

En résumé, Strands Harness se positionne comme un socle robuste pour la création d’agents IA autonomes, combinant extensibilité, efficacité économique et compatibilité multi‑fournisseur, le tout sous une licence permissive.

À Paris, les développeurs de la startup AI‑Boost ont déjà déployé une version de démonstration du harness pour automatiser la collecte de données clients, réduisant le temps de traitement de 30 % et les coûts cloud de 22 %.