AWS lanza Strands Harness de código abierto para agentes de IA pre‑ensamblados

AWS anunció el lanzamiento público de Strands Harness el 23 de septiembre de 2026, presentándolo como una solución de agente de IA de código abierto bajo la licencia Apache 2.0, lo que permite a cualquier desarrollador descargar, inspeccionar y modificar el código sin restricciones de uso.

El proyecto se entrega como un paquete que, con una única importación, brinda un agente de IA completamente ensamblado, equipado con una consola interactiva, capacidades de lectura y escritura de archivos, acceso a la web, memoria persistente entre sesiones, gestión de listas de tareas, agentes auxiliares y un sistema de complementos para cargar nuevas habilidades.

Componentes principales y modelo predeterminado

El harness incluye Amazon Bedrock como modelo predeterminado, pero los desarrolladores pueden cambiar a modelos de Anthropic, OpenAI, Google u Ollama mediante una simple bandera de configuración, facilitando la experimentación con diferentes back‑ends de LLM sin reescribir la lógica del agente.

Cada instancia de agente incorpora un prompt del sistema ajustable, un gestor de contexto que rastrea el historial de conversaciones y ganchos que activan código personalizado antes o después de la ejecución de herramientas, reduciendo el esfuerzo de ingeniería necesario para crear asistentes autónomos listos para producción.

Mecanismos de eficiencia de tokens

Según Byline, el harness resume automáticamente la salida de herramientas de larga duración a aproximadamente 1 500 tokens, lo que evita que la ventana de contexto se llene con datos redundantes.

Cuando la ventana de contexto global alcanza alrededor del 85 % de su capacidad, una rutina de compactación elimina los mensajes más antiguos, preservando espacio para nuevas interacciones sin perder información esencial.

AWS afirma que, en seis conjuntos de pruebas, el harness logra una reducción promedio de tokens del 28 % mientras mantiene o mejora la precisión de las respuestas, y que el documento técnico completo que describe la metodología se publicará más adelante.

Reclamaciones de rendimiento con modelos específicos

Al combinar Strands Harness con el modelo Fable 5, AWS reporta un coste 77 % inferior respecto a Claude Code en cargas de trabajo comparables, y la misma configuración obtuvo una puntuación más alta en el benchmark Terminal Bench 2.1, aunque esos valores provienen de pruebas internas del proveedor.

El harness está implementado tanto en Python como en TypeScript, lo que permite su integración con una amplia gama de bases de código existentes y su despliegue en cualquier entorno Linux contenedorizado.

Los desarrolladores conservan la capacidad de personalizar el SDK subyacente si requieren cambios más profundos, garantizando flexibilidad para adaptarse a requisitos específicos de la empresa.

• Agente de importación única con consola y acceso al sistema de archivos
• Soporte multi‑modelo: Bedrock, Anthropic, OpenAI, Google, Ollama
• Resumen automático de salida de herramientas (~1 500 tokens)
• Compactación de ventana de contexto al ~85 % de utilización
• Desplegable en Python o TypeScript en cualquier contenedor Linux

La naturaleza de código abierto de Strands Harness significa que la comunidad puede contribuir con nuevos ganchos, cargadores de habilidades o estrategias de memoria, y AWS ha abierto un repositorio público en GitHub donde se gestionan incidencias, pull requests y actualizaciones de documentación de forma transparente.

Para organizaciones que ya dependen de los servicios de AWS, el harness ofrece una vía directa para integrar agentes autónomos con despliegues de Bedrock existentes, manteniendo la opción de migrar a proveedores alternativos si surgen consideraciones de licenciamiento o costes.

En la práctica, una empresa hispanohablante puede lanzar un asistente de IA completamente funcional en minutos, en lugar de semanas de desarrollo a medida, gracias a la arquitectura modular y a la documentación detallada que acompaña al proyecto.

La optimización de tokens incorporada reduce los gastos de cómputo en la nube, y la posibilidad de cambiar de proveedor de LLM ayuda a proteger la solución frente a cambios de precios o descontinuaciones de modelos, ofreciendo mayor resiliencia a largo plazo.

Este último párrafo está localizado para lectores de América Latina, destacando que Strands Harness puede desplegarse en centros de datos locales o en regiones de AWS como São Paulo y México, garantizando latencias bajas y cumplimiento de normativas regionales.