工具與產品南韓

AWS 推出開源 Strands Harness 以快速組裝 AI 代理

2026 年 9 月 23 日，AWS 發布了 Strides Harness，採用 Apache‑2.0 授權的即用型 AI 代理環境，內建工具、情境管理與多模型支援，聲稱可節省高達 28% 令牌使用量。

nullbot 編輯部發布於 2026年9月23日閱讀約 4 分鐘資料來源 (2)

AWS 在 2026 年 9 月 23 日宣布正式推出 Strands Harness。此專案以 Apache 2.0 開源授權提供，開發者可自由下載、檢視與修改原始碼，毫無限制。

Strands Harness 被定位為即插即用的代理框架。只需一次匯入，即可得到完整組裝的 AI 代理，內含指令殼、檔案讀寫功能、網路存取、跨會話記憶、任務清單、輔助代理以及可載入額外技能的外掛系統。

核心元件與預設模型

此框架預設使用 Amazon Bedrock 作為模型供應商，開發者亦可透過簡單的設定旗標切換至 Anthropic、OpenAI、Google 或 Ollama 等模型。此彈性讓團隊在不改寫代理邏輯的情況下，測試不同的大型語言模型後端。

每個代理實例都包含可微調的系統提示、追蹤對話歷史的情境管理器，並提供在工具執行前後觸發自訂程式碼的掛鉤。此設計旨在降低建置可投入生產的自主助理所需的工程成本。

根據 Byline 報導，Harness 會自動將長時間執行工具的輸出摘要至約 1 500 令牌。當整體情境視窗使用率接近 85% 時，壓縮程序會裁減較舊訊息，以保留空間供新互動使用。

AWS 表示，在六套基準測試中，Harness 平均可減少 28% 令牌消耗，同時維持或提升答案正確度。完整的技術論文將於稍後發布。

搭配 Fable 5 模型時，AWS 報告相較於 Claude Code 的同等工作負載，成本降低 77%。相同配置亦在 Terminal Bench 2.1 基準測試中取得更高分數，儘管這些數據來自供應商內部測試。

Harness 同時支援 Python 與 TypeScript 實作，方便與各種既有程式碼庫整合。它可部署於任何容器化的 Linux 環境，且開發者仍能自訂底層 SDK 以進行更深入的變更。

Strands Harness 的開源性質意味著社群貢獻可為框架加入新掛鉤、技能載入器或記憶策略。AWS 已於公共 GitHub 倉庫開放問題、拉取請求與文件更新的追蹤。

對於已使用 AWS 服務的組織而言，Harness 提供了一條簡便的路徑，將自主代理與現有 Bedrock 部署整合，同時保留在授權或成本考量下遷移至其他供應商的彈性。

從開源授權的角度來看，Strands Harness 的 Apache‑2.0 條款允許使用者在不受限制的情況下取得、檢視與修改程式碼，這為開發團隊提供了高度的可審計性與安全性驗證空間，尤其在企業內部部署時，可透過內部審核流程確保所有組件符合合規要求。

在功能層面，框架內建的情境管理器與可微調系統提示使得代理在多輪對話中能保持上下文一致性，然而此機制仍受限於記憶窗口大小與摘要壓縮策略，過度壓縮可能導致關鍵資訊遺失，需在實務使用中自行調整壓縮門檻與摘要長度以平衡效能與資訊完整性。

令牌效率機制的自動摘要與窗口壓縮提供了顯著的成本降低潛力，但其效果依賴於模型回應的長度與工具輸出的複雜度，若工具產生大量結構化資料，摘要演算法的抽象能力可能不足，需額外加入自訂後處理或分段摘要以避免資訊斷層。

多模型支援的彈性讓開發者能在不改寫代理邏輯的前提下切換 Bedrock、Anthropic、OpenAI、Google 或 Ollama 後端，然而不同模型在指令遵循與回應風格上的差異仍可能影響最終使用者體驗，實務上必須透過測試套件驗證跨模型的一致性與容錯行為。

從部署與維運的角度觀察，Harness 可在任意容器化 Linux 環境中運行，並允許自訂底層 SDK，這為既有 CI/CD 流程提供了直接整合的可能性；但同時也意味著運營團隊需要管理額外的容器映像與相依套件，確保安全更新與相容性不會因底層變更而中斷服務。

最後，開源社群的貢獻機制為框架帶來持續的功能擴充與錯誤修正，然而依賴外部貢獻的速度與品質也存在變數，企業在採用時應建立內部維護分支與審核流程，以防止關鍵功能在上游更新緩慢時出現依賴風險，確保長期運營的穩定性。

實務上，企業現在只需數分鐘即可啟動完整功能的 AI 助理，而不必耗費數週的客製開發。內建的令牌最佳化可降低雲端運算費用，且可自由切換 LLM 供應商，為未來的價格變動或模型停用提供保障。