الإجاباتمنشور19 المصادر
كيف يساعد AWS Strands Harness في تحويل وكلاء الذكاء الاصطناعي المحليين إلى تطبيقات قابلة للنشر
يوفر AWS Strands Harness نقطة انطلاق مفتوحة المصدر لوكلاء الذكاء الاصطناعي، مع الأدوات وإدارة السياق والذاكرة والجلسات المستمرة والتفويض بين عدة وكلاء، ليبقى أساس الوكيل متسقاً من التطوير المحلي إلى النشر. يدعم Strands مزودي نماذج متعددين وبروتوكول MCP لربط الوكلاء بأدوات خارجية، لكن قابلية النقل لا تلغي إعداد بيانا...
نشر بواسطةتم التحرير باستخدام GPT-5.6 Terraتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- يوفر AWS Strands Harness نقطة انطلاق مفتوحة المصدر لوكلاء الذكاء الاصطناعي، مع الأدوات وإدارة السياق والذاكرة والجلسات المستمرة والتفويض بين عدة وكلاء، ليبقى أساس الوكيل متسقاً من التطوير المحلي إلى النشر.
- يدعم Strands مزودي نماذج متعددين وبروتوكول MCP لربط الوكلاء بأدوات خارجية، لكن قابلية النقل لا تلغي إعداد بيانات الاعتماد والصلاحيات وسياسات كل مزود.
- تقول AWS إن Strands Harness أقل كلفة بنسبة 28% في اختبارات محددة، إلا أن هذه نتائج أصدرتها AWS نفسها ولا ينبغي اعتبارها ضماناً عاماً لتكلفة أو دقة أي عبء عمل.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: How does AWS’s open-source Strands Harness—built on the Strands Agents SDK and supporting frontier and local models across local environment. Article summary: Strands Harness is AWS’s ready-made, open-source agent runtime: rather than assembling an agent loop, tools, state, and deployment path yourself, developers begin with a general-purpose agent locally and adapt or export . Topic tags: general, documentation, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, w
Strands Harness هو طرح AWS مفتوح المصدر لتقليص الفجوة بين عرض تجريبي واعد لوكيل ذكاء اصطناعي يعمل على جهاز المطوّر، وبين تطبيق يمكن نشره وتشغيله. فهو يضع فوق منظومة Strands أساساً عاماً للوكيل: تبدأ بالنموذج والمهمة، ثم تضيف الأدوات والحالة وإعدادات النشر، من دون إعادة بناء حلقة الوكيل لكل بيئة. وتصفه AWS بأنه قابل للتشغيل محلياً أو للنشر لدى المزود الذي يفضله المطوّر، وليس وقت تشغيل محصوراً في AWS. 7
ما الذي يضيفه Strands Harness حول النموذج؟
لا يكفي نموذج لغوي وحده لإنشاء وكيل موثوق. فالطبقة المحيطة به هي التي تحدد كيف يتلقى الوكيل السياق، ويستدعي الأدوات، ويحتفظ بالحالة، ويفوض المهام، ويلتزم بحدود التنفيذ. يوفر Strands Harness نقطة بدء مجهزة مسبقاً تشمل عمليات الملفات، وتنفيذ أوامر الصدفة، وأدوات الويب، وإدارة السياق، والجلسات والذاكرة المستمرة، وتخزين المطالبات مؤقتاً، والتفويض بين عدة وكلاء. 5
تكمن الفائدة في أن هذه هي الأجزاء التي يضطر المطورون غالباً إلى تجميعها بأنفسهم عند تحويل النموذج الأولي التفاعلي إلى خدمة تطبيقية. ومع طبقة تشغيل مشتركة، يمكن للوكيل الاحتفاظ بنموذج ثابت للأدوات والحالة حتى عند تغيير مزود النموذج أو بيئة الاستضافة.
يدعم Strands أيضاً بروتوكول سياق النموذج (MCP)، وهو معيار مفتوح لربط الوكلاء بأدوات مستضافة خارجياً. ويمكن أن يتيح ذلك للوكيل استخدام أنظمة داخلية معتمدة أو خدمات من أطراف ثالثة، من دون تضمين كل تكامل برمجياً داخل الوكيل. كما يدعم SDK الأساسي لـStrands نهجاً قابلاً للتوصيل وغير مقيد بمزود نموذج واحد، بما يشمل Amazon Bedrock وواجهة Anthropic وOpenAI وخيارات النماذج المفتوحة أو المحلية مثل Ollama. 
من نموذج على جهازك إلى عملية نشر فعلية
فكرة قابلية النقل مباشرة: طوّر الوكيل محلياً، ثم أنشئه أو نظمه كمشروع Python أو TypeScript، واختبره باعتباره برمجية، ثم انشره مع إعدادات خاصة بالبيئة المستهدفة. وتشير التغطية الخاصة بالإصدار إلى إرشادات للنشر على AWS وGoogle Cloud وAzure وCloudflare وModal، إضافة إلى البيئات المحلية. 6
لكن هذا لا يعني أن الجاهزية للإنتاج تأتي بنقرة واحدة. فالوكيل القابل للنشر يحتاج إلى طبقة أمن وتشغيل مصممة بعناية:
- امنح الوكيل أقل قدر من صلاحيات الملفات والصدفة والشبكة والبيانات اللازمة لمهمته.
- احتفظ بالأسرار وبيانات اعتماد مزودي النماذج خارج المطالبات ومستودعات الشفرة.
- اعتبر خوادم MCP والأدوات الخارجية جزءاً من حدود الثقة الأمنية.
- اطلب موافقة بشرية أو استخدم بيئة معزولة للإجراءات المؤثرة، مثل تغيير البنية التحتية أو إرسال الرسائل أو تعديل بيانات الإنتاج.
- أضف السجلات والمراقبة والاختبارات وتقييماً ملائماً لعبء العمل قبل الاعتماد على الوكيل في الإنتاج.
قد تخفف طبقة التشغيل من أعمال التكامل، لكنها لا تستطيع اتخاذ قرارات المؤسسة بشأن ضوابط الوصول أو مستوى المخاطر المقبول أو متطلبات الاعتمادية.
بداية سريعة عبر Strands CLI
تتطلب أداة سطر الأوامر الرسمية Node.js 20 أو أحدث، وتتيح للمطور اختيار Python أو TypeScript ومزود النموذج. أما مشاريع Python فتتطلب Python 3.10 أو أحدث. 2
# تثبيت أداة سطر الأوامر التفاعلية
npm install -g @strands-agents/cli
# بدء مساعد الإعداد
strands
لمشروع Python، يكون مسار التثبيت الموثق كالتالي:
python -m venv .venv
source .venv/bin/activate # في Windows: .venv\Scripts\activate
pip install strands-harness
أما في TypeScript، فأنشئ مشروع Node.js وثبّت @strands-agents/harness وفقاً لدليل البداية السريعة الحالي. 2
عملياً، يمكن استخدام الإعداد التفاعلي لتحديد دور الوكيل والأدوات المسموح بها والمزود المفضل واحتياجات الذاكرة، ثم تشغيله محلياً، وبعد ذلك حفظ المشروع المُولَّد أو المُعدّ في نظام التحكم بالإصدارات واختباره باعتباره القطعة القابلة للنشر. وقد تتغير خطوات CLI الدقيقة بين الإصدارات؛ لذلك راجع strands --help ودليل البداية السريعة الحالي قبل الاعتماد على أمر محدد للتوليد أو التصدير. 2
مرونة النماذج لا تلغي إعدادات المزود
صُمم Strands للعمل عبر مزودين متعددين، لكن قابلية النقل لا تعفيك من متطلبات الوصول الخاصة بكل مزود. يعتمد SDK الخاص بـHarness افتراضياً على Amazon Bedrock، حيث يلزم إعداد بيانات اعتماد AWS وتفعيل الوصول إلى النموذج المختار. 12 وبالمثل، يتطلب كل مزود آخر بيانات اعتماد ونقاط نهاية وترتيبات تسعير وضوابط سياسات خاصة به.
وبالنسبة إلى الفرق التي تستخدم نماذج محلية أو مفتوحة الأوزان، تصف مواد Strands الدعم عبر واجهات المزودين وبيئات تشغيل مثل LiteLLM وvLLM في أعمال مرتبطة بطبقات الاختبار. 18 والمعنى العملي هو إمكان فصل التصميم التشغيلي للوكيل عن بائع نموذج واحد، مع ضرورة إعادة اختبار الجودة وزمن الاستجابة وموثوقية الأدوات كلما تغير النموذج أو بيئة التشغيل.
ادعاءات AWS بشأن الكفاءة: مفيدة للاختبار، لا لضمان الشراء
تقول AWS إن Strands Harness أقل كلفة بنسبة 28% من طبقات تشغيل أخرى عند استخدام نماذج Claude أو GPT نفسها عبر ستة اختبارات معيارية، مع دقة متقاربة جداً. 7 وتحدثت تغطيات منفصلة عن نتيجة تقارب 45% أقل كلفة مقارنة بـClaude Code وCodex، وعن نسبة 28% الأضيق عند إدراج DeepSeek Harness. وهذه مجموعات مقارنة مختلفة، لذا لا ينبغي التعامل معها كرقم توفير عالمي واحد.
5
تستحق هذه الادعاءات الفحص لأن بناء السياق، والتعامل مع مخرجات الأدوات، والتنسيق، والتحقق، يمكن أن يؤثر بوضوح في استهلاك الرموز ونتائج المهام معاً. وتذهب ورقة موقف بحثية إلى أن طبقة تنفيذ الوكيل قد تكون، في المهام طويلة الأفق ومع نماذج متقاربة القدرة، عاملاً أقوى في اختلاف الأداء من النموذج نفسه. 17
لكن الاختبارات المعيارية تظل صادرة عن AWS. وقد أشارت صحيفة The Register إلى أن الإصدار قارن طبقة تشغيل عامة بوكلاء برمجة، ووصفت التقييم بأنه AWS «تصحح واجبها بنفسها». 3 لا يثبت ذلك أن النتائج خاطئة، لكنه يعني أنها ليست دليلاً مستقلاً على أن Strands سيكون الأرخص أو الأفضل لكل أحمال عمل الوكلاء.
لإجراء مقارنة داخلية منصفة، ثبّت النموذج والمطالبات ومجموعة المهام والأدوات والصلاحيات وسياسة إعادة المحاولة وهدف زمن الاستجابة وطريقة احتساب الكلفة. ولا تقتصر الكلفة ذات الصلة على رموز الإدخال والإخراج؛ فقد تشمل استدعاءات الأدوات والتخزين والبنية التحتية والمراجعة البشرية والإخفاقات وكلفة الإجراء الخاطئ.
متى يكون Strands Harness خياراً مناسباً؟
يكون Strands Harness مقنعاً خصوصاً للمطورين الذين يريدون نقطة انطلاق عامة لوكيل يمتلك وصولاً فعلياً إلى الأدوات وسلوكاً ذا حالة مستمرة، مع الاحتفاظ بحرية اختيار النماذج ووجهات النشر. وهو ملائم على نحو خاص عندما يتطلب النموذج الأولي المحلي عادةً إعادة كتابة كبيرة لإضافة الذاكرة أو تكاملات الأدوات أو ضوابط السياق أو مسار النشر السحابي. 5
7
الأفضل التعامل مع نتائج الاختبارات المعيارية بوصفها فرضية قابلة للاختبار لا توقعاً مضموناً: ابدأ بوكيل محدود النطاق وفي بيئة معزولة، واستخدم فقط الأدوات التي يحتاجها فعلاً، وقِس نجاح المهام وزمن الاستجابة والكلفة الكلية على عمل ممثل لبيئتك، ثم انقله إلى الإنتاج بعد اكتمال الضوابط التشغيلية.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "كيف يساعد AWS Strands Harness في تحويل وكلاء الذكاء الاصطناعي المحليين إلى تطبيقات قابلة للنشر"؟
يوفر AWS Strands Harness نقطة انطلاق مفتوحة المصدر لوكلاء الذكاء الاصطناعي، مع الأدوات وإدارة السياق والذاكرة والجلسات المستمرة والتفويض بين عدة وكلاء، ليبقى أساس الوكيل متسقاً من التطوير المحلي إلى النشر.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
يوفر AWS Strands Harness نقطة انطلاق مفتوحة المصدر لوكلاء الذكاء الاصطناعي، مع الأدوات وإدارة السياق والذاكرة والجلسات المستمرة والتفويض بين عدة وكلاء، ليبقى أساس الوكيل متسقاً من التطوير المحلي إلى النشر. يدعم Strands مزودي نماذج متعددين وبروتوكول MCP لربط الوكلاء بأدوات خارجية، لكن قابلية النقل لا تلغي إعداد بيانات الاعتماد والصلاحيات وسياسات كل مزود.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
تقول AWS إن Strands Harness أقل كلفة بنسبة 28% في اختبارات محددة، إلا أن هذه نتائج أصدرتها AWS نفسها ولا ينبغي اعتبارها ضماناً عاماً لتكلفة أو دقة أي عبء عمل.
المصادر
strandsagents.comIntroducing Strands harness: frontier performance with 28% lower ...
daily.devAWS open-sources an AI agent it says is 45% cheaper than...
marktechpost.comAWS Strands Agents Team Releases Strands Harness: An Open-Source Agent Harness With 28% Lower Token Cost at Comparable Accuracy
