उत्तरप्रकाशित2 माह पहलेLast edited 2 माह पहले19 स्रोत

AWS Strands Harness से लोकल AI एजेंट को डिप्लॉयमेंट के लिए कैसे तैयार करें

AWS Strands Harness एक ओपन सोर्स, तैयार एजेंट हार्नेस है, जो टूल एक्सेस, कॉन्टेक्स्ट मैनेजमेंट, मेमोरी, सेशन और डेलीगेशन को लोकल प्रोटोटाइप से डिप्लॉयमेंट तक एक ही आधार पर रखने का लक्ष्य रखता है। यह AWS तक सीमित रनटाइम नहीं है: डेवलपर Python या TypeScript में प्रोजेक्ट बनाकर अलग मॉडल प्रदाताओं और AWS, Google Cloud,...

प्रकाशितकर्ताGPT-5.6 Terra से संपादितGPT Image 2 से चित्र बनाए गए

Studio Global AI के साथ खोजें और तथ्यों की जांच करें और ट्रेंडिंग पेज देखें

शोध उत्तर

मुख्य निष्कर्ष

AWS Strands Harness एक ओपन सोर्स, तैयार एजेंट हार्नेस है, जो टूल एक्सेस, कॉन्टेक्स्ट मैनेजमेंट, मेमोरी, सेशन और डेलीगेशन को लोकल प्रोटोटाइप से डिप्लॉयमेंट तक एक ही आधार पर रखने का लक्ष्य रखता है।
यह AWS तक सीमित रनटाइम नहीं है: डेवलपर Python या TypeScript में प्रोजेक्ट बनाकर अलग मॉडल प्रदाताओं और AWS, Google Cloud, Azure, Cloudflare, Modal या लोकल वातावरण के लिए कॉन्फ़िगरेशन तैयार कर सकते हैं।
AWS के 28% कम लागत और Claude Code/Codex के मुकाबले लगभग 45% सस्ते होने जैसे दावे कंपनी की अपनी बेंचमार्किंग पर आधारित हैं; इन्हें अपने मॉडल, टूल, अनुमति और वास्तविक वर्कलोड पर परखना चाहिए।

Illustration representing an AI agent moving from local development to cloud deployment — How does AWS’s open-source Strands Harness—built on the Strands Agents SDK and supporting frontier and local models across local environmentStrands Harness is positioned as a reusable operational layer for locally prototyped and cloud-deployed AI agents.
AI संकेत
Create 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
openai.com

Strands Harness, AWS का ओपन-सोर्स प्रयास है जो एक अच्छे लोकल AI-एजेंट डेमो और वास्तविक रूप से डिप्लॉय किए जा सकने वाले ऐप के बीच की दूरी कम करना चाहता है। यह Strands इकोसिस्टम के ऊपर एक सामान्य-उद्देश्यीय एजेंट आधार देता है। यानी डेवलपर मॉडल और काम से शुरुआत कर सकते हैं, फिर टूल, स्टेट और डिप्लॉयमेंट कॉन्फ़िगरेशन जोड़ सकते हैं—हर वातावरण के लिए एजेंट लूप दोबारा बनाए बिना। AWS इसे लोकल मशीन पर चलाने या पसंदीदा प्रदाता पर डिप्लॉय करने योग्य बताता है, न कि केवल AWS तक सीमित रनटाइम के रूप में। 7

मॉडल के आसपास हार्नेस क्यों जरूरी है

AI मॉडल अपने-आप में भरोसेमंद एजेंट नहीं बनता। एजेंट को कॉन्टेक्स्ट कैसे मिलता है, वह टूल कैसे चलाता है, स्टेट कैसे रखता है, काम कैसे बांटता है और उसकी क्रियाओं की सीमा क्या है—ये सब हार्नेस तय करता है।

Strands Harness में फाइल ऑपरेशन, शेल कमांड चलाना, वेब टूल, कॉन्टेक्स्ट मैनेजमेंट, लगातार चलने वाले सेशन और मेमोरी, प्रॉम्प्ट कैशिंग तथा कई एजेंटों के बीच काम सौंपने की सुविधाएं पहले से कॉन्फ़िगर रूप में मिलती हैं। 5

यह इसलिए उपयोगी है क्योंकि इंटरैक्टिव प्रोटोटाइप को ऐप सेवा में बदलते समय डेवलपर को अक्सर इन्हीं हिस्सों को अलग-अलग जोड़ना पड़ता है। साझा हार्नेस होने पर मॉडल प्रदाता या होस्टिंग वातावरण बदलने पर भी टूल और स्टेट का मॉडल अधिक सुसंगत रह सकता है।

Strands, Model Context Protocol (MCP) भी सपोर्ट करता है। MCP एजेंटों को बाहरी रूप से होस्ट किए गए टूल से जोड़ने का एक ओपन स्टैंडर्ड है। इसके जरिए एजेंट को हर इंटीग्रेशन का कोड अपने भीतर हार्ड-कोड किए बिना अनुमोदित आंतरिक सिस्टम या थर्ड-पार्टी सेवाओं तक पहुंच दी जा सकती है। Strands SDK का मॉडल-प्रदाता ढांचा भी प्लग करने योग्य है: इसमें Amazon Bedrock, Anthropic API, OpenAI और Ollama जैसे ओपन-सोर्स या लोकल-मॉडल विकल्प शामिल हैं। 15

वर्कस्टेशन से डिप्लॉयमेंट तक का रास्ता

इसकी पोर्टेबिलिटी का विचार सीधा है: एजेंट को पहले लोकल मशीन पर प्रोटोटाइप करें, उसे Python या TypeScript प्रोजेक्ट के रूप में तैयार करें, सॉफ्टवेयर की तरह टेस्ट करें और फिर लक्ष्य वातावरण के अनुसार कॉन्फ़िगरेशन के साथ डिप्लॉय करें। रिलीज़ पर हुई रिपोर्टिंग में AWS, Google Cloud, Azure, Cloudflare, Modal और लोकल वातावरण के लिए डिप्लॉयमेंट गाइडेंस का उल्लेख है। 6

हालांकि, इसका अर्थ एक क्लिक में प्रोडक्शन-रेडी होना नहीं है। डिप्लॉय किए जा सकने वाले एजेंट को सुरक्षा और ऑपरेशंस की अलग, सोच-समझकर बनाई गई परत चाहिए:

एजेंट को केवल उतनी ही फाइल, शेल, नेटवर्क और डेटा अनुमति दें, जितनी उसके काम के लिए जरूरी हो।
सीक्रेट और प्रदाता क्रेडेंशियल को प्रॉम्प्ट तथा सोर्स कंट्रोल से बाहर रखें।
MCP सर्वर और बाहरी टूल को अपनी ट्रस्ट बाउंड्री का हिस्सा मानें।
इन्फ्रास्ट्रक्चर बदलने, संदेश भेजने या प्रोडक्शन डेटा संशोधित करने जैसे असरदार कामों के लिए अनुमोदन या सैंडबॉक्सिंग रखें।
प्रोडक्शन में भरोसा करने से पहले लॉगिंग, मॉनिटरिंग, टेस्ट और अपने वर्कलोड के अनुरूप मूल्यांकन जोड़ें।

हार्नेस इंटीग्रेशन का काम कम कर सकता है, लेकिन संगठन की एक्सेस कंट्रोल नीति, जोखिम स्वीकार्यता या विश्वसनीयता का स्तर तय नहीं कर सकता।

Strands CLI से त्वरित शुरुआत

आधिकारिक क्विकस्टार्ट के अनुसार CLI के लिए Node.js 20 या नया संस्करण चाहिए। सेटअप असिस्टेंट में डेवलपर Python या TypeScript और मॉडल प्रदाता चुन सकता है। Python प्रोजेक्ट के लिए Python 3.10 या बाद का संस्करण आवश्यक है। 2

# इंटरैक्टिव CLI इंस्टॉल करें
npm install -g @strands-agents/cli

# सेटअप असिस्टेंट शुरू करें
strands

Python प्रोजेक्ट के लिए डॉक्यूमेंटेड इंस्टॉलेशन पथ:

python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install strands-harness

TypeScript के लिए नया Node.js प्रोजेक्ट शुरू करें और मौजूदा क्विकस्टार्ट के अनुसार @strands-agents/harness इंस्टॉल करें। 2

एक व्यावहारिक तरीका यह है कि इंटरैक्टिव सेटअप में एजेंट की भूमिका, अनुमत टूल, पसंदीदा प्रदाता और मेमोरी जरूरतें तय करें; उसे लोकल रूप से चलाएं; और फिर बने या कॉन्फ़िगर किए गए प्रोजेक्ट को डिप्लॉय करने योग्य आर्टिफैक्ट की तरह कमिट व टेस्ट करें। CLI का सटीक वर्कफ़्लो रिलीज़ के साथ बदल सकता है, इसलिए किसी विशेष जनरेशन या एक्सपोर्ट कमांड पर निर्भर होने से पहले strands --help और मौजूदा क्विकस्टार्ट जरूर देखें। 2

मॉडल की आज़ादी का मतलब प्रदाता सेटअप से मुक्ति नहीं

Strands अलग-अलग प्रदाताओं के साथ काम करने के लिए बनाया गया है, पर पोर्टेबिलिटी से हर प्रदाता की एक्सेस जरूरतें खत्म नहीं होतीं। Harness SDK डिफॉल्ट रूप से Amazon Bedrock का उपयोग करता है, जहां चुने गए मॉडल के लिए AWS क्रेडेंशियल और मॉडल एक्सेस सक्षम होना जरूरी है। 12 दूसरे प्रदाताओं के लिए भी उनके अपने क्रेडेंशियल, एंडपॉइंट, मूल्य व्यवस्था और नीतिगत नियंत्रण होंगे।

लोकल या ओपन-वेट मॉडल इस्तेमाल करने वाली टीमों के लिए, Strands के संबंधित बेंचमार्क-हार्नेस दस्तावेज़ LiteLLM और vLLM जैसे रनटाइम व प्रदाता इंटरफेस के जरिए समर्थन का उल्लेख करते हैं। 18 व्यावहारिक निष्कर्ष यह है कि एजेंट के ऑपरेशनल डिज़ाइन को किसी एक मॉडल विक्रेता से अलग रखा जा सकता है—लेकिन मॉडल या रनटाइम बदलने पर गुणवत्ता, लेटेंसी और टूल की विश्वसनीयता फिर से जांचनी चाहिए।

AWS के दक्षता दावे: उपयोगी संकेत, खरीद की गारंटी नहीं

AWS का कहना है कि समान Claude या GPT मॉडल के साथ छह बेंचमार्क में Strands Harness की लागत दूसरे हार्नेस से 28% कम रही और सटीकता लगभग बराबर बनी रही। 7 AWS की तुलना पर अलग रिपोर्टों में Claude Code और Codex के मुकाबले लगभग 45% सस्ता होने का दावा भी बताया गया है, जबकि DeepSeek Harness को शामिल करने पर अंतर 28% तक सीमित बताया गया। ये अलग तुलना-समूह हैं, इसलिए इन्हें एक ही सार्वभौमिक बचत आंकड़ा नहीं मानना चाहिए। 5

इन दावों की जांच करना महत्वपूर्ण है, क्योंकि कॉन्टेक्स्ट बनाना, टूल आउटपुट संभालना, ऑर्केस्ट्रेशन और वेरिफिकेशन—सभी टोकन उपयोग और काम के नतीजों पर असर डाल सकते हैं। एक शोध-पोजीशन पेपर भी कहता है कि समान क्षमता वाले मॉडल के साथ लंबे कार्यों में हार्नेस, यानी निष्पादन परत, मॉडल से अधिक प्रदर्शन-अंतर पैदा कर सकती है। 17

लेकिन ये बेंचमार्क AWS की रिपोर्टिंग पर आधारित हैं। The Register ने नोट किया कि रिलीज़ में एक सामान्य-उद्देश्यीय हार्नेस की तुलना कोडिंग एजेंटों से की गई और इसे AWS का अपना “होमवर्क खुद जांचना” बताया। 3 इसका मतलब यह नहीं कि परिणाम गलत हैं; इसका अर्थ सिर्फ इतना है कि वे हर एजेंट वर्कलोड के लिए Strands के सस्ता या बेहतर होने का स्वतंत्र प्रमाण नहीं हैं।

निष्पक्ष आंतरिक तुलना में मॉडल, प्रॉम्प्ट, टास्क-सेट, टूल, अनुमतियां, रीट्राई नीति, लेटेंसी लक्ष्य और लागत लेखांकन एक जैसे रखने चाहिए। प्रासंगिक लागत केवल इनपुट और आउटपुट टोकन नहीं है; इसमें टूल कॉल, स्टोरेज, इन्फ्रास्ट्रक्चर, मानव समीक्षा, विफलताएं और गलत कार्रवाई की कीमत भी शामिल हो सकती है।

किन स्थितियों में Strands Harness सही विकल्प हो सकता है

Strands Harness उन डेवलपरों के लिए ज्यादा आकर्षक है जिन्हें वास्तविक टूल एक्सेस और स्टेटफुल व्यवहार के साथ सामान्य-उद्देश्यीय एजेंट की शुरुआत चाहिए, लेकिन मॉडल और डिप्लॉयमेंट टारगेट चुनने की स्वतंत्रता भी बनाए रखनी है। यह खासकर तब उपयोगी है जब किसी लोकल प्रूफ-ऑफ-कॉन्सेप्ट को मेमोरी, टूल इंटीग्रेशन, कॉन्टेक्स्ट नियंत्रण या क्लाउड डिप्लॉयमेंट पाथ पाने के लिए बड़ा री-राइट करना पड़ता। 5 7

इसके बेंचमार्क दावों को पूर्वानुमान नहीं, परखे जाने योग्य परिकल्पना मानें। एक सीमित और सैंडबॉक्स किए गए एजेंट से शुरू करें; केवल जरूरी टूल दें; प्रतिनिधि कार्यों पर टास्क-सक्सेस, लेटेंसी और कुल लागत मापें; और प्रोडक्शन कंट्रोल लागू होने के बाद ही उसे आगे बढ़ाएं।

Studio Global AI

अपना शोध जारी रखें

इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।

Studio Global AI के साथ खोजें और तथ्यों की जांच करें

लोग पूछते भी हैं