AnswersPublished19 sources
AWS Strands Harness, yerelde geliştirilen yapay zekâ ajanlarını nasıl dağıtıma hazırlar?
Strands Harness, yerelde prototiplenen bir yapay zekâ ajanını; araçlar, bağlam yönetimi, kalıcı oturumlar, bellek ve delegasyon gibi bileşenleri koruyarak dağıtılabilir Python veya TypeScript projesine dönüştürmeyi he... AWS’nin yüzde 28 daha düşük maliyet iddiası şirketin kendi kıyaslamalarına dayanıyor.
YayımlayanGPT-5.6 Terra ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Strands Harness, yerelde prototiplenen bir yapay zekâ ajanını; araçlar, bağlam yönetimi, kalıcı oturumlar, bellek ve delegasyon gibi bileşenleri koruyarak dağıtılabilir Python veya TypeScript projesine dönüştürmeyi he...
- AWS’nin yüzde 28 daha düşük maliyet iddiası şirketin kendi kıyaslamalarına dayanıyor.
AI Prompt
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, AWS’nin yerelde çalışan umut verici bir yapay zekâ ajanı demosu ile dağıtılabilir uygulama arasındaki boşluğu kapatma girişimi. Strands ekosisteminin üzerine kurulu, genel amaçlı ve açık kaynaklı bir ajan altyapısı sunuyor. Geliştirici bir model ve görevle başlayıp araçları, durumu ve dağıtım yapılandırmasını ekleyebiliyor; her ortam için ajan döngüsünü baştan yazmak zorunda kalmıyor. AWS, ürünü yalnızca AWS’ye bağlı bir çalışma zamanı olarak değil, yerelde çalıştırılabilen veya tercih edilen sağlayıcıya dağıtılabilen bir yapı olarak tanımlıyor. 7
Modelin çevresindeki katman neden önemli?
Tek başına bir dil modeli, güvenilir bir ajan oluşturmaz. Ajanın bağlamı nasıl aldığı, hangi araçları çağırdığı, durumu nasıl koruduğu, işi başka ajanlara nasıl devrettiği ve yürütme sınırları gibi konular bu çevre katmanda belirlenir.
Strands Harness; dosya işlemleri, kabuk komutu çalıştırma, web araçları, bağlam yönetimi, kalıcı oturumlar ve bellek, istem önbellekleme ve çoklu ajan delegasyonu içeren önceden yapılandırılmış bir başlangıç noktası sağlıyor. 5 Böylece geliştiriciler, etkileşimli bir prototipi uygulama hizmetine dönüştürürken normalde ayrı ayrı birleştirmeleri gereken parçaları ortak bir temelde kullanabiliyor.
Strands ayrıca, ajanları haricî araçlara bağlamak için açık bir standart olan Model Context Protocol’ü (MCP) destekliyor. MCP sayesinde ajan, her entegrasyonu kendi koduna sabitlemeden onaylı iç sistemlere veya üçüncü taraf hizmetlere erişebiliyor. Alttaki Strands SDK’sı da modele bağımsız ve takılabilir sağlayıcı yaklaşımı sunuyor: Amazon Bedrock, Anthropic API, OpenAI ile Ollama gibi açık kaynaklı ya da yerel model seçenekleri destekleniyor. 
İş istasyonundan dağıtıma giden yol
Ürünün taşınabilirlik vaadi basit: Ajanı yerel bilgisayarınızda prototipleyin, Python veya TypeScript projesi olarak oluşturun ya da yapılandırın, yazılım gibi test edin ve ortama özel ayarlarla dağıtın. Yayınla ilgili haberlerde AWS, Google Cloud, Azure, Cloudflare, Modal ve yerel ortamlar için dağıtım rehberliğinden söz ediliyor. 6
Bu, tek tıklamayla üretime hazır olma anlamına gelmiyor. Dağıtılabilir bir ajanın ayrıca bilinçli biçimde tasarlanmış bir güvenlik ve operasyon katmanına ihtiyacı var:
- Ajana yalnızca görevi için gerekli dosya, kabuk, ağ ve veri izinlerini verin.
- Gizli anahtarları ve sağlayıcı kimlik bilgilerini istemlerin ve kaynak kodun dışında tutun.
- MCP sunucularını ve haricî araçları güven sınırının bir parçası olarak değerlendirin.
- Altyapı değiştirme, mesaj gönderme veya üretim verisini güncelleme gibi sonuç doğuran işlemlerde onay mekanizması ya da sandbox kullanın.
- Üretimde ajana güvenmeden önce günlükleme, izleme, testler ve iş yüküne özel değerlendirmeler ekleyin.
Harness, entegrasyon işini azaltabilir; ancak kurumun erişim denetimlerini, risk toleransını veya güvenilirlik ölçütlerini sizin yerinize belirleyemez.
Strands CLI ile hızlı başlangıç
Resmî hızlı başlangıç dokümanına göre CLI için Node.js 20 veya üzeri gerekiyor. Kurulum sihirbazı, geliştiricinin Python ya da TypeScript seçmesine ve model sağlayıcısını belirlemesine yardımcı oluyor. Python projeleri için Python 3.10 veya üzeri isteniyor. 2
# Etkileşimli CLI'yi yükleyin
npm install -g @strands-agents/cli
# Kurulum yardımcısını başlatın
strands
Python projesi için dokümante edilen yol şöyle:
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install strands-harness
TypeScript tarafında bir Node.js projesi başlatıp güncel hızlı başlangıç rehberindeki @strands-agents/harness kurulumunu izlemek gerekiyor. 2
Pratik yaklaşım; etkileşimli kurulumda ajanın rolünü, izinli araçlarını, tercih edilen sağlayıcıyı ve bellek ihtiyacını tanımlamak; ajanı yerelde çalıştırmak; ardından oluşturulan veya yapılandırılan projeyi dağıtım eseri olarak sürüm kontrolüne alıp test etmektir. CLI akışı sürümler arasında değişebileceğinden, belirli bir kod üretme ya da dışa aktarma komutuna bağlı kalmadan önce strands --help çıktısını ve güncel hızlı başlangıç sayfasını kontrol edin. 2
Model esnekliği, sağlayıcı kurulumunu ortadan kaldırmaz
Strands farklı sağlayıcılarla çalışmak üzere tasarlansa da taşınabilirlik, sağlayıcıya özgü erişim gerekliliklerini yok etmiyor. Harness SDK’sı varsayılan olarak Amazon Bedrock’ı kullanıyor; seçilen model için AWS kimlik bilgilerinin yapılandırılması ve model erişiminin etkinleştirilmesi gerekiyor. 12 Diğer sağlayıcılar da kendi kimlik bilgilerini, uç noktalarını, fiyatlandırmalarını ve politika denetimlerini gerektiriyor.
Yerel veya açık ağırlıklı model kullanan ekipler için Strands belgeleri, ilgili kıyaslama çalışmaları kapsamında LiteLLM ve vLLM gibi sağlayıcı arayüzleri ve çalışma zamanları üzerinden destekten bahsediyor. 18 Bunun pratik sonucu, ajanın operasyonel tasarımını tek bir model tedarikçisinden ayırabilmenizdir. Fakat model veya çalışma zamanı değiştiğinde kaliteyi, gecikmeyi ve araç çağrılarının güvenilirliğini yeniden test etmek gerekir.
AWS’nin verimlilik iddiaları: Dikkate değer, ama satın alma garantisi değil
AWS, aynı Claude veya GPT modelleriyle altı kıyaslamada Strands Harness’in diğer harness’lerden %28 daha düşük maliyetle çalıştığını ve doğrulukta neredeyse eşit düzeyi koruduğunu söylüyor. 7 Ayrı haberlerde Claude Code ve Codex’e karşı yaklaşık %45 daha ucuz bir sonuçtan, DeepSeek Harness’in de dâhil edildiği grupta ise daha dar olan %28’lik farktan söz ediliyor. Karşılaştırma grupları farklı olduğu için bunlar tek ve evrensel bir tasarruf oranı gibi okunmamalı.
5
Bu iddialar incelenmeye değer; çünkü bağlamın kurulması, araç çıktılarının ele alınması, orkestrasyon ve doğrulama hem token kullanımını hem de görev sonucunu önemli ölçüde etkileyebilir. Bir araştırma pozisyon makalesi de, benzer kapasitedeki modellerin kullanıldığı uzun vadeli görevlerde yürütme harness’inin performans farkını modelin kendisinden daha fazla belirleyebileceğini savunuyor. 17
Ancak kıyaslamalar AWS tarafından raporlandı. The Register, yayının genel amaçlı bir harness’i kodlama ajanlarıyla karşılaştırdığını belirtti ve değerlendirmeyi AWS’nin “kendi ödevini notlaması” olarak niteledi. 3 Bu, sonuçların yanlış olduğunu kanıtlamaz; fakat Strands’in her ajan iş yükünde daha ucuz veya daha iyi olacağına dair bağımsız kanıt olmadığı anlamına gelir.
Adil bir kurum içi karşılaştırmada model, istemler, görev kümesi, araçlar, izinler, yeniden deneme politikası, gecikme hedefi ve maliyet muhasebesi sabit tutulmalı. İlgili maliyet yalnızca girdi ve çıktı token’ları değildir: araç çağrıları, depolama, altyapı, insan incelemesi, hatalar ve yanlış bir eylemin bedeli de hesaba katılmalıdır.
Hangi durumda Strands Harness mantıklı bir seçenek?
Strands Harness; gerçek araç erişimi ve durum tutan davranışlar içeren genel amaçlı bir ajan başlangıç noktası isteyen, fakat model ve dağıtım hedefi seçme özgürlüğünü korumak isteyen geliştiriciler için özellikle anlamlı. Yerel bir kavram kanıtının bellek, araç entegrasyonları, bağlam denetimleri veya buluta dağıtım yolu kazanması için büyük ölçüde yeniden yazılması gerekecekse daha da güçlü bir aday hâline geliyor. 5
7
Kıyaslama iddialarını tahmin değil, test edilebilir bir hipotez olarak ele alın. Dar kapsamlı ve sandbox içinde çalışan bir ajanla başlayın; yalnızca gerçekten gerekli araçları açın; temsilî işlerde görev başarısını, gecikmeyi ve toplam maliyeti ölçün. Üretim denetimleri tamamlanmadan ajanı daha geniş yetkilerle kullanıma açmayın.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "AWS Strands Harness, yerelde geliştirilen yapay zekâ ajanlarını nasıl dağıtıma hazırlar?"?
Strands Harness, yerelde prototiplenen bir yapay zekâ ajanını; araçlar, bağlam yönetimi, kalıcı oturumlar, bellek ve delegasyon gibi bileşenleri koruyarak dağıtılabilir Python veya TypeScript projesine dönüştürmeyi he...
What are the key points to validate first?
Strands Harness, yerelde prototiplenen bir yapay zekâ ajanını; araçlar, bağlam yönetimi, kalıcı oturumlar, bellek ve delegasyon gibi bileşenleri koruyarak dağıtılabilir Python veya TypeScript projesine dönüştürmeyi he... AWS’nin yüzde 28 daha düşük maliyet iddiası şirketin kendi kıyaslamalarına dayanıyor.
Sources
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
