AWS发布开源智能体框架Strands Harness

为何需要一个通用智能体框架？

许多开发者发现，一个智能体（Agent）创意在Claude Code或Codex等封闭环境中能顺利运行，但一旦用自建循环重实现，便频繁遭遇性能下降、成本飙升或行为失稳。AWS Strands Agents团队正针对这一「原型到生产」的断层，推出Strands Harness——一个开箱即用、可本地运行亦可云部署的通用智能体运行框架（agent harness）。它以Apache 2.0协议开源，支持Python与TypeScript，仅需一行代码即可启动。

框架能力：不止于编码，强于泛化

所谓「harness」，指围绕大语言模型构建的完整运行系统：包括推理循环、工具调用、上下文管理、记忆机制与错误恢复。此前Strands已通过Strands Harness SDK暴露底层模块；而Strands Harness则将这些模块封装为经过验证的默认配置。

该框架定位为通用智能体，而非专用编码助手。默认`create_harness()`返回的实例具备以下能力：

• 兼容Amazon Bedrock、Anthropic、OpenAI、Google、Ollama及LiteLLM等主流模型后端；
• 预置shell、文件（读/写/编辑）和网页访问三类通用工具，避免为每个任务定制工具；
• 自动将超大工具结果（>1500 tokens）截断并落盘，对重复请求部分缓存复用；
• 支持跨会话的长期记忆，可通过session ID恢复对话；
• 内置辅助智能体处理开放性子任务，并以检查清单（checklist）追踪多步工作流；
• 自动加载发现的Agent Skills（技能包）。

性能验证：28%成本降幅背后的基准逻辑

团队基于Amazon EC2使用Harbor评估框架（源自Terminal-Bench团队），在ALFWorld、ContextBench、GAIA、WebShop、τ²-bench与Terminal-Bench 2.1共6项基准上进行分布式评测。成本指标为「每任务平均美元支出」，准确率取各基准加权平均。

对比对象包括Claude Code、Codex、oh-my-pi、OpenCode及DeepSeek Harness。值得注意的是：DeepSeek Harness整体token效率最高，成本比Strands低约14%，但所有基准得分均更低；其纳入统计后，使Strands相对其他竞品的平均成本优势收敛至28%。

在Terminal-Bench 2.1单项测试中（89次任务/Claude Fable 5模型），Strands Harness以$56.29成本达成69.7%准确率，较Claude Code（$248.05，61.8%）成本降低77%、准确率反超7.9分；oh-my-pi虽达相同准确率，但成本高54%；DeepSeek Harness虽最便宜（$40.30），却落后10.2分。

效率根源：上下文管理的三原则

团队指出，prompt缓存与上下文管理是成本优化的核心。其默认策略基于三条规则： 1. 工具输出超1500 tokens时自动截断； 2. 上下文占用率达85%即触发摘要压缩（compaction）； 3. 推理循环内实时执行上下文溢出恢复（context recovery）。

该设计与近期独立研究《HarnessTax》结论一致：不同harness对成功率影响微弱，但同一模型在不同框架下成本差异可达5倍。

快速上手与深度定制

安装仅需`pip install strands-harness`或`npm install @strands-agents/harness`。一行代码即可调用： ```python from strands_harness import create_harness agent = create_harness(model="litellm/openai/gpt-5.6-sol") agent("调研前三款向量数据库并比较其定价") ```

配套CLI工具（`npm install @strands-agents/strands-cli`）支持自然语言原型开发。例如，输入“在博客文章中添加Playwright MCP服务器并测量视频加载延迟”，执行`/export`即可生成含Playwright集成的Python或TypeScript可部署代码包。CLI自身即构建于Strands Harness之上。