Strands Agents + Ertas
使用 Strands Agents 构建智能体——AWS 开源 SDK,以模型驱动规划取代硬编码工作流,全面支持 Ertas 训练的本地模型,同时兼容 Bedrock 与 Anthropic API。
Overview
Strands Agents 是 AWS 开源的智能体 SDK,作为 AWS 为客户提供 LangChain 与 CrewAI 的第一方替代品的更广泛行动的一部分发布。其定义性的设计抉择是依赖模型驱动规划而非手编工作流图——智能体根据模型对任务的理解推理下一步该做什么,SDK 在该推理循环周围处理工具执行、重试与可观测性。截至 2026 年 5 月,该 SDK 在不到一年内累计下载量已超过 1400 万,部分原因是其在 AWS 自家产品(Amazon Q、AWS Glue、Amazon Connect Contact Lens)内部的使用。TypeScript SDK 于 2026 年 5 月 1 日达到 1.0 GA,为 Node.js 与浏览器环境带来与 Python 运行时的对等性——这对移动应用后端以及 Vercel/Cloudflare 边缘部署尤为相关。
该框架的轻量级设计是有意为之的。LangGraph 要求事先定义图,CrewAI 要求显式角色/目标设置,而 Strands 让模型在运行时决定工作流,由 SDK 在该决策周围提供脚手架(工具调用、可观测性、重试)。对于直接的智能体任务,这意味着更少的代码与更快的开发;对于模型规划不可靠的高度结构化工作流,团队可在其上叠加自定义编排。
Strands 与模型无关。该 SDK 出厂自带面向 Amazon Bedrock、Anthropic、OpenAI 与 Ollama 的一流提供商,外加一个通用 LiteLLM 提供商,可适配任何兼容 OpenAI 的端点。对于希望获得 AWS 开发者体验与可观测性能力、但出于成本或数据隐私考虑计划部署自托管模型的团队,接入 Ertas 训练的模型只需几行配置。
How Ertas Integrates
Ertas 训练的模型通过 Strands Agents 的 OllamaModel 提供商或其通用 LiteLLM 提供商与之协同工作。在 Studio 中微调并导出为 GGUF 后,你自行通过 Ollama 或 vLLM 提供模型服务,然后用合适的提供商将 Strands 的 agent 配置为指向你的端点。模型驱动规划、可观测性与重试原语都透明工作。如果你不想自行托管,Ertas 可以通过自适应模型端点为你提供模型服务,Studio 一键部署已在规划中。
模型驱动规划方式与微调模型尤为契合。通用 7B–14B 模型在领域特定任务上常常做出不一致的规划决策,迫使团队走向更显式的编排。一个由 Ertas 训练、训练数据涵盖目标领域代表性规划轨迹的模型会产生更一致、更胜任的规划——让 Strands 的轻量设计在生产中能够经得起考验,而不是退化为临时变通。
对于已身处 AWS 生态、希望控制推理成本的团队,Strands + 在 EC2(或本地)上运行的 Ertas 训练模型产出一个契合 AWS 架构、同时让每任务经济模型保持固定的智能体栈。可观测性流入 Amazon CloudWatch 与 AWS X-Ray;追踪数据反哺 Studio 进行增量微调。
Getting Started
- 1
在 Ertas Studio 中微调领域专用模型
在包含目标领域代表性规划轨迹的数据上训练。Strands 依赖模型做规划决策,因此训练数据质量直接提升智能体可靠性。
- 2
部署到兼容 OpenAI 的端点
导出为 GGUF 并通过 Ollama 或 vLLM 提供服务。Strands 的 OllamaModel 提供商可直接连接;LiteLLM 提供商可连接任何兼容替代品。
- 3
安装 Strands Agents 并配置模型