AWS вывела в open source Strands Harness — готовую обвязку для агентного ИИ, которая, по заявлению компании, тратит примерно на 28% меньше токенов, чем конкурирующие решения на Claude и GPT-моделях. Для разработчиков и компаний, которые уже пробуют автономных ассистентов в коде, поддержке или внутренних процессах, это важный сигнал: рынок агентных фреймворков быстро уходит от демо к вопросу стоимости эксплуатации.
О запуске сообщает The Register. Strands Harness построен на базе Strands Harness SDK и доступен как библиотека для Python и TypeScript, а также через CLI. Идея AWS проста: дать разработчикам не голый набор примитивов, а заранее собранный агентный каркас, который можно запустить локально или подключить к выбранному AI-провайдеру. Компания обещает старт «в одну строку» — формулировка маркетинговая, но направление понятное: меньше времени на склейку инструментов, памяти, промптов и обработку ошибок.
По данным AWS, Strands Harness показал почти такие же результаты в бенчмарках, как Claude Code, Codex и несколько других популярных решений. Тестирование проводилось через фреймворк Harbor на нескольких узлах EC2. В сравнении участвовали Claude Code, Codex, oh-my-pi, OpenCode и DeepSeek Harness. AWS утверждает, что на шести тестах её решение расходовало на 28% меньше токенов, чем варианты на Claude или GPT-моделях, а в некоторых сценариях давало более высокую точность.
Главная оговорка лежит на поверхности: AWS сама проводила замеры и сравнивала свой универсальный агентный фреймворк в основном с coding agents. Strands описывается как general-purpose agent, а конкуренты в списке — инструменты, заточенные прежде всего под разработку. Это не делает результат бесполезным, но снижает его вес. Бенчмарк, где поставщик сам выбирает трассу, участников и судью, обычно стоит читать с калькулятором в одной руке и солью в другой.
Технически AWS объясняет экономию настройками по умолчанию. Strands Harness включает prompt caching, управляет контекстным окном, обрезает результаты инструментов длиннее 1500 токенов, автоматически сжимает контекст при заполнении окна выше 85% и пытается восстановиться при переполнении. Для продакшена это не мелочи: агентные системы быстро становятся дорогими не из-за одного запроса, а из-за цепочек вызовов, повторного чтения контекста и болтливых tool results.
В комплекте уже есть shell-, file- и web-инструменты, а также файл skills, через который можно подключать собственные возможности. Для команд, которые собирают внутренних агентов под DevOps, анализ репозиториев, генерацию отчётов или работу с документацией, это выглядит как попытка AWS сделать «батарейки в комплекте» для агентного слоя. Не полноценная платформа уровня Bedrock Agents, а более лёгкий open source-инструмент, который можно адаптировать под свою инфраструктуру и модельный стек.
Контекст у релиза понятный. После появления Claude Code, Codex и других агентных инструментов разработчики быстро привыкли к режиму, где модель не только отвечает, но и сама ходит по файлам, запускает команды, вызывает инструменты и чинит ошибки. Следующий бой идёт не только за качество модели, но и за harness: кто лучше управляет контекстом, дешевле тратит токены, безопаснее вызывает инструменты и проще встраивается в корпоративный контур. AWS явно не хочет оставлять этот слой Anthropic, OpenAI и независимым open source-проектам.
Для бизнеса здесь два практических вывода. Первый: стоимость агентных сценариев надо считать до пилота, а не после красивой демонстрации. Экономия в 28%, если она подтвердится независимо, может заметно влиять на бюджет при массовом использовании. Второй: open source-обвязка от AWS удобна тем, кто уже живёт в EC2 и вокруг AWS-инфраструктуры, но это не отменяет проверки на своих задачах, своих моделях и своих ограничениях безопасности.
AWS обещает опубликовать исследовательскую работу с подробностями тестирования. Именно она покажет, насколько сравнение было честным: какие задачи брали, как считали токены, какие модели подключали, как измеряли точность и где Strands Harness проигрывает. Пока релиз выглядит не как финальный ответ на вопрос «какой агентный фреймворк лучший», а как ещё один признак взросления рынка: теперь агентам придётся конкурировать не только эффектностью, но и бухгалтерией.