Strands harness: Daha düşük maliyetli ajan iddiasının arkasında ne var?

Strands Agents, 21 Eylül’de Strands harness’ı tanıttı: Bir yapay zekâ modelinin çevresine araçları, belleği ve bağlam yönetimini hazır olarak yerleştiren çalışma ortamı. Duyurunun öne çıkan iddiası, bir dizi ajan testinde daha düşük token maliyeti. Geliştirici açısından asıl soru ise bu varsayılanların hem kurulum işini hem de başarıyla tamamlanan görev başına maliyeti azaltıp azaltmadığı.

Ajan harness’ı ne demek?

Model eylem önerir; harness ise çevresindeki süreci yönetir: Araçları sunar, çağrıları çalıştırır, yararlı bağlamı korur ve akışın nasıl devam edeceğini belirler. Alttaki model aynı kalsa bile bu yazılımın değişmesi sonuçları değiştirebilir.

Proje belgeleri, Python ve TypeScript giriş noktalarını anlatıyor. Varsayılan Amazon Bedrock; Anthropic, OpenAI, Google ve yerel Ollama modelleri de seçenekler arasında. Hazır araçlar kabuk, dosya, web erişimi, oturumlar, bellek ve yardımcı ajanları kapsıyor. Kod deposu Apache-2.0 lisanslı; hazır harness’ın yanında daha fazla kontrol isteyenler için alt seviye SDK da bulunuyor.

Bu, ajan geliştirme altyapısı. Modeli seçmek, erişim bilgilerini sağlamak ve uygulamanın nerelere erişebileceğini tanımlamak hâlâ entegrasyonun parçası.

“%28 daha düşük maliyet” neyi ifade ediyor?

Duyuru, harness’ları altı benchmark üzerinden karşılaştırıyor. Bu değerlendirmede benzer veya daha iyi doğrulukla toplam karşılaştırmada %28 daha düşük token maliyeti bildiriliyor. Ölçümler projeye ait; bu yazı için yaptığımız bağımsız bir test değil.

Grafiğin dipnotları önemli: Maliyet, görev başına ortalama; karşılaştırmada daha düşük başarıya sahip ama daha ucuz bir DeepSeek harness da var. Sonuç, Strands’ın her karşılaştırmada en ucuz olduğu anlamına gelmiyor.

Ayrı Terminal Bench 2.1 grafiğinde model Claude Fable 5 olarak sabit tutuluyor. Strands için 89 denemenin toplamında 56,29 dolar, Claude Code için 248,05 dolar bildiriliyor. Grafikte yuvarlanan başarı oranları sırasıyla %69,7 ve %61,8. Bu dolar değerleri tek bir isteğin fiyatı değil, deneme grubunun toplamı.

Bizim çıkarımımız: Bu karşılaştırmalar, modelin yanında onu çalıştıran yazılımı da test etmeye değer kılıyor. Özel bir kod deposunun, farklı araçların veya başka bir iş yükünün aynı sonucu vereceğini kanıtlamıyor.

Terminal prototipinden uygulama koduna

Resmî video, yapılandırılmış ajanın uygulama koduna aktarılmasını gösteriyor. Projenin özgün kaydı; bizim çalıştırdığımız bir iş akışı değil.

Yapılandırma belgesi, model seçimini, araç listelerini, MCP bağlantılarını, bağlam yönetimini ve oturum depolamayı açıyor. Hazır araçlar sınırlandırılabiliyor veya kapatılabiliyor; interventions özelliği çağrıları onaya ya da bir kurala bağlayabiliyor. Prototip gerçek dosyalara ve servislere erişmeye başladığında bu kontroller önem kazanıyor.

Aynı harness ile masaüstü prototipi

Duyuruda mühendis Gautam Sirdeshmukh’un geliştirdiği, harness’ı uzaktan çalıştıran bir masaüstü uygulaması da gösteriliyor. Video, çalışma ortamının üzerine kurulabilecek bir uygulama örneği; tamamlanmış bir masaüstü ürününün genel kullanıma açıldığı anlamına gelmiyor.

Biz nasıl değerlendirirdik?

Bu yayın için uygun bir ilk görev, üç açık duyuruyu karşılaştırıp kaynak bağlantıları olan araştırma notu hazırlamak olurdu. Her adaya aynı girdileri ve kabul ölçütlerini verirdik: Doğru tarihler, kaynağın desteklediği iddialar ve açıkça belirtilmiş belirsizlikler.

Tekrarları ve insan düzeltmesini dahil ederek kabul edilen sonucun maliyetini ölçmek gerekir. Eksik kaynakları, yarım kalan görevleri ve tamamlanma süresini de kaydederdik. Ardından özellikle uzun bir kaynakla testi tekrarlayıp bağlam yönetiminin haberin anlamını değiştiren bir koşulu kaybedip kaybetmediğine bakardık.

İlk denemede ajanı kaynak okumak ve geçici çalışma alanına not yazmakla sınırlandırırdık. Yayın ve mesaj gönderme ayrı kararlar olarak kalırdı. Bu yazı bağımsız çalışma performansı testi içermiyor: Strands ilginç ve sınanabilir bir altyapı iddiası ortaya koyuyor; sonraki yararlı kanıt, açıkça tanımlanmış bir iş yükünde nasıl çalıştığı olacak.