很多开发者的 AI Agent 依赖 Claude Code 或 Codex 这类开箱即用的 harness——本地一跑顺畅得很。可一旦要自己搭 agent，就得自己把各种原语拼到「刚刚好」的程度，才能找回那种「it just worked」的感觉。Strands 把这件事做成了一行代码：Strands harness，一个组装完整、可定制的通用 agent harness，接任意模型一行启动，Apache 2.0 开源。
它主打的卖点是成本效率。官方在与 Claude Code、Codex 等六个 benchmark 的对比里，用相同的 Claude/GPT 模型跑，Strands harness 的 token 成本低了 28%，同时精度几乎持平——作者特别强调不想用牺牲精度来换便宜。有意思的是 DeepSeek Harness 在纯 token 效率上最省，但它通常也是精度最低的那个。在 Fable 5 模型下，Strands harness 的成本比 Claude Code 省了 77%，Terminal Bench 2.1 得分还更高。
省 token 的功劳大半来自默认的上下文管理：工具返回超过约 1500 token 会被截断，上下文窗口使用率超过 85% 时触发 compaction 压缩，发生溢出则在循环内做上下文恢复。这些默认值现在是公开可用的，团队预告后续还会出一篇关于这些 benchmark 的论文。
能力方面，开箱即有的 agent 支持 Amazon Bedrock、Anthropic、OpenAI、Google 的最新模型，也能指向本地 Ollama 或走 LiteLLM。内置 shell、文件读写编辑和 web 工具三个原语，自带上下文窗口管理——大块工具结果会卸载到文件、请求里复用的部分做缓存。还有跨会话的长期记忆，给 session ID 就能恢复之前的对话；开放式子任务会委托给内置的 helper agent，多步工作用 checklist 跟踪；还支持加载 skills。
部署上，任何支持 Linux 容器的 provider 都能跑——Modal、Cloudflare Containers、Azure Container Apps、Google Cloud Run、Amazon ECS、Bedrock AgentCore 都列在支持名单里。配套的 Strands CLI 用自然语言就能原型化 agent，跑完 /export 直接导出 TypeScript 或 Python 代码，方便接着用自己顺手的编码 agent 继续迭代。安装也直白：pip install strands-harness 或 npm install @strands-agents/harness。
来源：