45% экономии у агента AWS тают до 28% рядом с DeepSeek

AWS 21 сентября представила Strands Harness - открытого агента общего назначения, которого можно запустить на своей машине или развернуть в любом облаке. Главный аргумент в собственных тестах компании: на Terminal Bench 2.1 агент с моделью Fable 5 обошёлся на 77% дешевле Claude Code и при этом набрал больше баллов.

Подробности вице-президент и distinguished engineer AWS Марк Брукер рассказал The New Stack. Strands Harness стоит поверх SDK Strands Agents и выдаёт разработчику заранее собранного агента. Инструменты и обвязка для длинных задач уже на месте, а то, как эти части работают вместе, AWS задала собственными настройками по умолчанию. Выход агента был назначен на тот же день, понедельник.

От SDK к готовому агенту

Harness - очередной шаг в линейке, которую AWS строит с 2025 года. Подход Strands компания называет «model-driven»: разработчик даёт модель, инструменты и инструкции, а модель сама решает, как браться за задачу и когда вызывать инструменты.

• начало 2023 года: команда автора стартового поста AWS о Strands начинает строить ИИ-агентов; по его словам, тогда агенту требовались сложные промпты, парсеры ответов и логика оркестрации, а до продакшена его доводили месяцами;
• май 2025 года: AWS открывает Strands Agents, SDK на Python для сборки агентов; на старте им уже пользовались в продакшене Amazon Q Developer, AWS Glue и VPC Reachability Analyzer;
• декабрь 2025 года: в превью выходит поддержка TypeScript;
• февраль 2026 года: экспериментальные проекты переезжают в отдельную площадку Strands Labs;
• 21 сентября 2026 года: Strands Harness, готовый агент поверх SDK.

Брукер описывает проблему, которую закрывает новый слой, так: «SDK вроде Strands Harness SDK даёт строительные блоки, но вам всё равно нужно решить, как управлять контекстом, сохранять разговоры, подключать инструменты и направлять поведение агента».

Что лежит в коробке

Сразу после установки разработчик получает работающего агента с инструментами для файлов, шелла и веба. В нём уже есть управление контекстом, память, постоянные сессии, кэширование промптов и передача работы другим агентам. На сайте Strands это называют полностью собранной обвязкой, у которой системный промпт, инструменты, память, сессии и управление контекстом настроены по результатам бенчмарков. Работать с ней можно через CLI или импортом в Python и TypeScript, всё поднимается одним вызовом create_harness().

Отдельных агентов затем подгоняют под конкретную работу: меняют инструкции, выбирают модель, решают, какие инструменты и возможности агенту доступны и может ли он отдать задачу другому агенту. Почти всё остальное тоже переопределяется. Можно принести свои инструменты и skills, подключить MCP-серверы, поменять работу с контекстом и выбрать, где хранится состояние сессий. «Разработчики могут сосредоточиться на задаче своего приложения и знании предметной области, а настраивать только те компоненты, которым нужно другое поведение», - говорит Брукер.

Для прототипов есть CLI: в нём интерактивно выбирают модель, добавляют промпты, инструменты и прочие возможности, а получившегося агента командой /export выгружают в код на Python или TypeScript. Ещё AWS положила в комплект Agent Skill, который помогает кодовым агентам разобраться в самом Strands Harness, в том числе в том, как добавлять MCP-серверы и генерировать конфигурацию развёртывания под AWS, GCP, Azure, Cloudflare или Modal.

Позиционирование AWS формулирует аккуратно: агент общего назначения, а не помощник для кода, хотя идеи подсмотрены у Claude Code и Codex. Отличие компания видит в развёртывании: Strands Harness можно поставить у любого облачного провайдера. По словам AWS, пользователи Claude Code и Codex часто хотят запускать ту же связку в облаке.

Bedrock по умолчанию, но не обязательно

Большая часть Strands Harness от инфраструктуры AWS не зависит. Цикл агента, инструменты, управление контекстом, сессии и делегирование входят в открытый релиз и по умолчанию выполняются на той машине, где запущен агент. Исключение одно: вызов модели по умолчанию идёт через Amazon Bedrock, управляемый сервис AWS для доступа к фундаментальным моделям.

«Это легко переопределить одной строкой и взять другого провайдера моделей», - говорит Брукер. Вместо Bedrock можно подключить Anthropic, OpenAI или Google, а также локальную модель через Ollama. Смена провайдера не обязательно означает смену модели, но другая модель, предупреждает Брукер, поведение агента изменит.

«У разных моделей разные сильные стороны в рассуждениях, работе с инструментами и цене, - объясняет он. - Не меняется вот что: управление контекстом, сессии, инструменты и делегирование работают одинаково с любым провайдером. Ни одной функции, которой нужен Bedrock, нет».

Откуда 45%

Цифра 45% взята из собственного сравнения AWS. Компания прогнала обвязки на шести бенчмарках: ALFWorld, ContextBench, GAIA, WebShop, τ³-bench и Terminal-Bench 2.1. По каждой обвязке она усреднила баллы и сравнила их со средней стоимостью задачи на тех же тестах. Против Claude Code и Codex Strands Harness, по подсчёту AWS, вышел на 45% дешевле при примерно сопоставимой точности.

Только эта цифра держится, пока в таблице нет DeepSeek Harness. С ним в более широком сравнении экономия Strands Harness съёживается до 28%: на сопоставимых прогонах обвязка DeepSeek, по словам самой AWS, обошлась примерно на 14% дешевле, чем Strands Harness.

Детальнее всего расписан Terminal Bench 2.1. Strands Harness с Fable 5 потратил на 89 прогонах 56,29 доллара и набрал 69,7 балла, Claude Code на тех же прогонах потратил 248,05 доллара и набрал 61,8. DeepSeek Harness и тут дешевле, 40,30 доллара, но балл у него ниже, 59,5.

Одной из главных причин AWS называет настройки работы с контекстом. Особенно большие ответы инструментов Strands Harness обрезает. Когда заполнение окна контекста переходит заданный порог, история сжимается. Если окно всё-таки переполнилось, агент пытается восстановиться внутри своего цикла. Модель при этом остаётся той же, и AWS делает из своих тестов вывод, что от обвязки вокруг неё стоимость и качество могут зависеть ощутимо. Сторонние замеры показывают похожее: в сентябре команда aistack из imec сравнила Claude Code, Codex и Pi на SWE-Bench Pro. Доля решённых задач у всех держалась в пределах 44-53%, а счёт за GPU между обвязками различался вдвое.

Ради этого AWS и упаковала обвязку целиком, не оставив каждому разработчику подбирать параметры поверх SDK самому. «Заставить прототип работать - это один шаг, а оценить, как эти решения влияют на производительность и стоимость, - другой, - говорит Брукер. - Мы увидели возможность упаковать эту инженерную работу в законченного агента общего назначения».

Где здесь интерес AWS

Место, где запускать такого агента, у AWS уже есть: Amazon Bedrock AgentCore, управляемый сервис для развёртывания и эксплуатации агентов. Он даёт контроль идентификации и доступа, наблюдаемость и инфраструктуру для хостинга. AgentCore Harness и Strands Harness написала одна и та же команда, хотя кодовые базы у них разные. По словам Брукера, работа над одним продуктом может давать улучшения в другом, так что разработки из открытого проекта могут попадать в управляемый сервис, и наоборот. В The New Stack видят в этом понятный коммерческий путь для AWS: Strands Harness берут свободно, а AgentCore остаётся естественной точкой для команд, которые со временем захотят отдать инфраструктуру AWS.

Брукер при этом повторяет, что Strands Harness разворачивается и без AgentCore, вообще за пределами AWS. «AgentCore - необязательный слой хостинга для команд, которые хотят, чтобы инфраструктурной частью занимался AWS, - говорит он. - Но выбор пути развёртывания полностью остаётся за разработчиком».