Strands Box:给Agent套上沙箱,决策模型砍掉输出头
AWS首席开发者布道师Darko介绍决策模型文丨苏扬编辑丨徐青阳让Agent往readme.md里加一行 Hello,这条再普通不过的指令却被拒绝了。11月18日,亚马逊云科技(AWS)在北京举办了一场开发者沟通会,邀请首席开发者布道师Darko详细讲解了AWS为开发者提供的构建Agent的工具箱“Strands”。写
AWS首席开发者布道师Darko到场讲解决策模型
让Agent往readme.md里加一行Hello,这么平常的一条指令,结果被挡了回来。
11月18日,亚马逊云科技(AWS)在北京开了一场开发者沟通会,首席开发者布道师Darko受邀到场,把AWS给开发者构建Agent用的工具箱“Strands”讲了个透。
那条写readme.md的指令之所以被拒,关键在“Strands”工具箱里的一个特性——Darko在自己
工具箱里这么设计,说到底是Agent本事越来越大,要保证它只干分内的事也越来越难。
“我不信任我的Agent,你也不应该这样做。”Darko在交流中这么说。不过开发者只要在Policy里动一点手脚,比如把策略文件动作里的read改成write,开头说的往指定文件写指定内容就能办到。
01 改一个词,命令就放行
Strands可以看作一个工具包,里面带着运行框架(harness)、
“我的同事提出过一个说法,它更像一个用来构建和运行智能体的开源家族。”Darko说。
做Strands这类产品,本质上是让开发者打造不同Agent产品时更省事(easy of use for developer)。
Darko强调,Agent面对的是没法硬编程的开放式任务,行为不可预测,可能删文件,也可能碰生产系统。老办法是把Agent断网、断权限,可真跑起来Agent又确实需要权限。Strands Box的思路因此是既放行、也可控。
为此,Strands Box搭了两层架构。一层是内核强制的环境隔离,借用macOS或Linux现成的沙箱能力管住网络和磁盘;另一层是策略层,Agent每跑一次工具、Python、shell脚本,或者要出网,都得先过一遍判定,在内核级强制运行。
照Darko的说法,Agent每次调用工具,都会被展开成具体操作,再拿去和Policy比对,不允许的当场拒绝。比如开头提到的向readme.md写入信息,就因为明确只有“只读”权限而写不进去。必须修改
AWS强调,Box机制和Harness没有关系,Strands、Claude Code和OpenAI的Codex等都能接进来。
据Darko介绍,Box的策略语言为
据介绍,Box不只管“能不能做”,还能写调用顺序、查某个工具跑过几次、过去一小时内有没有执行过另一个工具等等。策略一复杂,Darko透露眼下推荐的办法是用Coding Agent来“编写”,比如测试没跑通不许git push,Slack消息每分钟只许发一次。
02 不生成文字的模型
Strands的另一项特性是Decider(决策)模型——输出头被砍掉了。
Darko透露,这是个基于Qwen的2B参数模型,16GB内存的Macbook就能部署。原理是把大语言模型的输出头去掉,不用逐Token写入,给定问题和选项后直接输出决策结果,要解决的是快和省成本。
官方给的数据是,决策模型做一次判断能到百毫秒的水平。
Darko现场演示了一个案例“付款失败已经三天了”,让模型在账单、技术、销售里挑派单对象,结果很快判给技术,还附带了置信度百分比数据。
据介绍,AWS的
Darko强调,大模型一样能做决策,可这种简单判断交给基础大语言模型会白白浪费token;定制小模型专门干决策,token消耗能大幅缩减。
“沙箱部署在本地笔记本上,决策模型同样运行在本地笔记本上。”Darko补充说。
不止token费用这一块,本地决策模型在效率上也压过云端模型一头。决策量一大、不断累加之后,这种差距更明显:跟云端大模型做决策相比,本地决策模型能把任务处理的等待时间大幅压下来。
03 交给bot的是一个目标
作为一款开源的Agent工作区,Strands除了带来相关新特性,还让bot的定位跟过去不一样了。以往用户派任务、Agent去执行,干完就结束,属于单次会话;bot看重的是端到端把目标做出来——用户做出一个决策,调度和汇总交给bot,它会一直干到目标达成为止,中途还会调度、派生新的子Agent。它可以独立运行,自带状态面板,能定期“心跳”汇报,也能被授予系统访问权限,自己去查看issue、PR等,不需要人一直提示、盯着干预。
Darko的说法是:“安排任务用单Agent可以做到足够好,但受单线程、上下文的限制,只有按照目标的逻辑,把需求拆给不同Agent,进而更好地去完成任务。”
眼下模型的上下文窗口已经能到百万token级。Darko表示,Kiro的harness用到约70%就会自动压缩。这么做是为了防止上下文混乱:一个目标拆给几个子Agent,各看各的上下文,最后只交结论。
Darko透露的内容之外,AWS官方信息也给出了补充。(注:原稿§7、§8为不完整引导句,具体内容不在本块内。)
从Strands Box到Decider模型再到bot,几条线最后都落在ease of use for developers上:权限、判断、上下文这些麻烦事,收进开发者改得动、查得清的默认规则里,省得每换个工具就重搭一遍。接下来AWS可能想重点讲的,也正是这个故事——给开发者一个更好用、更顺手的开发环境。