AWS Strands Agents: Der einfache Weg zu eigenen KI-Agenten

Das Strands Agents SDK ist ein Open-Source-Framework von AWS, das die Entwicklung von KI-Agenten mit Python deutlich vereinfacht. Es ist modular aufgebaut, leichtgewichtig und so konzipiert, dass es von einfachen Prototypen bis hin zu komplexen Produktionsszenarien eingesetzt werden kann. Statt auf starre Prozess-Modelle zu setzen, folgt Strands dem Model-Driven Approach. Dabei übernimmt das Large Language Model die Rolle des Orchestrators. In einem Agent Loop analysiert es die Aufgabe, wählt passende Tools aus, führt diese aus und bewertet anschliessend das Ergebnis. So entsteht ein flexibles System, das sich an neue Situationen anpassen kann, ohne dass alle Abläufe vorher manuell festgelegt werden müssen.

Die zentrale Stärke von Strands liegt in seinen Tools. Dabei handelt es sich um kleine Funktionsbausteine, die einem Agenten konkrete Fähigkeiten verleihen, etwa das Einlesen einer Datei, den Abruf von Daten aus einer API oder die Berechnung von Kennzahlen. Solche Tools lassen sich einfach selbst definieren oder aus einer wachsenden Community-Bibliothek übernehmen. Über das Model Context Protocol können zudem weitere APIs und Services angebunden werden. Die Ausführung kann sequenziell erfolgen, wenn ein Ergebnis auf dem anderen aufbaut, oder parallel, wenn mehrere Schritte gleichzeitig sinnvoll sind.

Strands Agents unterstützt sowohl einfache Szenarien mit einem einzelnen Orchestrator als auch komplexe Multi-Agent-Setups, in denen mehrere Agenten zusammenarbeiten. Ein Beispiel dafür ist ein Kosten-Analyse-Agent, der mit einem Incident-Response-Agenten arbeitet: Bei auffälligen Ausgaben gibt er nicht nur eine Warnung aus, sondern hilft gleichzeitig, die Ursache einzugrenzen. Eine besondere Stärke liegt zudem in der engen Integration mit der AWS-Umgebung, die ein reibungsloses Deployment auf Dienste wie Lambda, Fargate oder EKS ermöglicht.

Damit Agenten zuverlässig arbeiten, bietet Strands Agents Mechanismen für Context und State. Eine Gesprächshistorie stellt sicher, dass Informationen aus früheren Interaktionen berücksichtigt werden. Zusätzlich können wichtige Variablen im Agent State hinterlegt werden. Mit strukturierten Ausgaben lässt sich steuern, dass ein Agent Ergebnisse in einem festgelegten Format zurückgibt, was die Integration in bestehende Systeme vereinfacht.

Ein weiteres wichtiges Merkmal ist die Observability. Bei jeder Ausführung erfassen die Agents Telemetrie-Daten, Traces und Logs. Diese können mit gängigen Standards wie OpenTelemetry ausgewertet werden. So behalten Entwickler und Betreiber Kosten, Verhalten und Qualität jederzeit im Blick. Ergänzend stellt das SDK Sicherheitsfunktionen wie Bedrock Guardrails bereit, die unerwünschte Inhalte abfangen und sensible Daten schützen.

Sind Agenten mit den nötigen Sicherheits- und Monitoring-Funktionen ausgestattet, folgt als nächster Schritt das Deployment. Der Einstieg beginnt häufig mit einem lokalen Testlauf. Sobald ein Agent zuverlässig funktioniert, lässt er sich problemlos auf AWS-Services wie Lambda, Fargate oder EKS bereitstellen. So wird aus der ersten Idee schnell ein produktiver Einsatz. Wie sich diese Funktionen in der Praxis nutzen lassen, zeigt nachfolgend ein Beispiel aus dem Bereich Cloud-Kostenmanagement.

Ein praktisches Anwendungsbeispiel für Strands Agents ist das Cloud-Kostenmanagement. Hier unterstützt ein FinOps-Agent Unternehmen dabei, Unregelmässigkeiten frühzeitig zu erkennen, Ursachen einzugrenzen und konkrete Massnahmen abzuleiten.
Zwar bietet AWS mit Cost Anomaly Detection bereits einen Managed Service für die Erkennung von Kostenauffälligkeiten. Dieses Beispiel zeigt jedoch, wie sich ein eigener Agent mit Strands Agents flexibel anpassen und in bestehende Workflows integrieren lässt. Der Fokus liegt dabei weniger auf der reinen Funktionalität, sondern auf der Einfachheit der Erstellung und Erweiterbarkeit durch eigene Tools.

Als Demo liest der Agent die Daten aus einer vereinfachten CSV-Datei, in einem realen Szenario könnte der Agent direkt mit den entsprechenden AWS Services verbunden werden. Beispielsweise könnte er über die AWS Cost Explorer API aktuelle Ausgaben abrufen, diese mit definierten Budget-Limits abgleichen und bei Anomalien automatisch Benachrichtigungen versenden oder sogar präventive Massnahmen einleiten.

• Agent erstellen: Im ersten Schritt wird ein Agent mit dem gewünschten Modell und den gewünschten Tools erstellt. Die Tools umfassen in diesem Beispiel Funktionen zum Lesen der CSV-Datei und zur Erkennung von Kostenanomalien.

Das AWS Strands Agents SDK bietet einen idealen Einstieg, um selbst mit KI-Agenten zu experimentieren und erste Erfahrungen zu sammeln. Als relativ neues Framework ist Strands Agents leichtgewichtig und flexibel. Durch die schnelle Weiterentwicklung und das frühe Community-Feedback eignet es sich besonders gut für Prototyping und erste Produktivanwendungen.

Neben Strands Agents existieren auch andere, teils länger etablierte Frameworks zur Erstellung von KI-Agenten, etwa LangChain, CrewAI oder LlamaIndex. Welches Framework im Einzelfall am besten geeignet ist, hängt stets vom geplanten Einsatzszenario ab. In diesem Blogpost liegt der Fokus jedoch bewusst auf Strands Agents.

Durch den modellgetriebenen Ansatz, die einfache Erweiterbarkeit über Tools und die Unterstützung von Multi-Agent-Architekturen eröffnet Strands Agents ein breites Spektrum an Möglichkeiten. Ergänzt wird das durch integrierte Funktionen für Observability und Sicherheit, die für den praktischen Einsatz entscheidend sind. Damit legt das SDK eine solide Grundlage für vielfältige Use Cases und deutet das Potenzial künftiger Entwicklungen klar an.