亚马逊云科技（AWS）近日发布两款面向AI智能体开发的开源项目：Strands Decider 2B与Strands Box。前者是一款参数规模为20亿的小型模型，专为智能体工作流中的决策环节设计；后者则是一个用于控制智能体执行过程的沙箱环境。两个项目分别从决策与执行两个维度切入，覆盖了构建工具调用型智能体的核心工程需求。
据AWS介绍，Strands Decider 2B的定位是在智能体运行过程中承担决策职能。在典型的智能体架构中，模型需要反复判断下一步应调用哪个工具、是否继续执行或终止任务，这一环节对响应速度和推理成本较为敏感。采用20亿参数级别的小模型来处理此类决策任务，有助于降低对大型模型的依赖，从而在延迟和算力开销上获得优势。该模型以开源形式发布，开发者可将其集成至自有智能体框架中。
Strands Box则聚焦于智能体执行环节的安全性与可控性。当智能体需要执行代码、调用外部API或与第三方系统交互时，其行为可能带来不可预期的副作用。Strands Box通过沙箱机制对智能体的执行范围加以限制，使开发者能够在受控环境中运行和验证智能体行为，降低生产环境中的风险。这一设计回应了当前智能体落地过程中普遍存在的安全与合规顾虑。
两个项目均围绕“使用工具、执行代码、与外部系统交互”这一智能体核心能力链条展开。近年来，随着大模型能力提升，智能体从概念验证走向实际部署，工具调用、代码执行和外部系统集成成为工程实践中的关键环节。AWS此次以开源方式发布上述组件，延续了其在AI开发工具链上的布局思路，即为开发者提供可直接复用的基础模块，而非仅提供底层模型能力。
从行业角度看，智能体开发工具链正成为云厂商与AI平台竞争的新焦点。决策模型的小型化与执行环境的沙箱化，分别对应成本效率与安全可控两大诉求。AWS通过开源策略吸引开发者在其生态内构建智能体应用，有望进一步带动相关云服务的采用。目前两个项目均已开放，具体性能表现与社区反馈尚待观察。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
