亞馬遜雲端服務（AWS）於二零二六年九月二十一日前後推出開源通用代理框架 Strands Harness，主打「一行列式」即可接上 Bedrock、Anthropic、OpenAI、Google 或本機 Ollama，並宣稱在同一模型下 token 消耗可較熱門編程代理框架低約兩成八。消息經 The Register、SiliconANGLE 報道，並已對照官方文件與套件頁核實。

對開發者與企業而言，重點不在又一個示範聊天視窗，而在把本機「剛好能跑」的代理原型，轉成可部署到任意雲端或地端的可重用 harness，並用預設的 prompt 快取與上下文壓縮，控制長會話成本。

The Register／SiliconANGLE：AWS 開源 Strands Harness——通用 AI 代理框架號稱同模型下 token 約少兩成八

AWS 在代理（agent）基建上同時推進託管產品與開源工具鏈。今次亮相的 Strands Harness，定位為「電池齊全」的通用代理 harness：不是只給寫程式用，而是連檔案、shell、網頁搜尋等工具預裝，並可匯出 Python／TypeScript 專案。本文來源真實性已驗證：以 The Register 與 SiliconANGLE 對 AWS 宣布的整理為主軸，並交叉核對 strandsagents.com 官方快速入門與公開 GitHub 倉庫說明。

一、核心事件：從本機原型到「任意環境」部署

技術細節

根據 SiliconANGLE 與 The Register 引述，AWS 觀察到開發者常在 Claude Code、Codex 等本機環境快速做出代理原型，但一要擴到可擴展雲端就卡在「自己組裝 primitive」。Strands Harness 聲稱以開源方式提供現成 agent，可在本機或任意雲端運行（報道列舉 Google Cloud、Microsoft Azure、Modal、Cloudflare 等，不只限 AWS）。

官方文件顯示安裝與啟動路徑包括：

• Python：pip install strands-harness，以 create_harness() 建立代理；
• TypeScript：npm install @strands-agents/harness；
• CLI：npm install -g @strands-agents/cli，互動設定後可用 /export 匯出程式碼。

模型供應商預設為 Amazon Bedrock，亦可指定 Anthropic、OpenAI、Google，或以 ollama/... 在本機跑模型。預設開啟推理、prompt 快取、自動上下文管理、長期記憶、generalist 子代理與 todos 任務追蹤。

二、技術原理深度解析

The Register 指出，AWS 把效能歸因於預設的上下文策略：工具結果超過約一千五百個 token 會截斷、上下文視窗超過約八成五會自動壓縮，並在溢出時嘗試恢復上下文。SiliconANGLE 另稱，在同一底層模型下，該 harness 較其他框架約節省兩成六處理開銷；在 Anthropic Fable 5 的一項對照中，相對 Claude Code 成本可低約七成七，同時在 Terminal Bench 2.1 取得較高總分。The Register 則寫「跨六項基準約少用兩成八 token」，並承認 DeepSeek 的 harness 在 token 效率上更省，但準確度較遜——這些數字均來自 AWS 自述或以其 Harbor／EC2 叢集自測，獨立複現仍待後續論文。

架構上，Harness 建構於 AWS 開源的 Strands Agents／Harness SDK 之上，強調「模型已認識的工具」優先於為每個任務手寫專用工具；亦可掛載 Agent Skills 與 MCP（Model Context Protocol）伺服器。這與業界把「agent loop + 工具 + 記憶 + 可觀測性」打包成可嵌入程式庫的趨勢一致：重點從「選哪個聊天產品」轉向「選哪套可版本控管、可審計的執行層」。

三、日常應用場景

1. 開發者與技術團隊

適合把互動 CLI 原型 /export 成 Python／TypeScript 函式庫，嵌入內部工具、CI 或客服後台。對已用多模型路由的團隊，可用同一 harness 切換 Bedrock 與第三方 API，減少重寫 agent loop。

2. 企業與隱私敏感行業

若合規要求資料不出境，可把模型端指到本機 Ollama 或企業私有端點，仍沿用同一套工具與工作階段（session）機制。金融、法律、醫療等場景可先以沙盒驗證「探索→確認→再變更」的預設行為，再接入內部 MCP 工具。

3. 一般用戶與產品經理

Strands CLI 的問答式設定降低「不會寫 orchestration」的門檻：選模型、目標與工具後即可試跑，再匯出給工程師硬化。適合內部知識助理、發佈說明草稿、研究比較等通用任務，而非只鎖定寫碼基準。

4. 香港與亞洲市場視角

香港企業常見「多雲＋地端」混合：應用可能在 AWS／Azure，敏感推論卻要留在本地或專用 VPC。開源、可換模型供應商的 harness，有助避免單一 SaaS 代理綁定；同時也提醒採購方：供應商自測「比 Claude Code／Codex 更省 token」時，樣本多屬編程代理，通用場景仍需自備回歸測試與成本儀表板。

四、專業評價與潛在考量

優勢

• 開源、Python／TypeScript 雙語、CLI 到程式庫路徑清楚，利於納入現有 DevOps。
• 預設上下文與快取策略直接對準長會話成本，符合企業「代理一開就燒 token」的痛點。
• 支援 Ollama 與多雲／多供應商，契合主權與議價需求。

需要留意的地方

• The Register 提醒：官方自稱通用代理，但公開對照對象多為編程向 harness，且基準由 AWS 自跑，獨立評測與論文細節仍待公開。
• 「開源 harness」降低組裝成本，不自動等於生產安全：工具批准模式、憑證範圍、稽核日誌與沙盒隔離仍須企業自行設計。
• 與託管的 Amazon Bedrock AgentCore harness 是互補而非替代；需要高度客製化時，文件亦指向匯出 Strands 程式碼再自託管。

結語

Strands Harness 把「本機剛好能跑」的代理體驗，包裝成可部署、可匯出、可換模型的開源執行層，並用自述的 token 效率數字搶攻 Claude Code／Codex 生態的注意力。對香港技術決策者，較務實的下一步是：在受控環境用同一任務集量測真实 token 與失敗率，再決定要鎖死供應商代理，還是自建可審計的 harness。

若企業希望在香港部署可私有化的大語言模型與代理工作流，可參考 YSK Limited 的企業私有 LLM 全託管（年費 HK$88,000 起，Dataset → QLoRA／LoRA → 私有 API，數據不出境）：https://ysk.hk/services/ai-automation

參考來源

1. The Register（Brandon Vigliarolo，2026-09-21）：https://www.theregister.com/ai-and-ml/2026/09/21/aws-bolts-together-open-source-agent-harness-says-it-sips-fewer-tokens-than-rivals/5297915
2. SiliconANGLE（Mike Wheatley，2026-09-21）：https://siliconangle.com/2026/09/21/aws-debuts-strands-harness-an-open-source-ai-agent-that-can-be-deployed-in-any-environment/
3. Strands Agents 官方快速入門：https://strandsagents.com/docs/user-guide/harness/quickstart/
4. GitHub strands-agents／harness-sdk：https://github.com/strands-agents/harness-sdk/
5. 發現來源 X @TheRegister：https://x.com/TheRegister/status/2102066094676885583