โมเดลและแพลตฟอร์ม AI

AWS เพิ่มค่าเริ่มต้นของ Strands และฮุกวงจรชีวิตให้กับฮาร์เนสของ AgentCore

Theo Nash
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญฮุกวงจรชีวิตของ Lambda สามารถปฏิเสธการเรียกเครื่องมือได้ที่จุดตรวจสอบสี่จุด…
ดูเพิ่มเติม
  • ฮุกวงจรชีวิตของ Lambda สามารถปฏิเสธการเรียกเครื่องมือได้ที่จุดตรวจสอบสี่จุด ในขณะที่ฮุกที่ไม่ใช่ Lambda ทำได้เพียงแจ้งเตือนเท่านั้น
  • ค่าเริ่มต้นแบบจัดการช่วยให้ AWS อัปเดตการตั้งค่าโมเดลและพรอมต์ที่ไม่ได้ระบุไว้อย่างเงียบ ๆ เมื่อคำแนะนำต่าง ๆ พัฒนาไป
  • การกำหนดค่าอย่างชัดเจน เช่น ID โมเดลแบบคงที่หรือรายการเครื่องมือ คือจุดควบคุมสำหรับพฤติกรรมของเอเจนต์ที่มั่นคง

Amazon Web Services ประกาศเมื่อวันที่ 19 พฤศจิกายน 2026 ว่ากำลัง อัปเกรดฮาร์เนสของ Amazon Bedrock AgentCore ให้ใช้ฮาร์เนสโอเพนซอร์ส Strands โดยเพิ่มค่าเริ่มต้นที่ AWS จัดการและปรับปรุงได้อย่างต่อเนื่อง เครื่องมือในตัวเพิ่มเติม และฮุกวงจรชีวิตที่ทำงานอย่างกำหนดแน่นอน โดยไม่ต้องใช้ทรัพยากรประเภทใหม่หรือผสานรวมระบบเพิ่มเติม

Strands ซึ่งเปิดตัวเมื่อต้นปี 2026 ภายใต้สัญญาอนุญาต Apache 2.0 เป็นรากฐานเอเจนต์ที่ประกอบด้วยคำสั่ง เครื่องมือ และการจัดการบริบท AgentCore ให้บริการรากฐานดังกล่าวในรูปแบบบริการที่ AWS จัดการ โดยแต่ละเซสชันทำงานในไมโครวีเอ็มที่แยกด้วยเคอร์เนล AWS จัดการโครงสร้างพื้นฐานด้านการประมวลผล การปรับขนาด ความพร้อมใช้งานสูง และการเรียกใช้เครื่องมือ ขณะที่ลูกค้ายังคงควบคุมโมเดล คำสั่ง เครื่องมือ สิทธิ์ และนโยบายวงจรชีวิต

ค่าเริ่มต้นที่ AWS จัดการและเครื่องมือในตัว

เอเจนต์ที่ใช้ค่าเริ่มต้นซึ่ง AWS จัดการจะได้รับโมเดลที่แนะนำ ซึ่งอาจเปลี่ยนแปลงเมื่อมีการเปิดตัวโมเดลใหม่ พร้อมกับพรอมป์ต์ระบบที่เน้นการทำงานตามภารกิจ ซึ่ง AWS จะปรับปรุงเป็นระยะด้วย พรอมป์ต์นี้ส่งเสริมให้เอเจนต์รวบรวมบริบทที่เกี่ยวข้อง ใช้เครื่องมือที่เหมาะสม ปรับตัวเมื่อเกิดข้อผิดพลาดหรือถูกปฏิเสธการดำเนินการ และตรวจสอบงานก่อนรายงานว่าเสร็จสิ้น

ในระยะแรก การแคชพรอมป์ต์อัตโนมัติจะพร้อมใช้งานกับโมเดล Anthropic ที่รองรับผ่าน Amazon Bedrock Converse โดยครอบคลุมพรอมป์ต์ระบบ คำจำกัดความของเครื่องมือ และประวัติการสนทนา AWS ระบุว่า การเรียกใช้ซ้ำด้วยพรอมป์ต์และชุดเครื่องมือเดิมสามารถใช้โทเค็นที่อ่านจากแคชซึ่งมีราคาต่ำกว่า จึงช่วยลดเวลาแฝงและค่าใช้จ่ายในการประมวลผลอินพุต

การจัดการบริบทเชิงรุกจะสรุปข้อความสนทนาก่อนหน้าเมื่อการใช้งานบริบทถึงเกณฑ์ที่กำหนดค่าได้ โดยยังคงเก็บบริบทล่าสุดไว้ ส่วนการถ่ายโอนบริบทจะย้ายผลลัพธ์จากเครื่องมือขนาดใหญ่ออกจากบริบทที่โมเดลใช้งานโดยตรง เหลือไว้เพียงตัวอย่างย่อให้เอเจนต์ดู และเปิดให้เข้าถึงผลลัพธ์ฉบับเต็มได้เมื่อต้องการ

เครื่องมือในตัวประกอบด้วย todo_write, ซึ่งเก็บแผนงานที่มีโครงสร้างไว้ตลอดการเรียกใช้ต่าง ๆ ในเซสชันเดียวกัน รวมถึงหลังการสรุปแล้ว เครื่องมือ subagent จะมอบหมายงานที่แยกเป็นอิสระให้กับเวิร์กเกอร์ใหม่ภายในการเรียกใช้ โดยใช้ขีดจำกัดและฮุกการเรียกใช้เครื่องมือร่วมกัน แต่ไม่ต้องสร้างทรัพยากรฮาร์เนสที่จัดการแยกต่างหาก web_fetch ดึงเนื้อหาจากหน้าเว็บ ขณะที่เครื่องมืออีกสองรายการที่แยกจากกัน read, write และ edit เครื่องมือช่วยให้กำหนดสิทธิ์การเข้าถึงระบบไฟล์แยกเป็นรายรายการได้

ฮุกวงจรชีวิตควบคุมเครื่องมือและเอเจนต์ย่อย

ฮุกวงจรชีวิตแทรกการควบคุมที่ทำงานอย่างกำหนดแน่นอนในสี่จุดของวงจรการทำงานของเอเจนต์ การปฏิเสธจาก Lambda ส่งผลแตกต่างกันในแต่ละจุดตรวจสอบ ดังนี้

เหตุการณ์ เวลาที่ทำงาน ผลของการปฏิเสธจาก Lambda
before_invocation ก่อนที่เอเจนต์จะประมวลผลคำขอ หยุดการเรียกใช้พร้อม hook_stopped
before_tool_call หลังจากโมเดลเสนอให้เรียกใช้เครื่องมือ แต่ก่อนเริ่มดำเนินการ ข้ามการเรียกใช้เครื่องมือ แล้วให้วงจรการทำงานของเอเจนต์ดำเนินต่อ
after_tool_call หลังจากมีผลลัพธ์จากเครื่องมือแล้ว เก็บผลลัพธ์ไว้ แล้วหยุดก่อนการอนุมานขั้นต่อไป
after_invocation หลังจากการเรียกใช้เสร็จสิ้น รายงานการตัดสินใจ แต่ไม่สามารถเรียกคืนเอาต์พุตที่สตรีมไปแล้วได้

มีเพียงฮุก Lambda เท่านั้นที่เปลี่ยนวงจรการทำงานของเอเจนต์ได้ ฮุกเหล่านี้ทำงานแบบซิงโครนัสและส่งคืนผลการตัดสินใจว่าอนุญาตหรือปฏิเสธ พร้อมเหตุผลเพิ่มเติมได้ ส่วนฮุก Amazon SNS และ Amazon EventBridge ใช้ส่งการแจ้งเตือนโดยไม่บล็อกการทำงาน หากฟังก์ชัน Lambda หมดเวลาทำงานหรือส่งคืนข้อผิดพลาด การตั้งค่าที่กำหนดไว้ failureMode จะมีผล โดยค่าเริ่มต้นคือการปฏิเสธ การตัดสินใจจะแสดงเป็น hookEvent รายการใน InvokeHarness สตรีมการตอบกลับ

ในตัวอย่างเอเจนต์สนับสนุนลูกค้าของ AWS ฮุก before_tool_call จะปฏิเสธการ issue_refund เรียกใช้ที่เกินวงเงินอนุมัติอัตโนมัติ 500 ดอลลาร์ ฮาร์เนสจะข้ามการคืนเงินและให้เอเจนต์ทำงานต่อ เพื่อให้รายงานว่ามีการยกระดับเรื่อง ฮุกการเรียกใช้เครื่องมือยังควบคุมการเรียกใช้เอเจนต์ย่อยด้วย จึงป้องกันไม่ให้การมอบหมายงานใช้เป็นช่องทางหลีกเลี่ยงนโยบาย ขณะที่ฮุกระดับการเรียกใช้จะทำงานเพียงครั้งเดียวสำหรับการเรียกใช้ทั้งหมด

การทยอยเปิดตัวโดยคงการตั้งค่าที่ระบุไว้อย่างชัดเจน

ประสบการณ์ที่ขับเคลื่อนด้วย Strands เริ่มทยอยเปิดให้ใช้กับฮาร์เนสใหม่และที่มีอยู่แล้วเมื่อวันที่ 11 พฤศจิกายน 2026 โดยลูกค้าไม่ต้องดำเนินการใด ๆ การตั้งค่าที่ระบุไว้อย่างชัดเจนจะยังคงไม่เปลี่ยนแปลง เซิร์ฟเวอร์ Model Context Protocol ของลูกค้าที่มีอยู่, AgentCore Gateway, Browser, Code Interpreter, หน่วยความจำ และคอนเทนเนอร์ที่ลูกค้าจัดหาให้ จะยังใช้งานผ่านอินเทอร์เฟซปัจจุบันได้ต่อไป

การตั้งค่ากำหนดค่าจะเป็นตัวกำหนดว่าพฤติกรรมของเอเจนต์จะเปลี่ยนแปลงได้มากน้อยเพียงใดในภายหลัง รหัสโมเดลจะคงโมเดลเฉพาะรุ่นไว้ systemPrompt ใช้แทนคำสั่งที่ AWS จัดการ และ truncation คงนโยบายการจัดการบริบทที่เลือกไว้ การไม่ระบุ allowedTools หรือกำหนดค่าเป็น "*" จะใช้ชุดเครื่องมือที่แนะนำ ซึ่งอาจเพิ่มความสามารถได้เมื่อเวลาผ่านไป ส่วนการระบุตัวเลือกแต่ละรายการจะคงขอบเขตด้านความปลอดภัยหรือความสามารถให้ตายตัว

ดังนั้น บริการที่มีการจัดการจึงสามารถปรับปรุงส่วนต่าง ๆ ของเอเจนต์ที่ไม่ได้ระบุไว้ได้ เมื่อ AWS ปรับปรุงคำแนะนำ ทำให้การกำหนดค่าอย่างชัดเจนเป็นจุดควบคุมสำหรับเวิร์กโหลดที่ต้องการพฤติกรรมที่คงที่และขอบเขตเครื่องมือที่กำหนดไว้อย่างชัดเจน

Theo Nash เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมโครงสร้างพื้นฐาน AI, การคำนวณ, และระบบฮาร์ดแวร์ที่ขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ งานของเขามุ่งเน้นที่พื้นฐานทางเทคนิคเบื้องหลังภาระงาน AI ขนาดใหญ่ รวมถึงศูนย์ข้อมูล, ตัวเร่งความเร็ว, เครือข่าย, และสแตกซอฟต์แวร์ที่เชื่อมโยงพวกมันเข้าด้วยกัน.

ด้วยมุมมองเชิงวิเคราะห์และขับเคลื่อนโดยวิศวกรรม, Theo ตรวจสอบว่าความก้าวหน้าใน GPU, ซิลิกอนแบบกำหนดเอง, สถาปัตยกรรมหน่วยความจำ, และระบบกระจายทำให้รุ่นใหม่ของโมเดล AI สามารถเกิดขึ้นได้อย่างไร เขาให้ความสนใจเป็นพิเศษต่อการแลกเปลี่ยนด้านประสิทธิภาพ, ประสิทธิภาพการใช้พลังงาน, ความสามารถในการขยาย, และข้อจำกัดเชิงปฏิบัติที่กำหนดการใช้งานจริงของโครงสร้างพื้นฐาน AI.

บทความที่เขียนโดย Theo Nash สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำทางเทคนิค, ความชัดเจน, และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์การคำนวณ AI ที่กำลังพัฒนาอย่างรวดเร็ว