Yapay zeka modelleri ve platformları

AWS, AgentCore çalışma ortamına Strands varsayılanlarını ve yaşam döngüsü kancalarını ekliyor

Theo Nash
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Öne çıkan noktalarLambda yaşam döngüsü kancaları dört kontrol noktasında araç çağrılarını…
Daha fazla göster
  • Lambda yaşam döngüsü kancaları dört kontrol noktasında araç çağrılarını reddedebilirken, Lambda olmayan kancalar yalnızca bildirimde bulunur.
  • Yönetilen varsayılanlar, öneriler geliştikçe AWS'nin belirtilmemiş model ve istem ayarlarını sessizce güncellemesine olanak tanır.
  • Sabit bir model kimliği veya araç listesi gibi açık yapılandırma, istikrarlı ajan davranışı için kontrol noktasıdır.

Amazon Web Services, 19 Kasım 2026’da Amazon Bedrock AgentCore çalışma ortamını yükselterek açık kaynaklı Strands çalışma ortamını kullanmaya başlayacağını duyurdu. Bu değişiklikle yeni bir kaynak türüne veya entegrasyona gerek kalmadan zaman içinde güncellenen yönetilen varsayılanlar, ek yerleşik araçlar ve belirleyici yaşam döngüsü kancaları sunuluyor.

Apache 2.0 lisansı altında 2026’nın başlarında yayımlanan Strands; talimatları, araçları ve bağlam yönetimini kapsayan, bir araya getirilmiş bir ajan temeli sunuyor. AgentCore, her oturumun çekirdek düzeyinde yalıtılmış bir mikro sanal makinede çalıştığı bu temeli yönetilen bir AWS hizmeti olarak işletiyor. AWS; işlem kaynaklarını, ölçeklendirmeyi, yüksek erişilebilirliği ve araç yürütme altyapısını yönetirken müşteriler modeller, talimatlar, araçlar, izinler ve yaşam döngüsü politikaları üzerindeki kontrollerini koruyor.

Yönetilen Varsayılanlar ve Yerleşik Araçlar

Yönetilen varsayılanları kullanan ajanlara, yeni modeller yayımlandıkça değişebilen önerilen bir modelin yanı sıra AWS’nin zaman içinde güncellediği, göreve odaklı bir sistem istemi sunuluyor. İstem; ajanları ilgili bağlamı toplamaya, uygun araçları kullanmaya, başarısızlıklara veya reddedilen işlemlere uyum sağlamaya ve tamamlandığını bildirmeden önce yaptıkları işi doğrulamaya yönlendiriyor.

Otomatik istem önbelleğe alma özelliği başlangıçta Amazon Bedrock Converse üzerinden desteklenen Anthropic modelleri için sunuluyor; sistem istemini, araç tanımlarını ve konuşma geçmişini kapsıyor. AWS’ye göre, aynı istem ve araç kümesiyle yinelenen çağrılarda daha düşük fiyatlı önbellek okuma belirteçleri kullanılabiliyor; bu da girdi işleme gecikmesini ve maliyetini azaltıyor.

Proaktif bağlam yönetimi, bağlam kullanımı yapılandırılabilir bir eşiğe ulaştığında yakın zamandaki bağlamı koruyarak eski konuşma turlarını özetliyor. Bağlamı dışarı aktarma özelliği ise büyük araç sonuçlarını modelin anlık bağlamının dışına taşıyor; böylece ajana bir önizleme sunulurken gerektiğinde sonucun tamamına erişim de sağlanıyor.

Yerleşik araçlar şunları içeriyor: todo_write; bu araç, özetleme yapıldıktan sonra da dâhil olmak üzere, aynı oturumdaki çağrılar boyunca yapılandırılmış bir planı koruyor. Bir subagent araç, ayrı olarak yönetilen bir çalışma ortamı kaynağı oluşturmadan, sınırları ve araç çağrısı kancalarını paylaşan yeni bir çalışana çağrı içinde bağımsız bir görev atıyor. web_fetch web sayfası içeriğini getirirken, ayrı read, write ve edit araçları, dosya sistemi izinlerinin ayrı ayrı verilmesini sağlıyor.

Yaşam Döngüsü Kancaları Araçları ve Alt Ajanları Denetliyor

Yaşam döngüsü kancaları, ajan döngüsünün dört noktasına belirleyici denetimler ekliyor. Lambda tarafından verilen ret kararı, her kontrol noktasında farklı bir etki yaratıyor:

Olay Çalışma zamanı Lambda ret kararının etkisi
before_invocation Ajan isteği işlemeden önce Çağrıyı şu mesajla durdurur hook_stopped
before_tool_call Model bir araç çağrısı önerdikten ve çağrı yürütülmeden önce Araç çağrısını atlar; ajan döngüsü devam eder
after_tool_call Araç sonucu oluştuğunda Sonucu korur ve yeni çıkarım yapılmadan önce durdurur
after_invocation Çağrı tamamlandıktan sonra Kararı bildirir; akışla gönderilen çıktı geri alınamaz

Ajan döngüsünü yalnızca Lambda kancaları değiştirebilir. Bu kancalar eşzamanlı çalışır ve isteğe bağlı bir gerekçeyle birlikte izin veya ret kararı döndürür; Amazon SNS ve Amazon EventBridge kancaları ise yürütmeyi engellemeden bildirim gönderir. Bir Lambda işlevinin zaman aşımına uğraması veya hata döndürmesi durumunda yapılandırılmış ayar failureMode geçerli olur; varsayılan karar rettir. Kararlar hookEvent kayıtları olarak InvokeHarness yanıt akışında yer alır.

AWS’nin destek ajanı örneğinde bir before_tool_call kancası, bir issue_refund 500 ABD dolarlık otomatik onay sınırını aşan çağrıyı reddeder. Çalışma ortamı geri ödeme işlemini atlar ve ajanın durumu üst kademeye taşıdığını bildirebilmesi için devam etmesine izin verir. Araç çağrısı kancaları, alt ajan çağrılarını da denetleyerek yetki devrinin politikanın etrafından dolaşmasını önler; çağrı düzeyindeki kancalar ise genel çağrı için bir kez çalışır.

Dağıtım Açıkça Belirtilen Yapılandırmaları Koruyor

Strands tabanlı deneyim, 11 Kasım 2026’da yeni ve mevcut çalışma ortamlarına sunulmaya başladı ve müşterilerin herhangi bir işlem yapmasını gerektirmiyor. Açıkça belirtilen yapılandırmalar değişmeden kalıyor. Müşterilerin mevcut Model Context Protocol sunucuları, AgentCore Gateway, Browser, Code Interpreter, bellek ve müşteri tarafından sağlanan kapsayıcılar mevcut arayüzler üzerinden çalışmaya devam ediyor.

Yapılandırma ayarları, bir ajanın davranışının ne kadarının daha sonra değişebileceğini belirler. Model kimliği, belirli bir modeli sabit tutar; systemPrompt yönetilen talimatların yerine geçer ve truncation seçilen bağlam yönetimi politikasını korur. Atlanması allowedTools veya şu değere ayarlanması "*" zaman içinde yeni yetenekler kazanabilecek önerilen bir araç kümesinin kullanılmasını sağlar; tek tek seçicileri listelemek ise sabit bir güvenlik veya yetenek sınırı oluşturur.

Bu nedenle yönetilen hizmet, AWS önerilerini güncelledikçe bir ajanın belirtilmemiş bölümlerini güncelleyebilir. Böylece kararlı davranış ve tanımlı bir araç kapsamı gerektiren iş yüklerinde açık yapılandırma, kontrol noktası işlevi görür.

Theo Nash, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; yapay zekâ altyapısını, hesaplama kaynaklarını ve modern yapay zekâya güç veren donanım sistemlerini inceler. Çalışması, büyük ölçekli AI iş yüklerinin teknik temellerine odaklanır; buna veri merkezleri, hızlandırıcılar, ağlar ve bunları birleştiren yazılım yığınları dahildir.

Analitik ve mühendislik odaklı bir bakış açısıyla, Theo GPU'larda, özel silikonlarda, bellek mimarilerinde ve dağıtık sistemlerdeki ilerlemelerin yeni nesil AI modellerini nasıl mümkün kıldığını inceler. Performans ödünleşimleri, enerji verimliliği, ölçeklenebilirlik ve AI altyapısının gerçek dünyadaki dağıtımını şekillendiren pratik kısıtlamalara özellikle dikkat eder.

Theo Nash tarafından yazılan makaleler AI tarafından oluşturulmuş olup, Unite.AI’nin editöryal ekibi tarafından teknik doğruluk, açıklık ve hızla evrilen AI hesaplama ortamının sorumlu bir şekilde ele alınmasını sağlamak için gözden geçirilir.