Strands
AWS开源的轻量级智能体编排框架，采用模型驱动设计哲学，开发者声明工具和约束后由底层模型自主决定调用顺序与推理路径，适合需要动态决策的多智能体场景
核心事实
时间轴 (近 90 天)
使用Strands的BedrockModel接入Bedrock只需少量代码，而SageMaker需要create-model、create-endpoint-config、create-endpoint三次API调用，且实测端点部署到InService耗时约9分钟。
一位 Strands 用户报告 18 次工具调用的回合导致 0 缓存读取和 134,082 token 缓存写入。
Strands 的设计哲学是模型驱动（model-driven），开发者只需声明工具和约束，由底层模型自主决定调用顺序与推理路径，而非硬编码执行步骤
与 LangGraph、AutoGen 等框架相比，Strands 的抽象层级更高、代码量更少，但对底层模型的推理能力依赖更强
原文以供应链决策场景为例，使用 Strands 框架搭建了一套多智能体系统，由 Strands 负责定义各智能体角色、可调用的工具集及协作流程
Amazon Bedrock AgentCore 是 AWS 于2025年推出的托管服务，专为在生产环境中运行和编排 AI 智能体而设计
全部知识事实 (6)
Amazon Bedrock AgentCore 是 AWS 于2025年推出的托管服务，专为在生产环境中运行和编排 AI 智能体而设计
80%待验证使用Strands的BedrockModel接入Bedrock只需少量代码，而SageMaker需要create-model、create-endpoint-config、create-endpoint三次API调用，且实测端点部署到InService耗时约9分钟。
50%待验证Strands 的设计哲学是模型驱动（model-driven），开发者只需声明工具和约束，由底层模型自主决定调用顺序与推理路径，而非硬编码执行步骤
50%待验证与 LangGraph、AutoGen 等框架相比，Strands 的抽象层级更高、代码量更少，但对底层模型的推理能力依赖更强
50%待验证原文以供应链决策场景为例，使用 Strands 框架搭建了一套多智能体系统，由 Strands 负责定义各智能体角色、可调用的工具集及协作流程
50%待验证一位 Strands 用户报告 18 次工具调用的回合导致 0 缓存读取和 134,082 token 缓存写入。
50%