Laptop met open broncode op een werktafel
Nieuws22 september · 02:494 min leestijd

AWS maakt Strands Harness open source voor modelonafhankelijke agenten

AWS maakt Strands Harness open source onder Apache 2.0. De agentlaag draait lokaal of in elke cloud, wisselt van model en gebruikt volgens AWS 28 procent minder tokens bij vergelijkbare scores.

AWS maakt Strands Harness open source onder de Apache 2.0-licentie, meldt het bedrijf, zodat ontwikkelteams dezelfde agentlaag lokaal of in elke cloud kunnen draaien en het model eronder kunnen wisselen.

Voor een Nederlandse organisatie verschuift daarmee een belangrijke architectuurkeuze: de werkstroom, het contextbeheer en de koppelingen hoeven niet meer vast te zitten aan de partij die het model levert. Dat maakt een overstap naar een ander model of een andere cloud technisch kleiner, terwijl de kosten voor het model zelf wel blijven doorwerken.

De laag die je kunt verplaatsen

Strands Harness is een kant-en-klare, algemene agent die bovenop de bestaande Strands Harness SDK draait. De software bevat onder meer bestands-, shell- en webtools, contextbeheer, geheugen, sessies, prompt caching en delegatie naar andere agents. AWS positioneert het nadrukkelijk als algemene agent, niet als codeerassistent.

De modelkeuze staat los van die laag. De aankondiging noemt Amazon Bedrock, Anthropic, OpenAI, Google, Ollama en LiteLLM als mogelijke aanbieders. De agent kan lokaal draaien of worden uitgerold in een Linux-container bij onder meer Modal, Cloudflare, Azure, Google Cloud, Amazon ECS of Bedrock AgentCore. Ook die laatste omgeving is volgens AWS optioneel.

De repository bevat een apart LICENSE.APACHE-bestand. Dat bevestigt de Apache License 2.0 voor de open-sourcecode. Voor teams die hun agentlaag zelf willen beheren, is dat meer dan een marketinglabel: de code, de uitvoeromgeving en de keuze van modelaanbieder kunnen in dezelfde architectuur bij elkaar blijven.

AWS-grafiek met de kosten en scores van Strands Harness, Claude Code, Codex, OpenCode, oh-my-pi en DeepSeek Harness over zes benchmarks. Bron: AWS, gepubliceerd door The New Stack
AWS-grafiek met de kosten en scores van Strands Harness, Claude Code, Codex, OpenCode, oh-my-pi en DeepSeek Harness over zes benchmarks. Bron: AWS, gepubliceerd door The New Stack

De kostenclaim zit in de harnaslaag

AWS zegt dat Strands Harness bij gebruik van hetzelfde Claude- of GPT-model over zes benchmarks 28 procent minder tokens gebruikt, met vrijwel gelijke scores. Volgens de aankondiging komt de winst vooral uit standaardinstellingen die toolresultaten boven ongeveer 1.500 tokens afkappen, de context boven 85 procent samenvatten en bij een overloop herstel proberen.

Op Terminal Bench 2.1 geeft AWS een concreter voorbeeld. In 89 proeven met Fable 5 kostte Strands Harness gemiddeld 56,29 dollar, tegenover 248,05 dollar voor Claude Code. De scores waren respectievelijk 69,7 en 61,8. DeepSeek Harness was in dezelfde tabel goedkoper met 40,30 dollar, maar scoorde 59,5.

De cijfers komen uit AWS’ eigen, over meerdere EC2-machines verdeelde Harbor-test. The Register wijst erop dat AWS vooral codeeragenten naast elkaar zette, terwijl Strands Harness zelf als algemene agent wordt aangeboden. De 28 procent is dus een benchmarkresultaat onder een specifieke testopzet, geen vaste korting op iedere agentrun.

Terminal Bench 2.1 vergelijkt de kosten en nauwkeurigheid van vijf agentharnassen met Fable 5 over 89 proeven. Bron: AWS, gepubliceerd door The New Stack
Terminal Bench 2.1 vergelijkt de kosten en nauwkeurigheid van vijf agentharnassen met Fable 5 over 89 proeven. Bron: AWS, gepubliceerd door The New Stack

De keuze verschuift omhoog

AWS is niet de eerste partij die de agentlaag openlegt. DeepSeek bracht eerder een modelonafhankelijk harnas uit onder de MIT-licentie, met ruimte voor een eigen bedrijfsgateway of zelfgehoste server. Het verschil is dat AWS nu een kant-en-klare algemene agent koppelt aan een expliciete benchmark over kosten en nauwkeurigheid.

Daarmee wordt de modelkeuze minder vaak het vaste middelpunt van een agentarchitectuur. De blijvende inzet zit in de tools, sessies, context en gegevensstromen eromheen. Wie die laag zelf kan draaien en vervangen, houdt meer ruimte om later van model of cloud te wisselen zonder de hele werkwijze opnieuw te bouwen.

Veelgestelde vragen

Alisina Nawabi
Geschreven doorAlisina Nawabi

AI Product Engineer & Solutions Architect

Van agentlaag naar eigendom

Ik denk mee over een agentarchitectuur die bij je proces past, ontwerp de koppelingen en bouw de automatisering end-to-end, self-hosted waar dat kan. Van eerste keuze tot live systeem blijf ik betrokken.

Meer informatie

Dit artikel is geproduceerd samen met het Agent Team. Meer over de redactie.

Genoemde integraties

Dit artikel noemt deze tools. Ik koppel ze op maat aan je eigen systemen.

Gerelateerde artikelen

ChatGPT, Claude en Grok vallen tegelijk uit, oorzaak onbekend
Nieuws
4 min

3 sep 20:19

ChatGPT, Claude en Grok vallen tegelijk uit, oorzaak onbekend

ChatGPT, Claude en Grok lagen donderdag ruim anderhalf uur tegelijk plat. Geen van de drie aanbieders noemt een oorzaak. Voor wie AI in een productieproces heeft, verliest een tweede leverancier als terugvaloptie daarmee zijn waarde.

AT&T verlaagt kosten van AI-taken met 56 procent via open modellen
Nieuws
4 min

21 aug 04:09

AT&T verlaagt kosten van AI-taken met 56 procent via open modellen

AT&T stuurt vragen van medewerkers via een LiteLLM-router naar open modellen en verlaagde de kosten van codeer- en andere AI-taken met tot 56 procent, bij 2 procent kwaliteitsverlies. De uitgaven aan Anthropic en OpenAI blijven bevroren.

Ramp lanceert modelrouter Router.com, voorlopig alleen in de VS
Nieuws
4 min

21 aug 02:09

Ramp lanceert modelrouter Router.com, voorlopig alleen in de VS

Ramp lanceert Router.com, een API die elk AI-verzoek naar het goedkoopste geschikte model stuurt en volgens het bedrijf 40 procent inferentiekosten scheelt. Alleen te gebruiken in de VS, op Amerikaanse infrastructuur.

Andrew Ng lanceert OpenWorker: open-source AI-collega die lokaal draait
Nieuws
4 min

24 jul 06:10

Andrew Ng lanceert OpenWorker: open-source AI-collega die lokaal draait

AI-onderzoeker Andrew Ng bracht OpenWorker uit, een gratis en open-source AI-collega die volledig op je eigen computer draait, elk model gebruikt en afgerond werk oplevert in plaats van een chatgesprek. Zonder abonnement of vendor lock-in.

Amazon kopieert intern Anthropic's Claude-modellen om hogere tokenprijzen voor te zijn
Nieuws
5 min

29 jun 22:34

Amazon kopieert intern Anthropic's Claude-modellen om hogere tokenprijzen voor te zijn

Amazon-engineers maken volgens The Information goedkopere interne kopieen van Anthropic's Claude-modellen, vlak voor een overstap naar tokenprijzen. Voor bedrijven die Claude via AWS Bedrock draaien is dat een signaal over kosten en leveranciersrisico.

Zo bouw je een leverancier-onafhankelijke AI-stack
Gids
10 min

16 jun 19:00

Zo bouw je een leverancier-onafhankelijke AI-stack

Eén AI-leverancier die zijn prijzen verhoogt of een model offline haalt, kan je operatie platleggen. Ik laat je een dunne routerlaag bouwen met open-weight achtervang en budgetbewaking, zodat je nooit aan één aanbieder vastzit.