AWS ha rilasciato open source Strands Harness, uno strumento per costruire agenti AI personalizzati che funziona con praticamente qualsiasi LLM sul mercato. GPT, Claude, Gemini, Ollama — scegliete voi, e se domani ne volete un altro, basta cambiare una riga di codice.
Gli agenti AI non sono solo il modello linguistico. Dietro c’è tutta un’infrastruttura — l’harness, l’imbracatura — che gestisce memoria a lungo termine, accesso a file e API, guardrail di sicurezza, e tutta quella roba che fa la differenza tra un chatbot e qualcosa che può davvero lavorare in autonomia.
Cos’è un harness e perché dovrebbe interessarvi
L’harness è l’ecosistema intorno al cervello dell’agente. Gestisce il contesto, ricorda le sessioni precedenti, si assicura che l’agente non faccia cose che non dovrebbe fare. È quello che decide se il vostro agente AI sta lavorando in modo efficiente o sta sprecando token come se piovessero.
Strands Harness funziona con Amazon Bedrock, Anthropic Claude, OpenAI GPT, Google Gemini, Ollama e Lite LLM. Non siete legati ad AWS. Potete deployare su qualsiasi ambiente che supporti container Linux.
Costruire un agente in tre righe di codice
Per creare un agente AI con Claude Opus 5, servono tre righe:
import { createHarness } from '@strands-agents/harness';
const agent = await createHarness({ model: 'anthropic/claude-opus-5' });
await agent('Research the top three vector databases, compare pricing and limits, and write it up in comparison.md');
Volete passare a Gemini? Cambiate ‘anthropic/claude-opus-5’ in ‘google/gemini-3.5-flash’. L’agente arriva già con esecuzione shell, lettura e scrittura file, ricerca web — roba che normalmente dovreste configurare manualmente.
Gestione del contesto senza impazzire
Strands Harness include prompt caching e gestione automatica del contesto. Di default, se un tool restituisce più di 1500 token, li taglia. Quando la finestra di contesto raggiunge l’85%, parte la compressione automatica. Se va in overflow, il sistema ripristina il contesto in un loop. Si occupa di tutto quel lavoro noioso che vi farebbe perdere ore di debug.
La memoria di sessione è persistente: date un session ID e il vostro agente riprende esattamente da dove aveva lasciato. Supporta anche le ‘skill’, aggiungibili come moduli.
I numeri
AWS ha pubblicato benchmark confrontando Strands Harness con Claude Code, entrambi su Claude Opus 5. Strands ottiene uno score di 69.7 — il più alto — con un costo di 56.29 dollari, secondo posto per efficienza. Claude Code è ultimo nella lista. Non male per uno strumento gratuito e modificabile.
CLI per chi preferisce la riga di comando
Strands CLI permette di configurare tutto da terminale: scegliete il modello, selezionate i tool da abilitare (shell, file, web), configurate plugin e aspetto. Una volta fatto, potete esportare tutto come codice TypeScript o Python.
Nel video demo AWS mostra un agente che riceve l’istruzione ‘Aggiungi il server MCP di Playwright e controlla la latency video di questo blog’. L’agente installa Playwright, naviga il sito, misura le performance e restituisce un report. Tutto in autonomia.
Open source, modificabile, vostro
La licenza è open source: prendetelo, modificatelo, deployatelo dove vi pare, anche in produzione commerciale. Nessun lock-in su AWS, nessun lock-in su un LLM specifico. Se domani esce un modello migliore, lo integrate. Se volete aggiungere funzionalità custom, il codice è vostro.
