AWS、エージェントハーネス Strands を公開。トークン28％減と主張

AWS がオープンソースのエージェント型 AI に参入した。新しい「Strands」ハーネスは、ベンチマークで競合と並びながらトークン使用量が約4分の1少ないというのが同社の主張である。名前のとおり AWS の Strands Harness の上に構築されており、箱から出してすぐ動くようパッケージ化されている。ローカルで動かすことも、顧客が選んだ AI プロバイダーと組み合わせてデプロイすることもできる。

AWS は発表で「自分でエージェントを作った瞬間、あなたは一人になる」「『ちゃんと動く』という感覚に見合うだけ適切なプリミティブを配線するのは厄介だ」と書いている。今回のオープンソース版なら「Python か TypeScript の1行で、選んだモデルと動かせる」というのが売り文句だ。提供形態は Python / TypeScript ライブラリと CLI で、skills ファイルが同梱されるため自前のツールを差し込みやすい。シェル、ファイル、Web のツールが最初から入っている。

性能の主張はこうだ。Harbor フレームワークを使い、AWS 自身の EC2 の複数ノードに分散してテストしたところ、Claude Code、Codex、その他の人気ハーネスに対して「ほぼ同等のベンチマークスコア」を達成した。さらに6つのベンチマークを通じて「Claude または GPT のモデル」と比べてトークン消費が28％少なく、精度が他のハーネスを上回った場合もあったという。なお DeepSeek のハーネスはトークン効率ではより優れていたが、同じテストでは精度が劣ったと AWS は認めている。

この差の出どころとして AWS が挙げるのは、プロンプトキャッシュとコンテキスト管理の既定値である。ツールの実行結果が1,500トークンを超えると既定で切り詰め、コンテキストウィンドウの使用量が85％を超えると自動的にコンパクト化し、あふれた場合はコンテキストの復旧を自動で試みる。つまりモデルの賢さではなく、ハーネス側の既定の節約設計でトークンを削っているという説明になる。

ただし読む側が留保すべき点がある。AWS は Strands ハーネスを「コーディングエージェントではなく汎用エージェント」として作ったと説明している。一方、ベンチマークの比較対象（Claude Code、Codex、oh-my-pi、OpenCode、DeepSeek Harness）はいずれもコーディングエージェントを名乗る製品だ。汎用エージェント同士で比べたらどうなるかは、この数字からは分からない。加えて、評価は AWS 自身が実施したものであり、独立した検証はまだない。Amazon は自社の研究者によるベンチマークの詳細をまとめた論文を公開する予定だとしている。