Introductie van Strands harness: frontier-prestaties met 28% lagere tokentkosten

Strands harness is een volledig geassembleerde, aanpasbare en geavanceerde agent die je lokaal kunt draaien of overal kunt implementeren.

De noodzaak voor een universele agent harness

We merkten dat ontwikkelaars er vaak naar verlangden dat hun Claude Code- of Codex-setup in de cloud kon draaien, omdat hun agent-ideeën met die harnesses lokaal simpelweg "werkten".

Maar zodra je je eigen agent bouwt, sta je er alleen voor. Het is lastig om de juiste primitieven net zo goed te verbinden dat je datzelfde "het werkt gewoon"-gevoel krijgt.

Vandaag brengen we Strands harness uit: een volledig geassembleerde, state-of-the-art agent harness die je eenvoudig lokaal kunt draaien of kunt implementeren bij je favoriete provider. Het is gebouwd als een algemene agent in plaats van een specifieke coding-agent. Met één regel Python of TypeScript is het klaar voor gebruik met het model naar keuze. Strands harness verslaat andere agent-harnesses op het gebied van kostenefficiëntie, terwijl de nauwkeurigheid gelijk blijft of zelfs verbetert. Het is beschikbaar onder een Apache 2.0-licentie.

Prestaties en kostenefficiëntie

Bij het gebruik van dezelfde Claude- of GPT-modellen over zes benchmarks heen, kost Strands harness 28% minder. We stelden vast dat Strands harness een betere token-efficiëntie vertoonde en bijna gelijke benchmarkscores behaalde in vergelijking met Claude Code, Codex en andere populaire harnesses. Dit is cruciaal, omdat we nooit nauwkeurigheid willen opofferen voor lagere kosten. Hoewel de Deepseek Harness in totaal het meest token-efficiënt bleek, rapporteerde deze doorgaans de laagste scores voor nauwkeurigheid. Onze testopstelling bestond uit gedistribueerde benchmarking op EC2 met Harbor.

Met Fable 5 kostte Strands harness 77% minder dan Claude Code en scoorde het hoger op Terminal Bench 2.1. Daarnaast zagen we dat twee andere open-source harnesses vergelijkbaar goed presteerden op het gebied van kosten en nauwkeurigheid ten opzichte van Claude Code.

Contextbeheer en techniek

Strands harness is gebouwd op de Strands Harness SDK en bevat standaardinstellingen voor prompt-caching en contextbeheer. Ons standaard contextbeheer was grotendeels verantwoordelijk voor de token-efficiëntie en nauwkeurigheid:

  • Resultaten van tools van meer dan 1500 tokens worden ingekort (truncated).
  • Samenvatting (compactie) wordt geactiveerd wanneer het contextvenster boven de 85% komt.
  • Contextherstel wordt binnen de loop uitgevoerd bij een overflow.

Er volgt een aanvullend paper van onze onderzoekers over deze benchmarks. In de tussentijd kunnen alle gebruikers direct profiteren van deze standaardinstellingen in Strands harness.

Snel aan de slag

Strands harness werkt met de nieuwste modellen van Amazon Bedrock, Anthropic, OpenAI en Google. Je kunt een model bij naam kiezen, of het richten op een lokaal Ollama-model.

Voorbeelden van implementatie

Amazon Bedrock

Python

from strands_harness import create_harness
agent = create_harness(model="bedrock/global.anthropic.claude-opus-5")
agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md")

TypeScript

import { createHarness } from "@strands-agents/harness";
const agent = await createHarness({ model: "bedrock/global.anthropic.claude-opus-5" });
await agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md");

Anthropic

Python

from strands_harness import create_harness
agent = create_harness(model="anthropic/claude-opus-5")
agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md")

TypeScript

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");

OpenAI

Python

from strands_harness import create_harness
agent = create_harness(model="openai/gpt-5.6-sol")
agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md")

TypeScript

import { createHarness } from "@strands-agents/harness";
const agent = await createHarness({ model: "openai/gpt-5.6-sol" });
await agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md");

Google

Python

from strands_harness import create_harness
agent = create_harness(model="google/gemini-3.5-flash")
agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md")

TypeScript

import { createHarness } from "@strands-agents/harness";
const agent = await createHarness({ model: "google/gemini-3.5-flash" });
await agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md");

Ollama

Python

from strands_harness import create_harness
from strands.models.ollama import OllamaModel
model = OllamaModel(host="http://localhost:11434", model_id="llama3.1")
agent = create_harness(model=model)
agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md")

TypeScript

import { createHarness } from "@strands-agents/harness";
const agent = await createHarness({ model: "ollama/llama3.1" });
await agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md");

LiteLLM

Python

from strands_harness import create_harness
agent = create_harness(model="litellm/openai/gpt-5.6-sol")
agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md")

TypeScript

import { createHarness } from "@strands-agents/harness";
const agent = await createHarness({ model: "litellm/openai/gpt-5.6-sol" });
await agent("Research the top three vector databases, compare pricing and limits, and write it up in comparison.md");

Functionaliteiten van create_harness()

Standaard retourneert create_harness() een agent die:

  • Draait op een actueel reasoning-model via Amazon Bedrock, Anthropic, OpenAI, Google, Ollama of LiteLLM.
  • Wordt geleverd met shell-, bestands- (lezen / schrijven / bewerken) en web-tools: primitieven die een model al weet te gebruiken, in plaats van een specifiek tool per taak.
  • Zijn eigen contextvenster beheert. Het verplaatst omvangrijke tool-resultaten naar bestanden en cached hergebruikte delen van elk verzoek om tijd en kosten te besparen.
  • Lange-termijngeheugen behoudt tussen runs en een eerdere conversatie hervat wanneer je een sessie-ID opgeeft.
  • Open-ended subtaken delegeert aan een ingebouwde helper-agent en multi-step werk bijhoudt met een checklist.
  • Skills laadt indien deze bestaan.

Implementatie en prototyping

Strands harness kan worden geïmplementeerd op elke provider met een Linux-container, zoals Modal, Cloudflare Containers, Azure Container Apps, Google Cloud Run, Amazon ECS en Amazon Bedrock AgentCore.

Daarnaast bieden we de Strands CLI aan, waarmee je je agent in gewoon Engels kunt prototypen. Koppel je gewenste modelprovider, voeg prompts en tools toe en zie je agent tot leven komen. Daarna kun je /export uitvoeren in de Strands CLI om een kopie van de code in TypeScript of Python te krijgen. Dit is een zeer handige manier om te blijven itereren op Strands harness met je favoriete coding-agent.

Toepassingen en aanpasbaarheid

De Strands CLI is zelf gebouwd op Strands harness. Door het gemak van prototyping zijn we in staat geweest ambitieuze ideeën te realiseren. Zo heeft onze engineer, Gautam Sirdeshmukh, geïnspireerd door agent-platforms zoals Grokbot en Muse, een desktop-app gebouwd die Strands harness op afstand start.

Wanneer je dieper wilt gaan, is Strands harness volledig aanpasbaar. Je kunt eenvoudig elke standaardinstelling overschrijven, modellen wisselen, tools toevoegen of componenten geleidelijk vervangen, helemaal tot aan de Strands Harness SDK. De code is van jou.

Probeer het vandaag nog

Je kunt Strands harness eenvoudig installeren via:

  • Python: pip install strands-harness
  • TypeScript: npm install @strands-agents/harness

Voor een interactieve ervaring kun je de Strands CLI downloaden: npm install -g @strands-agents/cli

Wij geloven dat snel prototypen met een complete ("batteries included") harness zal leiden tot nuttigere agents. Ons team is ook aanwezig op Discord, dus kom gerust langs voor een praatje of om vragen over agents te stellen!