EN DIRECT
Anthropic affirme que Claude a permis de retracer l'origine des graines ECDSA du NIST16/10/26 · Anthropic|Reflection AI dévoile Beam, un modèle ouvert de 501 milliards de paramètres16/10/26 · Reflection AI|Meta publie Muse Spark Open, un modèle MoE taillé pour tourner en local sur Mac Studio15/10/26 · Meta|Meta publie Muse Spark Open, un modèle multimodal à poids ouverts15/10/26 · Meta|Google DeepMind détaille les mesures de sécurité entourant Gemini 4 Argon13/10/26 · Google DeepMind|Tev-Gym : une méthode pour corriger les récompenses éparses des agents à long horizon13/10/26|Google DeepMind évoque Gemini 4, nom de code « Argon »13/10/26 · Google DeepMind|Google DeepMind dévoile Gemini 4 Argon, une variante dédiée à la robotique13/10/26 · Google DeepMind|Character.AI dépose le bilan et cède des actifs à Disney13/10/26 · Character.AI|Une étude démontre que des modèles d'IA peuvent dissimuler n'importe quelle capacité de façon prouvable13/10/26|De plus en plus de sites web ferment leurs portes aux agents IA18/10/26|NVIDIA RTX Spark : des laptops Windows taillés pour l'IA locale17/10/26 · NVIDIA|Anthropic affirme que Claude a permis de retracer l'origine des graines ECDSA du NIST16/10/26 · Anthropic|Reflection AI dévoile Beam, un modèle ouvert de 501 milliards de paramètres16/10/26 · Reflection AI|Meta publie Muse Spark Open, un modèle MoE taillé pour tourner en local sur Mac Studio15/10/26 · Meta|Meta publie Muse Spark Open, un modèle multimodal à poids ouverts15/10/26 · Meta|Google DeepMind détaille les mesures de sécurité entourant Gemini 4 Argon13/10/26 · Google DeepMind|Tev-Gym : une méthode pour corriger les récompenses éparses des agents à long horizon13/10/26|Google DeepMind évoque Gemini 4, nom de code « Argon »13/10/26 · Google DeepMind|Google DeepMind dévoile Gemini 4 Argon, une variante dédiée à la robotique13/10/26 · Google DeepMind|Character.AI dépose le bilan et cède des actifs à Disney13/10/26 · Character.AI|Une étude démontre que des modèles d'IA peuvent dissimuler n'importe quelle capacité de façon prouvable13/10/26|De plus en plus de sites web ferment leurs portes aux agents IA18/10/26|NVIDIA RTX Spark : des laptops Windows taillés pour l'IA locale17/10/26 · NVIDIA|
AppNouveauéditeur officiel

Strands Agents

App : Un produit que vous utilisez directement

SDK open source d'AWS pour écrire un agent IA en quelques lignes de Python ou de TypeScript : le modèle pilote la boucle, vous déclarez les outils.

Le chemin le plus court pour passer d'un script à un agent de production sur AWS, sans vous enfermer : il accepte Bedrock, Anthropic, OpenAI, Gemini ou Ollama. Pensé pour être déployé sur Bedrock AgentCore.

Score global
7.0 /10
Sécu : une réserve, lire la fiche
Utilité
8.0
Fiabilité
6.0
Sécurité
Une réserve
Facilité
5 min · Technique

La sécurité reflète la destination des données, les permissions demandées et les incidents recensés à la date de vérification. Ce n’est pas une garantie d’absence de risque : vérifiez le mode de déploiement et les connexions que vous activez.

Ce que ça fait, concrètement

Écrire un agent IA capable d'enchaîner des actions autonomes demande habituellement de gérer manuellement la boucle de raisonnement, les appels d'outils et la gestion du contexte. Strands Agents est un SDK open source (Apache 2.0) publié par AWS qui prend en charge cette mécanique, vous laissant déclarer vos outils et décrire votre objectif.

Concrètement, vous annotez une fonction Python avec @tool ou vous la déclarez en TypeScript, vous instanciez un Agent en lui passant un modèle et une liste d'outils, puis vous l'invoquez avec une instruction en langage naturel. Le SDK gère la boucle : le modèle décide quels outils appeler, dans quel ordre, jusqu'à atteindre le résultat. Strands Harness ajoute une couche prête à l'emploi avec des valeurs par défaut optimisées pour la mémoire, les sessions et la gestion du contexte.

Strands Agents s'adresse aux développeurs Python ou TypeScript qui veulent passer d'un prototype à un agent en production sur AWS, tout en gardant la liberté de choisir leur fournisseur de modèle (Bedrock, Anthropic, OpenAI, Google, Ollama). Des entreprises comme Smartsheet, Swisscom ou Landchecker l'utilisent en production.

Ce n'est pas un outil adapté aux personnes sans expérience de programmation : il n'existe pas d'interface graphique, tout se configure en code. Les coûts d'inférence et d'hébergement restent à la charge de l'utilisateur selon le fournisseur de modèle et l'infrastructure choisis.

Ce que ça propose

  • ·Déclaration d'outils en une annotation (@tool) à partir de n'importe quelle fonction Python ou TypeScript, le schéma étant généré automatiquement depuis les types et la docstring.
  • ·Compatibilité avec plusieurs fournisseurs de modèles : Bedrock, Anthropic, OpenAI, Google et Ollama, interchangeables sans réécrire le reste du code.
  • ·Strands Harness fournit un agent préconstruit avec des valeurs par défaut optimisées pour la mémoire, les sessions et la gestion du contexte, utilisable en CLI ou en bibliothèque.
  • ·Strands Shell intègre un shell compatible Bourne qui s'exécute dans le processus sans fork ni exec, avec une surface d'accès aux fichiers, URLs et identifiants déclarée explicitement.
  • ·Connexion aux serveurs MCP (Model Context Protocol) pour brancher des sources de données ou des outils externes sans code supplémentaire.
  • ·Strands Evals propose plus de 25 évaluateurs intégrés pour noter la qualité des réponses, la sélection d'outils, la trajectoire et la sécurité avant mise en production (Python uniquement).
  • ·Strands Labs propose des projets expérimentaux incluant le contrôle de robots physiques ou simulés via le langage naturel, avec plus de 70 modèles de robots disponibles.
  • ·Prise en charge des patterns multi-agents (Agent-as-Tool, Swarm) et intégration native avec Amazon Bedrock AgentCore, Bedrock Guardrails et OpenTelemetry.

En pratique

Prix
GratuitSDK gratuit (Apache 2.0) ; seuls les appels au modèle et l'hébergement sont payants.
Usage commercial
Usage commercial : oui
Disponible sur
cli
Licence
Apache-2.0
Interface FR
Non

Sécurité et données

Pastille
Sécu : une réserve, lire la fiche
Vos données
Local ou cloud selon usage
Permissions
Exécute les outils que vous lui déclarez (fichiers, shell, API) avec les droits du processus ; les prompts et résultats d'outils partent chez le fournisseur de modèle choisi.
Maintenance
Active

Liens et dépôt vérifiés le 18 octobre 2026 · ajoutée le 27 septembre 2026

Comment installer Strands Agents

1. Vérifiez que Python 3.10+ ou Node.js est installé sur votre machine. 2. Installez le SDK : pip install strands-agents (Python) ou npm install @strands-agents/harness (TypeScript). 3. Configurez les identifiants du fournisseur de modèle choisi (variable d'environnement ou fichier de configuration AWS, Anthropic, OpenAI, etc.). 4. Déclarez vos outils avec @tool (Python) ou tool() (TypeScript) en limitant les permissions au strict nécessaire. 5. Instanciez l'agent avec Agent() ou create_harness() et invoquez-le avec votre instruction. 6. Avant tout déploiement, lancez Strands Evals (Python) pour valider la trajectoire de l'agent sur vos cas de test.
npm install @strands-agents/harness

Documentation officielle ↗

Dans la même catégorie

Toute la catégorie Automatisation & agents →