A Amazon Web Services apresentou dois projetos open-source destinados ao desenvolvimento de agentes de inteligência artificial: Strands Decider 2B, um modelo especializado em tomada de decisão dentro de fluxos de trabalho de agentes, e Strands Box, um sandbox para controlar a execução de agentes. Ambos abordam aspectos distintos da construção de agentes que utilizam ferramentas, executam código e interagem com sistemas externos.
Strands Decider 2B: modelo de decisão especializado
O Strands Decider 2B é um modelo com dois bilhões de parâmetros projetado para selecionar entre opções predefinidas em vez de gerar respostas textuais extensas. O modelo suporta tarefas como roteamento de modelos, seleção de ferramentas, classificação, guardrails e gerenciamento de contexto. Diferentemente de modelos de linguagem de propósito geral que geram respostas, este modelo permite aos desenvolvedores fornecer um conjunto de escolhas e receber uma decisão acompanhada de scores de confiança.
O modelo é baseado em Qwen3.5-2B, com a cabeça de modelo de linguagem substituída por uma cabeça de ponteiro que pontua respostas candidatas. Utiliza um adaptador LoRA rank-16 para fine-tuning. A AWS lançou os pesos do modelo, dados de treinamento e scripts, permitindo que desenvolvedores executem e modifiquem o modelo localmente.
Em relação ao desempenho, o Strands Decider 2B alcançou latência mediana de aproximadamente 115 milissegundos em uma NVIDIA RTX 3090 e 153 milissegundos para pequenas tarefas em um MacBook Apple M3. Utilizando JevBench, a AWS reportou precisão de 72,3% em 231 tarefas públicas para seu checkpoint v19. Desenvolvedores podem instalar o pacote strands-decider e usar sua interface de linha de comando ou integrar o modelo em agentes Strands.
Strands Box: sandbox com políticas de execução
O Strands Box, disponível em developer preview, oferece um ambiente isolado para execução de agentes IA. Combina isolamento em nível de sistema operacional com Dogwood, uma linguagem de política open-source que define quais ações um agente pode executar. O sandbox suporta comandos shell, execução Python, ferramentas MCP, operações de filesystem e acesso à rede.
O Strands Box utiliza isolamento kernel-enforced para rotear interações de agentes através de uma camada de política. Desenvolvedores podem permitir ou negar ações baseadas em seu conteúdo e histórico de execução. Por exemplo, uma política pode exigir que um agente passe em testes antes de fazer push de código para um repositório ou restringir a frequência de chamadas de API externa. Esses controles operam fora do modelo de linguagem, reduzindo a dependência de instruções de prompt para reforçar limites de execução.
A AWS indica que o Strands Box funciona com diferentes modelos e frameworks de agentes, seja executando localmente ou em ambientes cloud, permitindo que desenvolvedores introduzam políticas de execução sem substituir sua arquitetura de agentes existente.
Contexto competitivo e diferenças técnicas
