Amazon Web Services (AWS) anunció el 29 de septiembre de 2026 la disponibilidad como código abierto de la herramienta Strands Harness, una capa para configurar agentes de IA capaces de ejecutar múltiples tareas utilizando grandes modelos lingüísticos de distintos proveedores, en lugar de estar vinculados a un único modelo o únicamente al entorno de AWS.
La herramienta se basa en el Strands Harness SDK, publicado por AWS en agosto de 2026. Es compatible con modelos que funcionan a través de Amazon Bedrock, además de Anthropic Claude, OpenAI GPT, Google Gemini, Ollama y LiteLLM. Según el material original, se puede crear un agente con unas pocas líneas de código, y también cambiar posteriormente el modelo modificando su valor de configuración.
¿Qué ofrece la herramienta?
El agente creado mediante Strands Harness incluye desde el principio capacidades para ejecutar comandos de shell, leer y escribir archivos y buscar en la web. La herramienta también incorpora mecanismos para almacenar en caché las solicitudes y gestionar el contexto de la conversación, funciones que influyen directamente en el consumo de tokens y en la continuidad de la ejecución de las tareas.
Según la configuración predeterminada mencionada, los resultados de las herramientas que superan aproximadamente los 1500 tokens se abrevian, y la compresión del contexto mediante resumen comienza cuando el uso de la ventana de contexto supera el 85 %. Si se produce un exceso de capacidad, la herramienta intenta recuperar el contexto dentro del bucle de ejecución. También es posible conservar la memoria de la sesión y reanudar una conversación anterior utilizando el identificador de sesión, con compatibilidad para lo que AWS denomina «habilidades».
Flexibilidad del modelo y del despliegue
El aspecto práctico más destacado consiste en separar la capa del agente del modelo lingüístico y del destino del despliegue. Después de crear el agente, se puede cambiar el modelo utilizado y desplegarlo en cualquier entorno que disponga de contenedores Linux, no solo en los servicios de AWS. La naturaleza de código abierto permite añadir funciones y modificaciones personalizadas, pero el material no proporciona detalles sobre los requisitos de funcionamiento ni sobre los mecanismos de gobernanza y seguridad necesarios para cada entorno.
AWS también ofrece una interfaz de línea de comandos denominada Strands CLI, que permite seleccionar interactivamente el modelo, las herramientas, los complementos y la configuración del agente. Después de la creación, el agente se puede exportar como un archivo de código en TypeScript o Python.
¿Qué cambia en la práctica?
Strands Harness hace que la creación de agentes se parezca más a un proceso de ensamblaje reutilizable: el desarrollador define el modelo, las herramientas y las tareas, y después puede cambiar el modelo o el entorno de despliegue sin reconstruir por completo el agente. Esto puede resultar útil para los equipos que quieran probar múltiples modelos o evitar vincular sus aplicaciones a un único proveedor, mientras que la calidad de los resultados y el coste siguen dependiendo del modelo seleccionado y de la naturaleza de las herramientas y las tareas.
AWS también publicó una comparación de referencia en la que afirmó que un agente creado mediante Strands Harness utilizando Claude obtuvo, en una prueba basada en Fable 5, una puntuación de 69.7 con un coste de 56.29 dólares, y lo presentó como menos costoso y más capaz que Claude Code en la comparación mostrada. Sin embargo, estas cifras proceden de la propia AWS y por sí solas no bastan para evaluar el rendimiento fuera del escenario de prueba.
Esto significa que el anuncio no se limita a ofrecer una interfaz simplificada para crear un agente, sino que presenta un marco de código abierto para gestionar herramientas, contexto, memoria y despliegue. Al mismo tiempo, conceder al agente permisos para ejecutar comandos y acceder a archivos y a la web hace que el control de permisos, la gobernanza y las rutas de auditoría sean cuestiones operativas fundamentales, y el material de origen no incluía detalles suficientes para responderlas.