Bugungi kunda sun'iy intellekt bilan ishlaydigan aksariyat dasturchilar modelni so'rovga javob berishiga majburlashlari mumkin. Biroq, faqat kamlar agentni ishlab chiqarish muhitida barqaror ishlashini boshlay oladilar. Ko'pgina agent loyihalarini sekinlashtirayotgan muammo abstraksiyalarni cheklaydigan freymvorklar, xatolik yuz berganda qora quti sifatida ishlaydigan tizimlar va doimiy o'sib borayotgan korxona tayyorligi talablari bilan bog'liq.
AWS da dasturiy ta'minot bo'yicha advokat bo'lgan Ashita Prasad bu muammoni DevSparks Bengaluru 2026 ikki soatlik amaliy seminari davomida hal qildi. Ushbu tadbirda 170 nafar dasturchi uning tomonidan ishlab chiqilgan ochiq AWS SDK'si bo'lgan Strands Agents dan foydalanib, u bilan birga ishladilar. Sessiya ishtirokchilarga asosiy agentni yaratishga, so'ngra uni himoya mexanizmlari (guardrails), doimiy xotira va kuzatuv imkoniyatlari bilan boyitishga imkon berdi.
Kodlashni boshlashdan oldin, Ashita muammoning uchta jihatini ajratib ko'rsatdi. Birinchidan, agent tushunchalarini tushunish va ularni amalda amalga oshirish o'rtasida yuqori o'rganish egri chizig'i mavjud. Ikkinchidan, aksariyat freymvorklar kengaytirilish paytida muammoli bo'ladigan qulaylik uchun moslashuvchanlikdan voz kechadi. Uchinchi va eng muhimi, tizimlar shaffof emas. U foydalanuvchi agentning ortida nima qilayotganini, u qanday vositalarni chaqirayotganini yoki qanday xabarlarni yuborayotganini bilmaydi, bu uni qora quti qilib qo'yadi va ishlab chiqish hamda texnik yordam ko'rsatishni qiyinlashtiradi.
Strands Agents modelga asoslangan yondashuvdan foydalanadi, bu esa asosiy til modeliga vositani chaqirish, javob qaytarish yoki fikrlashni davom ettirish kerakligini dinamik ravishda hal qilish imkonini beradi, shu bilan birga agent ish siklini dasturchi oldida to'liq ochib turadi. Bu sikl oddiy: foydalanuvchi so'rovi keladi, model keyingi qadamni aniqlaydi, zarur bo'lsa vositalar chaqiriladi, natijalar modelga qaytariladi va nihoyat yakuniy javob shakllanadi. Strands bu bosqichlar orasidagi barcha zarur infratuzilmani o'z zimmasiga oladi.
Seminar bir qator laboratoriya ishlari orqali o'tildi, har biri yaratilayotgan agentga yangi funksionallik qo'shdi. Hamma narsa minimal agent bilan boshlandi: model, tizim prompti va foydalanuvchi so'rovi. Keyin ishtirokchilar ob-havo funksiyasi kabi o'z funksiyasidan boshlab, Strands to'plamiga kiradigan kalkulyator kabi tayyor jamoatchilik vositalarini qo'shishdi.
Model yetkazib beruvchisi bilan laboratoriya ishi Ollama ni taqdim etdi, bu dasturchilarga katta til modellarini mahalliy kompyuterda ishga tushirish imkonini beradi, bu bulutli modelga obuna imkoniyati bo'lmaganlar uchun muhimdir. Ishtirokchilar mahalliy Llama 3.2 modelidan foydalanib, fayllar bilan ishlovchi agentni qurishdi, u kataloglardagi fayllarni o'qish, ro'yxatdan o'tkazish va yozish imkoniyatiga ega bo'ldi, bu Strands arxitekturasi model joylashuvidan qat'i nazar universal ekanligini namoyish etdi.
AWS xizmatlari bilan laboratoriya ishi murakkablikni sezilarli darajada oshirdi. Ishtirokchilar restoranlarni bron qilish agentini yaratishdi, u DynamoDB'da saqlanadigan bron qilish yozuvlarini yaratish, olish va o'chirish, shuningdek, OpenSearch Serverless'da indekslangan Amazon Bedrock Bilim bazasidan restoranlar haqida ma'lumotlarni olish qobiliyatiga ega edi.
Ashita muhim arxitektura nuqtasini ta'kidladi: ma'lumotlar bazasiga yozish kabi standart operatsiyalar agentdan fikrlash jarayonini talab qilmaydi. U bron qilish yaratish ma'lumotlar bazasiga yozishga o'xshash ekanligini, ikkilikliklik yo'qligini tushuntirdi. Qachon LLM dan foydalanmaslikni bilish, uni qachon qo'llashni bilish kabi muhimdir.
MCP vositalari bilan laboratoriya ishi ikkala ma'lumot uzatish mexanizmini qamrab oldi: mahalliy serverlar uchun standart kirish/chiqish va masofaviy serverlar uchun stream HTTP, shuningdek, bir nechta MCP serverlarini bir vaqtda ulash imkoniyatini ko'rsatdi. Bunga asinxron iteratorlar va qaytariluvchi chaqiruvlar (callbacks)ni agentning uzoq ishlashi davrida foydalanuvchilarni ma'lumot berishning ikkita o'zaro to'ldiruvchi usuli sifatida ko'rib chiqqan streaming laboratoriyasi qo'shildi.
So'nggi ikki laboratoriya ishi seminar namoyishini joylashtiriladigan mahsulotdan ajratib turadigan narsalarga tegishli edi. Himoya devorlari (guardrails) laboratoriyasida mavzu darajasidagi blokirovkalarni sozlash, zo'ravonlik kabi kategoriyalar uchun kontent filtrlari, prompt hujumlarini aniqlash va ma'lum so'zlar bo'yicha ishga tushirish uchun Amazon Bedrock Guardrails ishlatildi. Shuningdek, bloklangan kirish va chiqish ma'lumotlari uchun sozlanadigan javob xabarlari mavjud. Foydalanishning aniq misoli shundaki, mijozlar ma'lumotlar bazasiga kirish huquqi bo'lgan agent hech qachon Aadhaar yoki PAN raqamlari kabi shaxsni aniqlash mumkin bo'lgan ma'lumotlarni (PII) so'rov formulasi qanday bo'lishidan qat'i nazar, oshkor qilmasligi kerak.
Xotira laboratoriyasi boshqa bir ishlab chiqarish muammosini hal qildi. Garchi Strands agentlari by default sessiya doirasida suhbat tarixini saqlasa ham, bu xotira sessiya tugagandan so'ng yo'qoladi. Mem0 va OpenSearch Serverless dan foydalanib, ishtirokchilar agent keyingi muloqotda suhbatdoshni eslab qolishi uchun foydalanuvchi afzalliklari va kontekstini sessiyalar oralig'ida qanday saqlashni o'rgandilar.
Umuman olganda, bu ikki laboratoriya seminar bo'ylab tarqalgan bitta dizayn tamoyilini aks ettirdi: ishlab chiqarishga tayyorlik oxirida qo'shiladigan funksiya emas. Kuzatuvchanlik, xavfsizlik va xotira boshidan boshlab qabul qilinishi kerak bo'lgan arxitektura yechimlari hisoblanadi.
To'liq manba kodi GitHub'dagi Strands Agents Samples omborida mavjud va har bir laboratoriya ishi bulutli model yetkazib beruvchisi bo'lmagan dasturchilar uchun Ollama yordamida mahalliy ravishda ishga tushirilishi mumkin. Shu omborda mavjud bo'lgan ko'p agentli laboratoriyalar, agentlar hordiq va graflarini qamrab oladi, ular mavzuni chuqurroq o'rganmoqchi bo'lganlar uchun mo'ljallangan.
Seminar o'z AWS akkaunti orqali laboratoriya ishlari o'tkazganlar uchun resurslarni tozalash zarurligi haqidagi eslatma bilan yakunlandi, bu maqsadli auditoriya uchun foydali maslahat bo'ldi.
Youzu Interactive kompaniyasi Tencent Cloud WorkBuddy yordamida o'z xodimlarining 75% da sun'iy intellekt agentlarini joriy etdi. Bu integratsiya o'yin ishlab chiqish jarayonini kod yozishdan global marketingni tahlil qilishgacha o'zgartirish imkonini beradi.
Xitoyning yetakchi xorijiy nashriyot kompaniyalaridan biri bo'lgan Youzu Interactive oxirgi 11 yil davomida ichki daromadidan yuqori xalqaro daromad ko'rsatib kelmoqda va AI agentlari penetratsiya darajasini 75% dan ortiq xodimlarga yetkazdi. Texnik direktor Wang Junsheng bu transformatsiyani har bir xodimga o'zining AI agentini taqdim etish sifatida tasvirlaydi, shu bilan birga kompaniya barcha hisoblash xarajatlarini qoplaydi va 47 ta turli modellariga cheksiz kirishni ta'minlaydi.
Kompaniyaning AI sohasidagi yo'li 2023 yilda Stable Diffusion orqali tasvir yaratish bilan boshlangan, 2024 yilda esa kodlashda yordam berish uchun GitHub Copilot ishlatilgan. Burilish nuqtasi 2025-yil avgust oyida OpenAI million qatorli mahsulotni nol dan yaratishga qodir agentni namoyish etganidir. 2026-yil boshlariga kelib, Tencent Cloud WorkBuddy kabi agentlarga asoslangan vositalar butun kompaniyada joriy etildi.
Hozirda AI agentlari uchta asosiy biznes ssenariysi doirasida ishlamoqda. Birinchisi – bu sanoat tahlili: agentlar avtomatik ravishda ko'plab manbalardan ma'lumotlarni yig'ib, katta til modellar yordamida kayfiyatni tahlil qiladi va tuzilgan natijalarni taqdim etadi. Youzu xodimlarga har kuni muhim sanoat yangiliklarini yetkazadigan va jamoatchilikdan ma'lumot yig'ish portali bilan boyitilgan darhol yuborish funksiyasiga ega botni ishlab chiqqan.
Ikkinchi ssenariy reklama materiallarini ishlab chiqarish bilan bog'liq. Global o'yin kompaniyasi uchun reklama materiallari foydalanuvchilarni jalb qilishning asosiy kanali bo'lgani sababli, avval ijodkorliklarni yaratish jarayoni chiziqli va ketma-ket edi: tendensiyalarni aniqlash, ssenariy yozish, eskiz yaratish, modellashtirish, postprodyukshn va montaj. Har qanday bosqichdagi kechikish butun siklni ta'sir qilardi. Endi AI ushbu zanjirning katta qismini qamrab olib, konsepsiyadan birinchi loyihaga qadar vaqtni sezilarli darajada qisqartiradi. Biroq, mintaqaviy xususiyatlarga, o'yin janriga va maqsadli auditoriyaga mos kelish haqidagi yakuniy qaror hali ham inson ekspertizasini talab qiladi.
Uchinchi ssenariy – operatsion ma'lumotlarni tahlil qilish. Uzoq muddatli o'yinlar uzluksiz ma'lumotlar oqimini hosil qilsa-da, foydalanuvchi metrikalarini olish an'anaviy ravishda hisobot shablonlarini kutishni yoki tahlilchilar bilan vaqtni muvofiqlashtirishni talab qilardi. Youzu biznes jamoalariga tabiiy tilda savollar berish imkonini beruvchi ChatBI tizimini joriy etdi. Yaqinda kompaniya ma'lumotlar platformasi imkoniyatlarini biznes jamoalari to'g'ridan-to'g'ri o'z agentlariga o'rnatib ishga tushirishi mumkin bo'lgan vositalarga paketladi, bu esa muhandislar aralashuvisiz ma'lumotlar tahlilida o'z-o'zini xizmat ko'rsatishni ta'minlaydi.
Youzu AI yordamida to'rtta ichki tizimni transformatsiya qildi va yana yetti yoki sakkiztasi jarayonda. Kompaniya shuningdek, turli sohalardagi mutaxassislarni umumiy jamoalarda birlashtiradigan WorkBuddy ekspert guruhi funksiyasidan foydalanadi. Wang kontent yaratish bo'yicha ekspert guruhini sinab ko'rdi va u matnli so'rov bo'yicha to'liq videoni atigi 20 daqiqada tayyorlashga muvaffaq bo'ldi. Youzu ning 2025-yil moliyaviy hisob-varaqasiga ko'ra, xorijiy bozorlardan kelgan daromad yillik asosda 8,06% ga oshdi, kompaniya bu o'sishning bir qismini AI texnologiyalarini integratsiya qilish bilan bog'laydi, bu esa yalpi foydani 2,46 foiz punktga oshirdi.
