Strands Agents

一种以模型为驱动的方法，只需几行代码即可构建 AI Agent。

文档 ◆ 示例 ◆ Python SDK ◆ 工具 ◆ Agent 构建器 ◆ MCP Server

Strands Agents 是一个简洁而强大的 SDK，采用模型驱动的方法来构建和运行 AI Agent。从简单的对话助手到复杂的自主工作流，从本地开发到生产环境部署，Strands Agents 都能随您的需求扩展。

功能概览

• 轻量级与灵活性：简单的 Agent 循环机制，即插即用且完全可定制。
• 模型不可知（Model Agnostic）：支持 Amazon Bedrock、Anthropic、Gemini、LiteLLM、Llama、Ollama、OpenAI、Writer 以及自定义提供商。
• 高级功能：支持多 Agent 系统、自主 Agent 和流式传输（streaming）。
• 内置 MCP：原生支持 Model Context Protocol (MCP) 服务器，可访问数千种预构建的工具。

快速开始

# 安装 Strands Agents
pip install strands-agents strands-agents-tools

from strands import Agent
from strands_tools import calculator
agent = Agent(tools=[calculator])
agent("What is the square root of 1764")

注意：对于默认的 Amazon Bedrock 模型提供商，你需要配置 AWS 凭证，并在 us-west-2 区域开启 Claude 3.5 Sonnet 的模型访问权限。有关配置其他模型提供商的详细信息，请参阅快速入门指南。

安装

确保已安装 Python 3.10+，然后执行：

# 创建并激活虚拟环境
python -m venv .venv
source .venv/bin/activate  # Windows 下请使用: .venv\Scripts\activate

# 安装 Strands 和工具
pip install strands-agents strands-agents-tools

功能速览

基于 Python 的工具

使用 Python 装饰器轻松构建工具：

from strands import Agent, tool

@tool
def word_count(text: str) -> int:
    """Count words in text.

    This docstring is used by the LLM to understand the tool's purpose.
    """
    return len(text.split())

agent = Agent(tools=[word_count])
response = agent("How many words are in this sentence?")

从目录热加载（Hot Reloading）： 启用从 ./tools/ 目录自动加载和重载工具：

from strands import Agent

# Agent 将监控 ./tools/ 目录的变化
agent = Agent(load_tools_from_directory=True)
response = agent("Use any tools you find in the tools directory")

MCP 支持

无缝集成 Model Context Protocol (MCP) 服务器：

from strands import Agent
from strands.tools.mcp import MCPClient
from mcp import stdio_client, StdioServerParameters

aws_docs_client = MCPClient(
    lambda: stdio_client(StdioServerParameters(command="uvx", args=["awslabs.aws-documentation-mcp-server@latest"]))
)

with aws_docs_client:
   agent = Agent(tools=aws_docs_client.list_tools_sync())
   response = agent("Tell me about Amazon Bedrock and how to use it with Python")

多种模型提供商

支持各种模型提供商：

from strands import Agent
from strands.models import BedrockModel
from strands.models.ollama import OllamaModel
from strands.models.llamaapi import LlamaAPIModel
from strands.models.gemini import GeminiModel
from strands.models.llamacpp import LlamaCppModel

# Bedrock
bedrock_model = BedrockModel(
  model_id="us.amazon.nova-pro-v1:0",
  temperature=0.3,
  streaming=True, # 启用/禁用流式传输
)
agent = Agent(model=bedrock_model)
agent("Tell me about Agentic AI")

# Google Gemini
gemini_model = GeminiModel(
  client_args={
    "api_key": "your_gemini_api_key",
  },
  model_id="gemini-2.5-flash",
  params={"temperature": 0.7}
)
agent = Agent(model=gemini_model)
agent("Tell me about Agentic AI")

# Ollama
ollama_model = OllamaModel(
  host="http://localhost:11434",
  model_id="llama3"
)
agent = Agent(model=ollama_model)
agent("Tell me about Agentic AI")

# Llama API
llama_model = LlamaAPIModel(
    model_id="Llama-4-Maverick-17B-128E-Instruct-FP8",
)
agent = Agent(model=llama_model)
response = agent("Tell me about Agentic AI")

内置提供商：

• Amazon Bedrock
• Anthropic
• Gemini
• Cohere
• LiteLLM
• llama.cpp
• LlamaAPI
• MistralAI
• Ollama