aws-strands

Strands Agents SDK

エージェントのロジック、つまり「頭脳」を記述するオープンソースのフレームワークです。モデルに依存せず、デフォルトでは AWS Bedrock を使用します。ノート PC、コンテナ、Lambda、EC2 など、どこでも実行できます。

他の AWS スキルとの関係： Strands はフレームワーク（エージェントが何をするか）です。AWS 上で Strands エージェントをホストしてデプロイするには、aws-harness（AgentCore ランタイム）を使用します。両者は連携します。Strands で記述し、AgentCore でデプロイします。AWS へのデプロイなしで Strands を実行することもできます。

インストール

pip install strands-agents strands-agents-tools

（TypeScript SDK もあります。ドキュメントを参照してください。以下の例は Python です。）

クイックスタート

from strands import Agent

agent = Agent()                       # defaults to Bedrock, Claude 4 Sonnet
print(agent("What is the capital of France?"))

agent(...) は AgentResult を返します。str(result) でテキストを取得でき、result.message は構造化された dict（role と content）です。

モデルの設定

Bedrock はデフォルトのプロバイダーなので、モデル引数は不要です。Strands はリージョンに適した Claude 4 Sonnet を選択します。別のモデルを指定するには、モデル ID 文字列または BedrockModel プロバイダーを渡します。

from strands import Agent
from strands.models import BedrockModel

# Simple: a Bedrock model id (copy the exact id from the Bedrock model catalog)
agent = Agent(model="<your-bedrock-model-id>")

# Full control:
agent = Agent(model=BedrockModel(
    model_id="<your-bedrock-model-id>",
    temperature=0.3,
    region_name="us-west-2",
))

Strands はモデルに依存しません。ほかのプロバイダー（Anthropic の直接利用、OpenAI など）も、それぞれのプロバイダークラスから利用できます。model-providers のドキュメントを参照してください。

カスタムツール

@tool デコレーターを使うと、関数をモデルから呼び出せるようになります。モデルは docstring を読み取ります（最初の段落が説明になり、Args: がパラメーターの説明になります）。

from strands import Agent, tool

@tool
def word_count(text: str) -> str:
    """Count the number of words in a piece of text.

    Args:
        text: The text to analyze.
    """
    return f"{len(text.split())} words"

agent = Agent(tools=[word_count])

失敗した場合は、例外を送出するのではなく、復旧可能な文字列（"Error: ... ask the user to rephrase"）を返してください。モデルは戻り値を読み取り、復旧できます。

事前構築済みのツール

from strands_tools import calculator   # from the strands-agents-tools package
agent = Agent(tools=[calculator])

マルチエージェントのパターン

検証済みのパターンは 3 つあります。まずは エージェントをツールとして利用する方法（最も簡単な委譲）から始めてください。エージェントを @tool でラップします。

from strands import Agent, tool

researcher = Agent(system_prompt="You research topics thoroughly.")

@tool
def research(query: str) -> str:
    """Delegate a research question to the research specialist."""
    return str(researcher(query))     # str(AgentResult) = the text output

coordinator = Agent(tools=[research])
coordinator("Research the history of espresso and summarize it.")

構造化されたオーケストレーションには、Swarm（エージェント同士が動的に処理を引き継ぐ）または Graph（あるノードの出力を次のノードに渡す決定論的な DAG）を使用します。

from strands.multiagent import Swarm, GraphBuilder

# Swarm - dynamic handoffs
swarm = Swarm([researcher, writer, editor])
swarm("Draft and polish an article about espresso.")

# Graph - deterministic pipeline
builder = GraphBuilder()
builder.add_node(researcher, "research")
builder.add_node(writer, "write")
builder.add_edge("research", "write")     # research output -> writer input
graph = builder.build()
graph("Write an article about espresso.")

Graph／Swarm API の全容については、マルチエージェントのドキュメントを参照してください。

会話の管理（コンテキストウィンドウ）

Strands が会話ウィンドウを管理します（これは長期記憶ではありません）。デフォルトではスライディングウィンドウを使用します。

from strands import Agent
from strands.agent.conversation_manager import SlidingWindowConversationManager

agent = Agent(conversation_manager=SlidingWindowConversationManager(window_size=20))

セッションをまたいで保持される永続的なメモリには、AgentCore Memory（aws-harness を参照）または strands-agents-tools のメモリツールを使用してください。

ストリーミング

async for event in agent.stream_async("Explain quantum computing"):
    print(event)

AWS へのデプロイ

Strands はどこでも実行できます。管理されたメモリ、ID、可観測性を備えたサーバーレスエンドポイントとして AWS 上で Strands エージェントを実行するには、AgentCore ハーネスの aws-harness を使用してください。

リソース

• Strands のドキュメント：https://strandsagents.com/
• Python クイックスタート：https://strandsagents.com/docs/user-guide/quickstart/python/
• マルチエージェントのパターン：https://strandsagents.com/docs/user-guide/concepts/multi-agent/multi-agent-patterns/
• モデルプロバイダー：https://strandsagents.com/docs/user-guide/concepts/model-providers/
• GitHub：https://github.com/strands-agents/sdk-python