mcpField
A
aws-strands

aws-strands

github.com/hoodiniAgent 工作流291249 次安装5 天前更新
代码仓库

关于 aws-strands

aws-strands 是使用 Strands Agents SDK 编写 Agent 的模型无关框架技能。内容涵盖工具、多 Agent 编排、对话管理和流式输出，默认模型提供方为 AWS Bedrock。

主要功能

  1. 01配置模型提供方
  2. 02自定义及预置工具
  3. 03Swarm 与 Graph 编排
  4. 04滑动窗口对话管理
  5. 05异步流式输出

适用场景

  1. 01用自定义可调用函数构建 Agent
  2. 02在专门 Agent 之间委派任务
  3. 03构建确定性的多 Agent 流程
  4. 04异步流式输出 Agent 响应

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/hoodini/ai-agents-skills --skill aws-strands

安装后在 Claude Code 中输入/aws-strands确认已加载。

详细介绍

Strands Agents SDK

用于编写 Agent 逻辑（即“脑”的开源框架）。与模型无关，默认使用 AWS Bedrock。可在任何环境运行（笔记本电脑、容器、Lambda、EC2）。

与另一项 AWS 技能的关系： Strands 是框架（决定 Agent 的行为）。要在 AWS 上托管和部署 Strands Agent，请使用 aws-harness（AgentCore 运行时）。两者可以组合使用：使用 Strands 编写，然后通过 AgentCore 发布。你也可以完全不部署到 AWS，直接运行 Strands。

安装

pip install strands-agents strands-agents-tools

（另有 TypeScript SDK，详见文档。以下示例使用 Python。）

快速入门

from strands import Agent

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

agent(...) 返回一个 AgentResult。str(result) 可获取文本；result.message 是结构化字典（role + content）。

模型配置

Bedrock 是默认提供方，无需传入模型参数——Strands 会选择适用于所在区域的 Claude 4 Sonnet。要覆盖默认设置，请传入模型 ID 字符串或 BedrockModel 提供方：

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 与模型无关——可通过各自的提供方类使用其他提供方（直接调用 Anthropic、OpenAI 等）；详见模型提供方文档。

自定义工具

@tool 装饰器可将函数转换为模型可调用的工具。模型会读取文档字符串（第一段作为说明，Args: 用作文档参数说明）：

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])

遇到可恢复的失败时，返回字符串（"Error: ... ask the user to rephrase"），而不是抛出异常——模型会读取返回值并尝试恢复。

预构建工具

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

多 Agent 模式

有三种经过验证的模式。首先尝试 agents-as-tools（最简单的委派方式）：将 Agent 封装在 @tool 中。

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.")

如需结构化编排，请使用 Swarm（Agent 动态地相互移交任务）或 Graph（确定性 DAG，其中一个节点的输出会传递给下一个节点）：

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.")

完整的 Graph/Swarm API 请参阅多 Agent 文档。

对话管理（上下文窗口）

Strands 会为你管理对话窗口（这不是长期记忆）。默认采用滑动窗口：

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

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

如需持久的跨会话记忆，请使用 AgentCore Memory（参见 aws-harness）或 strands-agents-tools 中的记忆工具。

流式处理

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

在 AWS 上部署

Strands 可在任何环境运行。如需在 AWS 上将 Strands Agent 部署为无服务器端点，并使用托管记忆、身份和可观测性功能，请使用 AgentCore 部署框架：aws-harness。

资源

评论

支持 Markdown