Strands

核心用法

Strands Agents SDK 是 AWS 推出的 Apache-2.0 开源 Python 框架，用于构建自主 AI Agent。核心组件为 Agent 类，默认集成 Amazon Bedrock（Claude Sonnet 4），同时支持 Ollama、Anthropic、OpenAI、Gemini 等 11 种模型提供商。

基础调用模式：

• 极简初始化：Agent() 自动使用 Bedrock，无需配置模型参数
• 显式模型指定：Agent(model=OllamaModel(...)) 或 Agent(model=AnthropicModel(...))

核心能力：

• 工具系统：@tool 装饰器自动从类型提示生成 JSON Schema，支持 ToolContext 状态共享
• 46个内置工具：文件操作、Shell、HTTP、代码执行、记忆存储、图像生成、Slack 集成等
• MCP 集成：原生支持 Model Context Protocol，可连接任意 MCP 服务器（stdio/SSE 传输）
• 多智能体模式：Swarm（自组织团队）、Graph（DAG 工作流）、A2A（Agent-to-Agent 协议）
• 会话持久化：File/S3 存储，支持跨运行状态保持
• 可观测性：内置 OpenTelemetry 链路追踪

显著优点

• 企业级默认：Bedrock 原生集成，支持 Guardrails 内容过滤、缓存点优化成本、跨区域推理
• 多提供商灵活：11 种模型后端，非 Bedrock 延迟加载，避免依赖膨胀
• 开发体验：热重载工具目录、脚手架脚本快速生成 Agent 模板
• 协议兼容：A2A 协议实现跨进程/跨网络标准化通信，MCP 生态无缝接入
• 实验特性：双向流式语音交互（Nova Sonic、Gemini Live、OpenAI Realtime）

潜在局限

• API 演进快：SDK 版本较新（v2.0.0），建议固定版本号避免破坏性变更
• Bedrock 强绑定：无模型参数时强制 AWS 凭证，非 AWS 用户需显式配置
• Ollama 工具调用限制：精简/abliterated 模型常丢失 function calling 能力
• Anthropic 必填参数：max_tokens 为 Required[int]，遗漏即运行时错误
• 实验功能不稳定：Bidi 流式 API 明确标记为实验性，接口可能变动

适合人群

• 企业开发者：需 AWS 原生集成、合规审查、成本优化的生产级 Agent
• 多智能体架构师：Swarm/Graph/A2A 模式支持复杂协作工作流
• 工具生态整合者：MCP 协议兼容，可接入庞大工具服务器生态
• 本地优先用户：Ollama 支持 + 46 个内置工具，适合离线原型开发

常规风险

• 凭证管理：Bedrock/Anthropic/OpenAI 均需环境变量或配置文件，存在密钥泄露风险
• 代码执行安全：shell、python_repl 等工具默认可用，需沙箱隔离
• 无限循环：Swarm max_handoffs 默认 20 次，配置不当可能导致资源耗尽
• 模型成本失控：Bedrock 缓存点、流式输出需监控，多智能体场景调用链复杂

核心用法

Strands Agents SDK 是 AWS 开源的 Python Agent 开发框架封装技能，提供从单 Agent 到多 Agent 协作的完整工具链。核心使用场景包括：

单 Agent 开发：通过 Agent(model=...) 快速创建智能体，支持 Amazon Bedrock（默认）、Ollama、Anthropic、OpenAI 等 11 种模型提供商。使用 @tool 装饰器可将任意 Python 函数转换为 Agent 工具，类型提示自动生成 JSON Schema。

工具生态：内置 46 个预置工具（strands-agents-tools），涵盖文件操作、Shell 执行、HTTP 请求、图像生成、向量检索、Slack 集成等。支持热重载（load_tools_from_directory=True）和 MCP 协议集成，可无缝对接外部工具服务。

多 Agent 模式：提供三种编排范式——Agents as Tools（嵌套调用）、Swarm（自组织智能体群，支持自主 handoff）、Graph（DAG 确定性执行，支持循环依赖）。同时支持 Google A2A 协议，实现跨进程/跨网络的标准化 Agent 通信。

工程化能力：包含脚手架生成（create-agent.py）、会话持久化（File/S3 SessionManager）、OpenTelemetry 可观测性、双向流式语音交互（实验性）等生产级特性。

显著优点

模型中立性：唯一同时原生支持 Bedrock、Ollama、Anthropic、OpenAI、Gemini、LiteLLM 等主流提供商的 Python Agent 框架，切换模型仅需修改 model= 参数。

AWS 原生集成：深度整合 Amazon Bedrock（默认模型）、Guardrails 内容过滤、跨区域推理、缓存优化等企业级特性，适合已有 AWS 基础设施的用户。

协议先进性：首批原生支持 MCP（Model Context Protocol）和 Google A2A 协议的框架，工具生态可无缝迁移，避免供应商锁定。

开发效率：@tool 装饰器实现零配置工具注册，类型提示即文档；Swarm/Graph 模式将多 Agent 复杂度封装为声明式 API，大幅降低协调逻辑编写成本。

潜在缺点与局限性

版本迭代风险：SDK 处于快速迭代期（当前验证版本 1.23.0），API 可能在版本间发生破坏性变更，需严格锁定依赖版本。

本地模型限制：Ollama 等开源模型存在工具调用能力不稳定问题（abliterated 模型常丢失 function calling），生产环境建议使用 Claude/GPT 等商业模型。

权限边界模糊：生成代码默认包含任意文件读写和 Shell 执行能力，虽提供安全提示但缺乏内置沙箱机制，需用户自行隔离。

生态成熟度：相比 LangChain/LangGraph，第三方集成和社区资源较少，部分高级功能（如双向流式）仍为实验性 API。

适合的目标群体

• AWS 云原生开发者：已使用 Bedrock/Guardrails 的企业工程团队
• 多模型策略团队：需要灵活切换模型提供商或混合使用本地/云端模型的场景
• Agent 协议先行者：希望采用 MCP/A2A 标准构建可互操作工具生态的架构师
• Python 后端工程师：偏好原生 Python 而非 Node.js/TypeScript 技术栈的开发者

使用风险

代码执行风险：生成的 Agent 模板包含 subprocess.run(shell=True) 和任意路径文件写入，建议在 Docker 容器或专用虚拟机中运行，避免在含敏感凭证（~/.aws、~/.ssh）的目录执行。

密钥管理风险：依赖 ANTHROPIC_API_KEY、OPENAI_API_KEY 等环境变量，需使用 AWS Secrets Manager 或类似方案替代明文存储，防止意外提交至版本控制。

供应链风险：虽依赖包（strands-agents）来自 AWS 官方，但快速版本迭代可能引入未预见的破坏性变更，建议 CI/CD 中锁定版本并设置自动化回归测试。

MCP 服务风险：连接外部 MCP 服务时需审查其权限范围，避免代理执行未授权的数据访问操作。