Strands Agents 是什么?AWS 亲手写的 8.6K 星 Agent SDK,PyPI 月下载 3649 万(基础篇)

Strands Agents 是什么?AWS 亲手写的 8.6K 星 Agent SDK,PyPI 月下载 3649 万(基础篇)

导语

Agent 框架这两年爆炸到有点离谱,GitHub 上随便搜一个”AI Agent Framework”标签,出来几十个。但有一个很奇怪的现象:有些框架星数几万、下载量也高,真正进了大厂生产的却没几个;而有些只有几千星、名字还带个云厂商前缀的,稳稳地跑在几百万用户的工具链里。Strands Agents 就是后者的典型——AWS 自己开源的 Agent SDK,GitHub 才 8.6K 星,但 PyPI 上个月被拉了 3649 万次。一个云厂商的框架,凭什么能把这两组数字拧成反着长的?

项目介绍:AWS 亲手写的”模型驱动”Agent SDK

Strands Agents 是 AWS 在 2025 年 5 月开源的一套 Agent 开发 SDK,Apache-2.0 协议,主打 Python 和 TypeScript 双语言。名字来自 DNA 的双螺旋——它要拧起来的正是 Agent 的两根链:模型 + 工具。

它的核心理念叫 model-driven(模型驱动),这是它和市面上绝大多数框架最不一样的地方。传统框架(典型如 LangGraph)是”流程驱动”:你先把节点、边、条件分支画成一张图,模型只能在图里走。而 Strands 是反过来——你只写一个 prompt 和一串工具,剩下全交给模型自己决定下一步调哪个工具、要不要反思、什么时候收工。AWS 的说法很直白:现在 Claude、GPT 这些模型的原生推理和工具调用能力已经足够强,硬套一层复杂编排反而成了累赘。

官方文档把 Agent 定义成三件套:模型、工具、提示词。就这么简单。一个最简的 Python 示例:

from strands import Agent
from strands_tools import calculator

agent = Agent(tools=[calculator])
agent("1764 的平方根是多少")

跑完这一行你就有一个能自己思考、调工具、迭代到得出答案的 Agent 了。TypeScript 那头是 npm install @strands-agents/sdk,写法几乎一样。

但”简单”不等于”阉割”。SDK 里内置的东西其实是全的:生命周期控制(回合数上限、token 预算、取消、停止原因)、结构化输出、MCP 客户端、多 Agent 协作模式(Agent-as-Tool、Handoff、Swarm、Graph 四种原生模式)、记忆与会话、流式输出、Guardrails 安全栏、基于 OpenTelemetry 的链路追踪,以及一套评测 SDK。模型侧也是真的中立——Bedrock、Anthropic API、OpenAI、Gemini、Llama、Ollama 全都一等公民支持,还能通过 LiteLLM 接任何一家,也能自己写 provider。

有意思的是社区名单:Accenture、Anthropic、Langfuse、mem0.ai、Meta、PwC、Ragas.io、Tavily 都往里提过 PR。一个 AWS 的框架,Langfuse 帮你看 trace、mem0 给你存记忆、Ragas 帮你评测——这套拼装本身就是「Agent 工程化」的一个切面。

上手:三分钟跑通,然后立刻换掉默认模型

Linux/macOS 上:

pip install strands-agents strands-agents-tools

然后你需要一个模型。这里有个必须提前知道的坑:两个 SDK 默认都指向 Amazon Bedrock,直接跑会报凭证错误。你要么配 AWS 凭证 + 开 Claude Sonnet 的 Bedrock 访问权限,要么在 Quickstart 里换成别的 provider——比如本地跑就走 Ollama:

from strands import Agent
from strands import OllamaModel   # 本地模型,不烧 API 钱

agent = Agent(model=OllamaModel(host="http://localhost:11434", model_id="qwen3"))
agent("帮我把这段中文翻译成英文")

进阶三件事值得花时间:MCP 直接接现成的工具服务器(官方仓库里 MCP client 是一等公民,list_tools_sync() 拿工具列表跟普通函数工具混着用);Hooks 能拦截 Agent 循环里任意一步做日志、校验或改写,这是它主打”端到端可控”的地方;retrieve tool 则是解决”工具太多模型选不过来”——AWS 内部有个 Agent 挂了 6000 多个工具,靠语义检索先把相关的挑出来再喂给模型。

部署上 AWS 给了四条参考架构:单体跑、Lambda、Fargate、EC2,以及把 Agent 和工具拆开部署(Agent 在 Fargate、工具在 Lambda)。如果你的栈就在 AWS 上,Bedrock AgentCore 那条路基本是白送——不用管服务器和扩缩容。

实话:星数低不是bug,是它的真实处境

先把数据摆齐:GitHub 8.6K 星、1312 fork;Python SDK 最新 1.57.2(10 月 1 日发版),TypeScript SDK 1.19.0;PyPI 上月下载 3649 万次。8.6K 星拿到 3649 万下载,靠的是它被塞进了 Amazon Q Developer、AWS Glue、VPC Reachability Analyzer 这些 AWS 自家产品,也靠 Anthropic、Meta 把它接进了自己的模型生态。这是个典型的”云厂商内部消化型开源”——你不跑 AWS,它对你就是一具高级骨架。AWS Builder Center 自己那份选型报告里说得很直白:Strands 的社区规模在几个框架里最小,它是靠 AWS 产品的实际采用长起来的,不是靠开源社区爆发。

第二,仓库结构刚经历过一次大手术,老教程会踩坑。sdk-python、sdk-typescript、docs、mcp-server、agent-builder 这些独立仓库现在全部已归档,代码并进了 monorepo strands-agents/harness-sdk。你照着一年前的文章去 clone sdk-python,拿到的就是一个只读墓碑。

第三,模型驱动是把双刃剑。图编排(LangGraph、CrewAI 那种)的好处是可预测,跑一次消耗多少 token、几步结束大致有数。模型驱动则相反——模型可能反思五轮才决定调工具,也可能一轮就收工。成本和延迟的方差更大,上生产前一定把回合上限和 token 预算这两个参数钉死,别裸奔。对照着看:Mastra 走 TS 原生那套,OpenAI Agents SDK 走官方亲儿子那套,Claude Agent SDK 是把 Claude Code 的大脑掏出来给你用——路线不同,Strands 的位置是”云厂商出品、中立模型、Apache 开源、观测开箱即用”。

一句话总结:如果你已经在 AWS 上,Strands 是目前最省心的生产级 Agent SDK;如果你的栈全在自己机房,那 8.6K 星和 6000+ fork 的社区规模,坦白说还撑不起你半夜排障时去 GitHub Issue 里刨。


by 数码罗记·godsun.pro

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注