项目简介

Strands Agents Harness SDK 是由 Strands 团队开源的 AI Agent 开发框架，同时提供 Python 和 TypeScript 两个版本 SDK，旨在帮助开发者构建可在生产环境运行的 AI Agent。与传统的纯提示词工程不同，Strands 从工程化角度出发，将 Agent 开发中常见的生命周期管理、工具调用、会话持久化等能力封装为标准化接口，让开发者专注业务逻辑而非基础设施搭建。GitHub 累计超过 7,600 星。

核心功能

• 全功能 Agent 循环：通过 create_harness()（Python）或 createHarness()（TypeScript）一键创建完整 Agent，支持生命周期控制（轮次限制、Token 预算、取消操作、停止原因）
• 工具系统与 MCP 支持：内置工具注册框架，支持 MCP（Model Context Protocol）工具扩展，覆盖主流 AI 能力接入方式
• 多 Agent 协作模式：支持多 Agent 架构设计，可构建主从 Agent 或并行协作的工作流
• 内存与会话管理：内置记忆系统和会话持久化机制，Agent 可跨会话保持上下文状态
• 结构化输出：原生支持 JSON Schema 结构化输出控制，无需自行处理解析逻辑
• 模型可移植性：通过统一接口接入多种大语言模型，支持主流模型提供商的灵活切换
• 流式输出：内置流式响应支持，可实时展示 Agent 推理过程
• 安全护栏（Guardrails）：提供安全检查机制，防止 Agent 输出危险内容或执行越权操作
• 可观测性与评测：集成 Tracing 和 Evals 能力，支持构建完整的 Agent 评测体系

技术实现

Strands Agents 的核心设计理念是将 Agent 开发中反复出现的工程问题抽象为可复用模块。其 Python SDK（strands-harness）和 TypeScript SDK（@strands-agents/harness）采用相同的架构设计，包括：

生命周期管理层负责 Agent 的启动、执行、监控和停止，支持轮次上限、Token 预算等精细控制；工具层通过统一接口注册和管理工具，支持 MCP 协议扩展；多 Agent 层提供主从架构、并行执行等常见协作模式的参考实现；记忆层处理对话历史和长期上下文的持久化与检索；评测层与 Langfuse 等可观测性平台对接，支持实时追踪和效果评估。

所有模块均可独立使用，也可通过 preset 配置一键组合出完整工作环境。

快速上手

第一步：安装 SDK

pip install strands-harness

或

npm install @strands-agents/harness

第二步：创建 Agent 实例

Python 示例： from strands import create_harness agent = create_harness()

TypeScript 示例： import { createHarness } from "@strands-agents/harness"; const agent = createHarness();

第三步：注册工具

agent.tools.register(search_tool)

第四步：运行对话

response = agent.run("帮我分析一下这款产品的市场定位") print(response)

第五步：配置持久化

agent.sessions.enable_persistence(store="sqlite")

适用人群

• AI 应用开发者：需要构建生产级 Agent 应用的工程师
• 平台架构师：设计企业内部 AI 平台的技术负责人
• 研究人员：研究 Agent 行为、评测 Agent 能力的学者
• 创业团队：快速构建 MVP 并希望未来可迁移的技术团队