Strands Agents Skill：AWS 开源的生产级 Agent SDK，月下载 1600 万次的 Model-Driven 框架
Strands Agents 是 AWS 开源的 production-grade Agent SDK（Python + TypeScript），核心理念是”model-driven”——让 LLM 自主规划执行路径，开发者只需几行代码就能构建具备工具调用、MCP 支持、多 Agent 模式、Guardrails、OpenTelemetry 可观测性的生产级 AI 代理。它目前月下载量突破 1600 万次，被 Amazon Q Developer、AWS Glue 等 AWS 自有产品深度使用，9 月以来多次登上 GitHub Trending，是当前最值得关注的 Agent 基础设施框架之一。
功能与设计原则
Strands Agents 的核心设计哲学是模型驱动（Model-Driven）：LLM 自己决定下一步做什么，而不是被硬编码的工作流所束缚。典型场景下，你只需定义系统提示词和工具列表，模型就能自主完成规划、推理和工具调用。
核心能力覆盖：
- Agent Loop 控制：turn 限制、token 预算、取消机制、stop reasons
- 工具系统：自定义 Python/TypeScript 工具 + 原生 MCP 工具支持
- 结构化输出：内置 JSON schema 约束输出格式
- 多 Agent 模式：swarm / graph / agents-as-tools 等编排模式
- Memory & Sessions：会话管理、上下文压缩、摘要化记忆
- Guardrails：Steering 协议，运行时拦截并纠正 Agent 行为
- 可观测性：OpenTelemetry 原生 tracing + evals SDK
- 流式输出：streaming 支持
认可度
- GitHub Star：截至 2026-09-24 约 7,800+ 星（主仓库 strands-agents/harness-sdk），Forks 1,200+
- 月下载量：strands-agents Python 包月下载量超过 1,600 万次（截至 2026-06 数据，至今仍在快速增长）
- 生产验证：被 Amazon Q Developer、AWS Glue、VPC Reachability Analyzer 等 AWS 自有产品线内部使用
- 9 月多次 Trending：在 GitHub Trending AI Agent 类目持续上榜，是 2026 年下半年基础设施类开源项目中增速最快的之一
- 双语言 SDK：Python（PyPI：strands-harness）+ TypeScript（npm：@strands-agents/harness），1.0 稳定版 API
链接
GitHub：https://github.com/strands-agents/harness-sdk
文档：https://strandsagents.com/docs/user-guide/quickstart/overview/
原作者
项目由 AWS 主导开发，主要作者包括 Amazon Web Services Agentic AI 团队，核心维护者以 AWS 内部工程师为主。项目于 2025 年 5 月从内部使用场景开源，2026 年 6 月仓库正式从 sdk-python 更名为 harness-sdk，标志着向”Agent Harness”平台的战略演进。
详细介绍
Strands Agents 起源于 AWS 内部对 Agent 框架的工程化需求。在开源之前，它已在 Amazon Q Developer（AWS 的 AI 编程助手）等产品中经历大规模生产验证，扛住了真实用户流量的考验。2025 年 5 月正式开源后，社区采用速度超出预期——不是因为营销，而是因为它解决了一个真实的工程痛点：如何让 LLM 自主掌控执行流程，同时又让开发者保留足够的干预能力。
从架构上看，Strands 提出了“Harness”（线束）概念——开发者先通过 create_harness() 获取一个预置最优配置的 Agent 实例，快速跑通全流程；如果需要更多控制，再下沉到 SDK 层面自定义 agent loop、工具、memory 和 model provider。这种”先快后深”的渐进式控制方式，大幅降低了入门门槛，同时保留了工程化所需的深度。
Harness 的默认配置经过了 benchmark 调优，针对不同模型（Bedrock/Claude/OpenAI/Gemini 等）都有推荐的工具、context 和 steering 配置。开发者无需从零调试，拿到即生产力。
特点
- Model-Agnostic：一线支持 Amazon Bedrock、Anthropic、OpenAI、Google Gemini、Cohere、Mistral，以及 Ollama、LiteLLM 等 100+ 供应商，自定义 provider 也不难
- Harness 哲学：一行
create_harness()即可获得生产级 Agent，支持逐步下沉到 SDK 底层定制 - 生产验证：Amazon Q Developer 内部使用，日均处理海量真实请求，经历过大规模流量洗礼
- Hook + Middleware 双总线：21 个强类型 Hook 事件 × 5 档优先级 + Input/Output/Wrap 三阶段 Middleware 管道，任何步骤均可拦截、验证、重定向
- AWS 原生集成：无缝对接 Amazon Bedrock AgentCore，从本地 Strands 原型到云端托管实例的迁移路径平滑
- 多语言同构：Python + TypeScript 双 SDK，API 设计对齐，团队可根据技术栈自由选择
- Checkpoint + Interrupt：ReAct 周期内的”事务边界”，支持 Agent 执行状态暂停与恢复，适用于人工审批节点
使用方法
安装
Python：
pip install strands-harness
TypeScript：
npm install @strands-agents/harness
最小示例
Python：
from strands_harness import create_harness
agent = create_harness()
agent("Find the slowest test in this repo and explain why it's slow")
TypeScript：
import { createHarness } from '@strands-agents/harness'
const agent = await createHarness()
await agent.invoke("Find the slowest test in this repo and explain why it's slow")
自定义配置（覆盖默认）
from strands_harness import create_harness
agent = create_harness(
model_id="anthropic.claude-sonnet-4-20250514",
max_tokens=4096,
tools=[...],
system_prompt="You are a senior code reviewer..."
)
使用场景与人群
适用场景：
- 构建需要工具调用能力的 AI 助手/编程 Agent
- 企业内部知识库问答 + 工具编排
- 多步骤自动化流程（数据获取→分析→报告）
- 需要 Guardrails + 可观测性的合规场景（金融、医疗、法律）
- 从原型到生产的 Agent 应用（先 Harness 快速验证，再 SDK 深度定制）
目标用户：
- 后端/平台工程师：构建企业级 Agent 平台
- AI 应用开发者：需要稳定可靠的 Agent 基础设施
- AWS 用户：已使用 Bedrock 或 Amazon Q，想自建 Agent 能力的团队
- 框架维护者：用 Hook/Middleware 机制定制 Agent 行为，无需 fork 源码
输入与输出案例
案例 1：代码库分析
Input：
"Find the slowest test in this repo and explain why it's slow"
Output（Agent 自动规划）：
Agent 分析：先搜索所有测试文件 → 识别性能测试（slow、perf、benchmark 关键字）→ 逐个执行并记录耗时 → 汇总最慢的 3 个测试并分析原因（如 I/O 阻塞、mock 缺失、大数据集 fixture）→ 给出优化建议
案例 2：多工具编排
Input：
"帮我查一下 AWS us-east-1 区过去 7 天的 Lambda 错误日志，汇总成一个 Markdown 报告"
Output（Agent 自动选择工具链）：
1. 调用 AWS CloudWatch API 拉取错误日志
2. 解析并统计错误类型分布
3. 调用 Slack/Mail 工具发送 Markdown 报告
（整个流程由 Agent 自主决策，无需人工干预每一步）
评论区
登录后可评论。