Amazon 出品的 Agent SDK，凭什么让近千人 fork？

今天逛 GitHub 看到一个项目，我觉得做 Agent 开发的人会喜欢。

strands-agents/harness-sdk

Image

Image

Stars：6,711 ｜ Forks：995 ｜ License：Apache-2.0 ｜ 主要语言：Python

先说为什么推荐它

你们写 Agent 的时候有没有这种感受：

调一次模型很简单，但麻烦的全在后面——

模型要调工具，工具参数怎么校验？工具失败了怎么把错误交回模型？上下文太长了怎么办？换模型厂商要不要重写一堆代码？上线后怎么知道 Agent 到底做了什么？

如果这些都自己写，代码很快就会变成一团乱麻。

harness-sdk 做的事情就是：把这些"脏活"收进一套 SDK 里，让你专注在业务逻辑上。

它到底是什么

简单说，这是一个开源的 AI Agent SDK，叫 Strands Agents。

它给 Python 和 TypeScript 开发者提供一套写 Agent 的基础件：

• Agent loop（循环控制）
• 模型接入（支持多家）
• 工具调用
• MCP 集成
• hooks（生命周期钩子）
• 多 Agent 协作
• 结构化输出 & 流式响应
• 部署和观测

所以它不是聊天应用，也不是现成的桌面助手。更像是你在做 Agent 产品时，可以放到底层的一套 SDK。

Image

我看重的三个点

① Agent Loop 不是简单循环

文档里讲得很清楚：模型拿到输入和上下文 → 判断是否需要工具 → 执行工具 → 结果放回上下文 → 继续推理 → 直到给出最终回答。

听起来简单？但真实项目里细节很多：

• stop reason 怎么处理？
• 工具执行错误了怎么办？
• 上下文历史太长怎么管？
• 用户取消了怎么停？
• 并发调用怎么限制？

这些都要有人兜住。Strands Agents 把这些都封装好了。

② 不绑死某一家模型

这个我觉得挺重要的。

它支持 Amazon Bedrock、Anthropic、OpenAI、Google、Ollama、LiteLLM、MistralAI、SageMaker、Vercel、Writer，还有自定义 provider。

Python 和 TypeScript 覆盖范围不完全一样，但主线很清楚：不要把 Agent 绑死在某一个模型后端上。

今天用 Claude，明天想换 Gemini？改个配置就行，不用重写业务逻辑。

③ Hooks 让你能插手 Agent 的行为

这是我最喜欢的功能。

它允许你在 Agent 生命周期的关键节点挂自己的逻辑：

• 工具调用前 → 可以做参数检查或拦截
• 模型调用前后 → 可以记录日志或指标
• 消息写入时 → 可以做内容过滤
• 调用结束时 → 可以统计耗时

你可以用它做：

• 日志收集
• 参数校验
• 工具拦截
• 失败重试
• 限制工具调用次数
• 安全策略（在模型执行动作之前先检查）

这意味着你对 Agent 有完整的控制权，不是黑盒。

Image

Image

Image

还有两个实用细节

MCP 内置支持

Strands Agents 直接内置了 MCP 接入。你可以把 MCP server 暴露的工具挂到 Agent 上，让 Agent 用外部服务。Python 和 TypeScript 都有写法。

Guardrails 安全防护

官方把它放在 Safety & Security 下面，支持：

• 内容过滤
• 主题边界
• PII 保护
• 对接各家模型的 guardrail 能力

Demo 时可能不显眼，但一旦 Agent 要碰业务系统、内部数据、客户输入，这就很重要了。

Image

Image

怎么上手

Python 版本：

pip install strands-agents strands-agents-tools

from strands import Agent
from strands_tools import calculator

agent = Agent(tools=[calculator])
agent("What is the square root of 1764")

就这几行，能跑了。

TypeScript 版本：

npm install @strands-agents/sdk

import { Agent } from '@strands-agents/sdk'

const agent = new Agent()
const result = await agent.invoke('What is the square root of 1764?')
console.log(result)

注意一点： 两个 SDK 默认走 Amazon Bedrock。README 提醒要先配好 AWS 凭据。

要换 Anthropic、OpenAI、Gemini、Ollama 等 provider，按文档装对应依赖再切模型实例就行。

适合谁用

这几类人可能会觉得有用：

• 正在把 Agent 从 Demo 往产品搬的，已经不满足于一次模型调用
• 想同时保留 Python 和 TypeScript 选择（这个仓库两套 SDK 一起维护）
• 要接 MCP、接多模型、做多 Agent 编排的

但它不是万能答案。

它更偏 SDK 和工程底座。你还是要自己设计业务流程、工具边界、权限、日志留存和上线策略。

尤其是工具能改文件、查库、发请求的时候，别只相信模型自己会收住——该加的限制要加。

如果只是想快速做一个聊天页面，它可能显得重。

可如果你想把 Agent 做成能维护、能排查、能限制行为的系统，这个项目值得认真看一遍。

6.7k Star，Python + TypeScript 双 SDK，hooks 和 guardrails 都给到位了——做 Agent 工程化的时候，这种底座还是省心的。

你们现在用什么框架写 Agent？是自己拼的还是用了现成的 SDK？评论区聊聊 👇