使用Strands Agents SDK与Amazon Bedrock构建AI代理

1. Strands Agents SDK 与 Amazon Bedrock 技术解析Strands Agents SDK 是一个专为构建生产级 AI Agent 系统设计的 Python 框架而 Amazon Bedrock 是 AWS 提供的全托管基础模型服务。两者的结合为开发者提供了快速构建智能代理的能力。1.1 Strands Agents SDK 核心特性这个 SDK 的设计哲学体现在几个关键方面极简 API 设计通过装饰器模式将复杂功能封装成简单接口工具即代码任何 Python 函数只需添加 tool 装饰器即可成为 Agent 可调用的工具多模型支持统一接口适配不同基础模型包括 Bedrock 上的 Claude、Llama 等from strands import tool, Agent tool def get_weather(city: str) - dict: 获取城市天气信息 # 实现天气查询逻辑 return weather_data weather_agent Agent( tools[get_weather], modelbedrock/anthropic.claude-v2 )1.2 Amazon Bedrock 的核心价值Bedrock 为 AI Agent 提供了三项关键能力模型即服务无需维护基础设施即可访问顶尖大模型知识库集成支持将企业文档作为检索增强生成(RAG)的数据源安全护栏内置内容过滤和 PII 保护机制2. 20 行 Python 实现多功能 Agent2.1 基础环境准备首先确保环境配置正确pip install strands-agents boto3 export AWS_ACCESS_KEY_IDyour_key export AWS_SECRET_ACCESS_KEYyour_secret2.2 核心代码实现以下是一个完整的多功能 Agent 实现from strands import Agent, tool import math tool def get_weather(city: str) - str: 查询城市天气示例返回模拟数据 return f{city}天气晴25℃ tool def calculate(expression: str) - str: 计算数学表达式 try: return str(eval(expression)) except: return 计算失败请检查表达式 tool def read_file(path: str) - str: 读取文件内容 try: with open(path) as f: return f.read(1000) # 限制读取长度 except: return 文件读取失败 agent Agent( tools[get_weather, calculate, read_file], modelbedrock/anthropic.claude-v2, system_prompt你是一个多功能助手可以查天气、做数学计算和阅读文档 ) response agent(北京今天天气如何) print(response)2.3 代码结构解析这段代码实现了三个核心功能天气查询通过 get_weather 工具函数数学计算利用 Python 的 eval 函数实现文档阅读简单的文件读取功能3. 功能扩展与实战技巧3.1 增加实时数据查询改造天气查询功能接入真实 APIimport requests tool def get_real_weather(city: str) - str: 接入真实天气API api_key your_api_key url fhttps://api.weather.com/v3/wx/conditions/current?city{city}key{api_key} try: res requests.get(url, timeout3) data res.json() return f{city}天气{data[conditions]}温度{data[temp]}℃ except: return 天气查询服务暂不可用3.2 增强文档处理能力使用 PyPDF2 扩展文档阅读功能from PyPDF2 import PdfReader tool def read_pdf(path: str) - str: 读取PDF文件内容 try: reader PdfReader(path) text \n.join([page.extract_text() for page in reader.pages[:3]]) return text[:1000] # 限制返回长度 except: return PDF文件读取失败3.3 错误处理最佳实践完善的错误处理机制对生产环境至关重要tool def safe_calculate(expression: str) - str: 安全的数学计算 allowed_chars set(0123456789-*/.() ) if not all(c in allowed_chars for c in expression): return 表达式包含非法字符 try: return str(eval(expression)) except ZeroDivisionError: return 错误除数不能为零 except: return 计算失败请检查表达式4. 生产环境部署方案4.1 性能优化策略对于高频调用的 Agent 需要实施优化缓存机制对天气查询等结果缓存 10 分钟异步处理使用 async/await 提高并发能力批处理支持多个表达式同时计算from functools import lru_cache import asyncio lru_cache(maxsize100) tool def cached_weather(city: str) - str: 带缓存的天气查询 return get_real_weather(city) async def async_calculate(exprs: list[str]) - list[str]: 批量计算 return [calculate(expr) for expr in exprs]4.2 安全防护措施必须考虑的安全防护层面输入验证过滤特殊字符和恶意输入权限控制限制文件读取目录速率限制防止API滥用import os SAFE_DIR /var/www/data tool def safe_read(path: str) - str: 安全的文件读取 if not os.path.abspath(path).startswith(SAFE_DIR): return 无权访问该路径 if .. in path: return 路径不合法 return read_file(path)5. 典型问题排查指南5.1 工具调用失败分析常见工具调用问题及解决方案问题现象可能原因解决方案工具未触发函数签名不匹配检查参数类型和名称是否一致权限错误AWS凭证失效验证 boto3 配置是否正确超时网络延迟增加 timeout 参数或重试机制5.2 Bedrock 模型响应异常模型相关问题的处理建议响应不符合预期优化 system_prompt 提供更明确指令输出被截断调整 max_tokens 参数响应速度慢尝试更轻量级的模型版本optimized_agent Agent( system_prompt 你是一个专业助手请严格遵守以下规则 1. 只回答与工具功能相关的问题 2. 不确定时回答我不知道 3. 保持回答简洁专业 , modelbedrock/anthropic.claude-instant-v1, # 更轻量模型 max_tokens500 )5.3 性能瓶颈定位使用以下方法分析性能问题from datetime import datetime class Timer: def __enter__(self): self.start datetime.now() def __exit__(self, *args): print(f耗时{(datetime.now()-self.start).total_seconds()}秒) with Timer(): response agent(计算(34)*5的值)6. 进阶开发技巧6.1 多Agent协作模式实现Agent间的协同工作from strands import Agent, tool tool def math_agent(query: str) - str: 专用数学计算Agent agent Agent( system_prompt你是一个数学专家只回答数学问题, tools[calculate] ) return agent(query) tool def weather_agent(query: str) - str: 专用天气查询Agent agent Agent( system_prompt你是一个天气助手只回答天气相关问题, tools[get_weather] ) return agent(query) coordinator Agent( tools[math_agent, weather_agent], system_prompt分析用户问题并路由到合适的专业Agent )6.2 长期记忆实现使用数据库保存会话上下文import sqlite3 from datetime import datetime conn sqlite3.connect(memory.db) conn.execute(CREATE TABLE IF NOT EXISTS memory (key TEXT, value TEXT, time TEXT)) tool def remember(key: str, value: str) - bool: 存储信息到长期记忆 conn.execute( INSERT INTO memory VALUES (?, ?, ?), (key, value, datetime.now().isoformat()) ) conn.commit() return True tool def recall(key: str) - str: 从长期记忆检索信息 cur conn.execute( SELECT value FROM memory WHERE key? ORDER BY time DESC LIMIT 1, (key,) ) if row : cur.fetchone(): return row[0] return 没有找到相关记忆6.3 流式响应处理对于长时间任务实现流式输出async def stream_response(): agent Agent(tools[calculate]) async for chunk in agent.stream_async(计算圆周率前100位): print(chunk[text], end, flushTrue) import asyncio asyncio.run(stream_response())