首页
/ Strands Agent 与 MCP 工具集成开发指南

Strands Agent 与 MCP 工具集成开发指南

2025-06-03 21:55:03作者:卓炯娓

概述

在现代人工智能应用开发中,如何有效地扩展智能代理(Agent)的能力是一个关键问题。Strands Agent 通过集成 Model Context Protocol (MCP) 工具,为开发者提供了一种标准化的方式来扩展代理功能。本文将深入探讨如何使用 Strands Agent 与 MCP 工具进行集成开发。

MCP 协议基础

MCP (Model Context Protocol) 是一个开放协议,它标准化了应用程序如何向大型语言模型(LLM)提供上下文信息。该协议的核心价值在于:

  1. 标准化接口:为不同工具和服务提供统一的交互方式
  2. 扩展性:允许开发者轻松添加新功能到现有代理中
  3. 灵活性:支持多种通信模式和传输协议

环境准备

在开始集成开发前,需要确保满足以下条件:

  • Python 3.10 或更高版本
  • 有效的 AWS 账户(如需使用 AWS 相关服务)
  • Amazon Bedrock 上已启用 Anthropic Claude 3.7 模型

安装必要的依赖包:

pip install -r requirements.txt

MCP 传输协议详解

MCP 支持多种传输协议,开发者应根据具体场景选择合适的协议:

1. 标准输入输出(stdio)传输

适用场景

  • 本地开发和测试
  • 命令行工具集成
  • 简单的脚本交互

特点

  • 实现简单,无需网络配置
  • 适合单机环境
  • 调试方便

2. Streamable HTTP 传输

适用场景

  • 分布式系统集成
  • 需要服务化部署的场景
  • 多客户端并发访问

特点

  • 支持服务器推送(Server-Sent Events)
  • 可扩展性强
  • 适合生产环境部署

实战:集成 AWS 文档 MCP 服务器

1. 使用 stdio 传输连接

from mcp import StdioServerParameters, stdio_client
from strands.tools.mcp import MCPClient

# 创建 stdio 传输的 MCP 客户端
stdio_mcp_client = MCPClient(
    lambda: stdio_client(
        StdioServerParameters(
            command="uvx", 
            args=["awslabs.aws-documentation-mcp-server@latest"]
        )
    )
)

2. 创建代理并使用工具

with stdio_mcp_client:
    # 获取 MCP 服务器提供的工具列表
    tools = stdio_mcp_client.list_tools_sync()
    
    # 创建代理实例
    agent = Agent(tools=tools)
    
    # 使用代理查询 AWS Bedrock 定价信息
    response = agent("What is Amazon Bedrock pricing model. Be concise.")

创建自定义 MCP 服务器

开发者可以创建自己的 MCP 服务器来提供定制化工具:

from mcp.server import FastMCP
import time

# 创建 MCP 服务器实例
mcp = FastMCP("Calculator Server")

# 定义计算器工具
@mcp.tool(description="Calculator tool which performs calculations")
def calculator(x: int, y: int) -> int:
    return x + y

# 定义长时间运行工具
@mcp.tool(description="This is a long running tool")
def long_running_tool(name: str) -> str:
    time.sleep(25)
    return f"Hello {name}"

# 启动服务器
mcp.run(transport="streamable-http", mount_path="mcp")

高级集成技巧

1. 多 MCP 服务器集成

Strands Agent 支持同时连接多个 MCP 服务器:

# 连接 AWS 文档 MCP 服务器
aws_docs_mcp_client = MCPClient(
    lambda: stdio_client(
        StdioServerParameters(
            command="uvx", 
            args=["awslabs.aws-documentation-mcp-server@latest"]
        )
    )
)

# 连接 CDK MCP 服务器
cdk_mcp_client = MCPClient(
    lambda: stdio_client(
        StdioServerParameters(
            command="uvx", 
            args=["awslabs.cdk-mcp-server@latest"]
        )
    )
)

# 创建支持多服务器的代理
with aws_docs_mcp_client, cdk_mcp_client:
    tools = aws_docs_mcp_client.list_tools_sync() + cdk_mcp_client.list_tools_sync()
    agent = Agent(tools=tools, max_parallel_tools=2)
    
    response = agent(
        "What is Amazon Bedrock pricing model. Be concise. Also what are the best practices related to CDK?"
    )

2. 直接调用工具

在某些场景下,开发者可能需要直接调用工具而不通过代理:

query = {"x": 10, "y": 20}

with streamable_http_mcp_client:
    result = streamable_http_mcp_client.call_tool_sync(
        tool_use_id="tool-123", 
        name="calculator", 
        arguments=query
    )
    print(f"Calculation result: {result['content'][0]['text']}")

3. 超时控制

对于可能长时间运行的工具,可以设置超时限制:

with streamable_http_mcp_client:
    try:
        result = streamable_http_mcp_client.call_tool_sync(
            tool_use_id="tool-123",
            name="long_running_tool",
            arguments={"name": "Amazon"},
            read_timeout_seconds=timedelta(seconds=30),
        )
        # 处理结果...
    except Exception as e:
        print(f"Tool call timed out or failed: {str(e)}")

最佳实践

  1. 工具设计原则

    • 保持工具功能单一
    • 提供清晰的描述文档
    • 考虑错误处理场景
  2. 性能优化

    • 合理设置 max_parallel_tools 参数
    • 对耗时操作实现异步处理
    • 考虑工具调用的缓存策略
  3. 安全考虑

    • 验证工具输入参数
    • 限制敏感工具的访问权限
    • 实现适当的日志记录

总结

通过本文,我们全面了解了如何使用 Strands Agent 与 MCP 工具进行集成开发。从基础的环境准备到高级的多服务器集成,开发者可以根据实际需求选择合适的集成方式。MCP 协议为智能代理的功能扩展提供了标准化途径,而 Strands Agent 则简化了这一集成过程,使开发者能够更专注于业务逻辑的实现。

在实际应用中,建议开发者:

  1. 从简单场景开始,逐步增加复杂度
  2. 充分测试工具在不同场景下的表现
  3. 监控工具使用情况,持续优化性能

通过合理利用 MCP 工具,开发者可以显著增强 Strands Agent 的能力,构建出更加强大和灵活的智能应用。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.05 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
198
279
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
949
556
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
346
1.33 K