Strands Agent 与 MCP 工具集成开发指南
2025-06-03 20:04:51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:
- 标准化接口:为不同工具和服务提供统一的交互方式
- 扩展性:允许开发者轻松添加新功能到现有代理中
- 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
-
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
-
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
-
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:
- 从简单场景开始,逐步增加复杂度
- 充分测试工具在不同场景下的表现
- 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
PaddleOCR-VL
PaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00HunyuanWorld-Mirror
混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03Spark-Scilit-X1-13B
FLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
1 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析2 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp Cafe Menu项目中link元素的void特性解析5 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 6 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析7 freeCodeCamp全栈开发课程中React实验项目的分类修正8 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析9 freeCodeCamp博客页面工作坊中的断言方法优化建议10 freeCodeCamp论坛排行榜项目中的错误日志规范要求
最新内容推荐
JavaWeb企业门户网站源码 - 企业级门户系统开发指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 WebVideoDownloader:高效网页视频抓取工具全面使用指南 高效汇编代码注入器:跨平台x86/x64架构的终极解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

deepin linux kernel
C
23
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
237
2.36 K

仓颉编程语言运行时与标准库。
Cangjie
122
95

暂无简介
Dart
538
117

仓颉编译器源码及 cjdb 调试工具。
C++
114
83

React Native鸿蒙化仓库
JavaScript
216
291

Ascend Extension for PyTorch
Python
77
109

🎉 (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
995
588

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
568
113

LLVM 项目是一个模块化、可复用的编译器及工具链技术的集合。此fork用于添加仓颉编译器的功能,并支持仓颉编译器项目。
C++
32
25