agent-builder 的安装和配置教程
项目的基础介绍和主要的编程语言
agent-builder 是一个开源项目,旨在帮助开发者构建、测试和扩展自定义的 AI 代理和工具。该项目提供了一个模型驱动的途径,仅用几行代码即可创建 AI 代理。主要使用的编程语言是 Python。
项目使用的关键技术和框架
该项目使用了 Strands 框架,它包含了一系列的工具和功能,使得开发者可以创建具有特定功能的代理,开发自定义工具,并构建复杂的 AI 工作流程。同时,它集成了 Amazon Bedrock 知识库,用于存储和检索自定义工具、代理配置和开发历史。
项目安装和配置的准备工作和详细的安装步骤
准备工作
在开始安装前,请确保您的系统中已经安装了以下环境和工具:
- Python(建议使用 Python 3.x)
- pip(Python 的包管理工具)
- git(版本控制工具)
安装步骤
-
克隆项目仓库
打开命令行工具,使用 git 命令克隆项目仓库:
git clone https://github.com/strands-agents/agent-builder.git -
安装依赖
进入项目目录,使用 pip 安装项目所需的依赖:
cd agent-builder pip install -r requirements.txt -
安装 Strands Agent Builder
使用 pipx 安装 Strands Agent Builder。pipx 是一个用于安装和运行 Python 包的工具,它可以确保每个包都在独立的环境中运行:
pipx install strands-agents-builder -
运行交互模式
安装完成后,运行以下命令启动 Strands Agent Builder 的交互模式:
strands这将启动命令行界面,你可以在其中创建和测试自定义工具,构建代理,以及执行其他操作。
-
创建自定义工具
在交互模式下,你可以按照项目文档中的示例创建自定义工具。例如,创建一个名为
sentiment_analyzer的工具,用于分析文本情绪:strands "Create a tool named sentiment_analyzer that analyzes text sentiment and test it with some examples" -
构建基于规格的代理
使用
cat命令将代理规格文件的内容传递给 Strands,以构建一个基于这些规格的专业代理:cat agent-spec.txt | strands "Build a specialized agent based on these specifications" -
使用知识库
如果你已经有了 Amazon Bedrock 知识库的 ID,可以通过以下方式加载和扩展工具:
strands --kb YOUR_KB_ID "Load my previous calculator tool and enhance it with scientific functions"或者,通过环境变量设置默认的知识库 ID:
export STRANDS_KNOWLEDGE_BASE_ID=YOUR_KB_ID strands "Find my most recent agent configuration and make it more efficient"
完成以上步骤后,你已经成功安装并配置了 agent-builder,可以开始创建和测试你自己的 AI 代理和工具了。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-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