项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1345
技术标签
使用教程
环境要求
- Python 环境(建议使用较新版本,README 以 PyPI 版本徽章标注)
- 已可用的 pip 包管理工具
- 如需使用可选工具(mem0_memory、use_browser、rss、use_computer 等)需额外安装其依赖
- 如需二次开发需准备源码目录与 pre-commit 环境
安装与启动步骤
-
1安装核心包
在终端执行 pip 安装命令,把 strands-agents-tools 装进当前 Python 环境。建议先激活虚拟环境,避免污染全局环境。
pip install strands-agents-tools -
2安装可选工具依赖
部分工具(记忆、浏览器、RSS、计算机操作等)依赖额外库,需按 README 给出的 extras 方式一次性安装。
pip install "strands-agents-tools[mem0_memory, use_browser, rss, use_computer]" -
3以开发模式安装
想修改源码或参与开发时,在项目源码根目录执行开发模式安装,这会同时安装 dev 依赖,无需先装核心包。
pip install -e ".[dev]" -
4安装 pre-commit 钩子
开发模式下接着安装 pre-commit 钩子,用于提交代码前的自动检查与格式化。非开发用途可跳过此步。
pre-commit install -
5在智能体中挂载工具
工具安装完成后,按 README 示例把工具传入 Agent 的 tools 列表即可使用;同步调用直接用函数,异步需调用对应的 *_async 并 await。
agent = Agent(tools=[tavily_search, tavily_extract, tavily_crawl, tavily_map]) -
6自定义模型调用
调用 use_agent 时可指定 model_provider 与 model_settings,切换不同模型提供商与参数,例如温度、最大 token 数。
result = agent.tool.use_agent( prompt="Write a creative story", system_prompt="You are a creative writing assistant.", model_provider="github", model_settings={"model_id": "openai/o4-mini", "params": {"temperature": 1, "max_tokens": 4000}} )
如何确认成功
通过 pip 安装无报错,并在代码中把工具传入 Agent 的 tools 列表后能正常调用工具返回结果(如 tavily_search、batch 示例)。
常见问题
Q:只装了核心包,某些工具却报缺少依赖怎么办?
A:这些属于可选工具,需按 README 的 extras 方式补装,例如 pip install "strands-agents-tools[mem0_memory, use_browser, rss, use_computer]"。
Q:如何以开发模式参与贡献?
A:在源码根目录执行 pip install -e ".[dev]",随后执行 pre-commit install 安装提交钩子。
Q:不修改代码能调整工具行为吗?
A:可以。Agents Tools 支持通过环境变量配置工具行为,适配开发、测试、生产等不同环境,具体变量见官方文档。
Q:工具可以支持哪些模型或提供商?
A:README 示例中出现 model_provider="github" 配合 model_id="openai/o4-mini",项目本身也面向 Anthropic、Bedrock、Llama、LiteLLM 等多种提供商。
Q:同步和异步调用有什么区别?
A:同步直接调用函数;异步使用需调用对应的 *_async 函数并配合 await 使用。
注意事项
- README 未列出具体的环境变量名称与取值,需要按官网文档 https://strandsagents.com 进一步确认。
- 可选工具的 extras 名需与安装时保持一致,拼写错误会导致安装失败。
- 开发模式安装需在项目源码根目录执行,否则会找不到 pyproject/setup 配置。
- 示例中的 Agent、tavily_search、batch 等对象需由 strands agents 主框架提供,本项目只提供工具集。
核心亮点
- 集成 LiteLLM 和 MCP,支持多种模型和协议,兼容性强
- 工具模块化设计,易于扩展和自定义,降低开发成本
- 覆盖搜索、文件等常见操作,开箱即用,提升开发效率
不足之处
- 文档/社区待观察
- 项目成长中,工具覆盖场景可能不够全面
适用场景
- 为聊天机器人添加实时搜索或网页抓取能力
- 构建自动化工作流,让智能体操作文件或调用外部 API
- 在多智能体系统中统一管理工具调用,提升协作效率
替代项目
LangChain Tools、OpenAI Function Calling、AutoGPT Plugins
上一篇:opencrabs
同类项目推荐
redmine-mcp-server
开源
让 AI 直接操作 Redmine,用自然语言管项目、看板、工时和 Wiki。
MCP server connecting AI assistants to Redmine: issues, projects, wikis, time tracki···
openvort
开源
在企微/钉钉/飞书中,像招人一样添加 AI 同事,自动干活。
Open-source AI Employee Platform — Create AI employees that collaborate with your r···
agents
开源
用 TypeScript 快速搭 AI 智能体,工具调用与多步任务开箱即用
fazer.ai agents. Apache 2.0.
index
开源
让AI替你操作浏览器,复杂网页任务全自动搞定
The SOTA Open-Source Browser Agent for autonomously performing complex tasks on the ···
7deer_skills
开源
把 Roblox 游戏站从选题到外链的活儿,交给可组合的 AI 技能自动跑。
Composable, auditable Agent Skills for building Roblox game sites—from opportunity ···
clawhive
开源
用 Rust 打造安全可控的多智能体协作平台
Lightweight, Rust-native AI Agent platform. Security sandbox from day one.
docmancer
开源
把编码代理的记忆同步给所有代理,告别重复教。
Find out what your coding agents already know. Docmancer indexes the memory, rules, ···
react-agent
开源
用 React 组件方式快速搭建自主 AI Agent 应用
The open-source React.js Autonomous LLM Agent
adk-go
开源
用 Go 代码快速构建、评估和部署 AI 代理,掌控每个细节。
An open-source, code-first Go toolkit for building, evaluating, and deploying sophis···
