🔥 20 行代码搞定 AI Agent！查天气、算数学、读文档全包了

亚马逊云开发者2026-03-23 14:48

别再扉写 if-else 判断该调哪个 API 了。让模型自己选。

故事的开始

"老板让我两天做个能调 API 的 AI Agent。"

周一早上开完会，我整个人是懵的。Agent 这东西我知道，但从零搭一个？两天？

然后同事甩给我一个链接------Strands Agents SDK。

我花了 20 分钟跑通了第一个 demo。花了半天写完了天气查询 + 数学计算 + 文档检索。还剩一天多的时间我用来摸鱼......哦不，用来写这篇教程。

先看效果

Agent 跑起来后，你可以这样问：

"北京今天天气怎么样？帮我算 2 的 10 次方。再查一下 Amazon S3 是什么。"

它会自己拆任务、调工具、汇总结果。你不用写一行调度逻辑。

代码？一共就这些：

python 复制代码 
from strands import Agent, tool
from strands_tools import calculator
import urllib.request, json

@tool
def get_weather(city: str) -> str:
    """查询指定城市的当前天气信息。

    Args:
        city: 城市名称，如 Beijing、Shanghai
    """
    url = f"https://wttr.in/{city}?format=j1"
    req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
    with urllib.request.urlopen(req, timeout=10) as resp:
        data = json.loads(resp.read().decode())
    current = data["current_condition"][0]
    return f"{city}: {current['temp_C']}°C, {current['weatherDesc'][0]['value']}"

@tool
def search_docs(keyword: str) -> str:
    """在技术文档中搜索关键词。

    Args:
        keyword: 要搜索的关键词
    """
    docs = {
        "bedrock": "Amazon Bedrock 是亚马逊云科技的全托管生成式 AI 服务。",
        "lambda": "AWS Lambda 是事件驱动的无服务器计算服务。",
        "s3": "Amazon S3 是对象存储服务，支持无限存储。"
    }
    for key, value in docs.items():
        if keyword.lower() in key:
            return value
    return f"未找到关于 '{keyword}' 的文档。"

agent = Agent(tools=[calculator, get_weather, search_docs])
agent("北京天气如何？2 的 10 次方等于多少？什么是 S3？")

没有路由逻辑。没有意图识别。模型自己决定调哪个工具。

这到底是怎么回事

Strands Agents 是亚马逊云科技开源的 AI Agent SDK。

核心理念叫 model-driven orchestration，翻译过来就是：模型驱动编排。

说白了：

  1. 你注册一堆工具（Python 函数）
  2. 用户提问
  3. 模型自己看问题，决定调哪个工具
  4. 调完拿结果，继续推理
  5. 重复 3-4 直到任务完成

你要做的就是：写工具函数 + 把它们注册到 Agent。其他的，模型搞定。

环境搭建（5 分钟）

装包

bash 复制代码 
python -m venv .venv
source .venv/bin/activate
pip install strands-agents strands-agents-tools

配凭证

默认用 Amazon Bedrock，所以需要亮马逊云科技凭证：

bash 复制代码 
aws configure
# 或者
export AWS_ACCESS_KEY_ID=你的AK
export AWS_SECRET_ACCESS_KEY=你的SK
export AWS_DEFAULT_REGION=us-west-2

然后去 Amazon Bedrock 控制台开通 Claude 4 Sonnet 模型权限（us-west-2 区域）。

⚠️ 坑：我第一次用了 ap-northeast-1，结果报 AccessDeniedException。Claude 4 Sonnet 不是所有区域都能用，us-west-2 准没错。

@tool 装饰器详解

这是 Strands Agents 的杀手级特性。一个装饰器把普通函数变成 Agent 可调用的工具。

python 复制代码 
from strands import tool

@tool
def get_weather(city: str) -> str:
    """查询指定城市的当前天气信息。

    Args:
        city: 城市名称，如 Beijing、Shanghai、Tokyo
    """
    import urllib.request, json
    url = f"https://wttr.in/{city}?format=j1"
    req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
    with urllib.request.urlopen(req, timeout=10) as resp:
        data = json.loads(resp.read().decode())
    current = data["current_condition"][0]
    temp = current["temp_C"]
    desc = current["weatherDesc"][0]["value"]
    humidity = current["humidity"]
    return f"{city}: {temp}°C, {desc}, 湿度 {humidity}%"

三个要点：

  1. docstring 是灵魂。模型靠它理解这个工具干嘛。写得越清楚，调用越准
  2. 类型注解必须有。SDK 用它生成 JSON Schema，模型根据 Schema 填参数
  3. 返回字符串。模型好理解

踩坑：一开始我 docstring 只写了一句"查天气"。结果模型经常不调这个工具。改成详细描述 + 参数说明后，命中率飙升。

接 MCP Server：读 AWS 官方文档

MCP（Model Context Protocol）是一个开放协议。可以让 Agent 连接外部工具服务器。

Strands Agents 内置支持。用 aws-documentation-mcp-server 能让 Agent 实时检索 AWS 文档。

python 复制代码 
from strands import Agent
from strands.tools.mcp import MCPClient
from mcp import stdio_client, StdioServerParameters

aws_docs_client = MCPClient(
    lambda: stdio_client(
        StdioServerParameters(
            command="uvx",
            args=["awslabs.aws-documentation-mcp-server@latest"]
        )
    )
)

with aws_docs_client:
    agent = Agent(tools=aws_docs_client.list_tools_sync())
    response = agent("Amazon Bedrock 用 Python 怎么调用？")
    print(response)

坑：uvx: command not found。需要先装 uv：

bash 复制代码 
pip install uv

自定义工具 + MCP 混合用

python 复制代码 
from strands import Agent, tool
from strands.tools.mcp import MCPClient
from mcp import stdio_client, StdioServerParameters
from strands_tools import calculator

@tool
def get_weather(city: str) -> str:
    """查询指定城市的当前天气信息。

    Args:
        city: 城市名称
    """
    import urllib.request, json
    url = f"https://wttr.in/{city}?format=j1"
    req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
    with urllib.request.urlopen(req, timeout=10) as resp:
        data = json.loads(resp.read().decode())
    current = data["current_condition"][0]
    return f"{city}: {current['temp_C']}°C, {current['weatherDesc'][0]['value']}"

aws_docs_client = MCPClient(
    lambda: stdio_client(
        StdioServerParameters(
            command="uvx",
            args=["awslabs.aws-documentation-mcp-server@latest"]
        )
    )
)

with aws_docs_client:
    all_tools = [calculator, get_weather] + aws_docs_client.list_tools_sync()
    agent = Agent(tools=all_tools)
    agent("上海天气怎么样？帮我查查 S3 的 Python 用法。再算 99 * 99。")

Agent 自己分辨哪些问题用哪个工具。混着来也不慌。

多 Agent 协作

一个 Agent 能力有限？搞多个，让它们分工。

思路：把子 Agent 包装成 tool，注册给主 Agent。

python 复制代码 
from strands import Agent, tool
from strands_tools import calculator

@tool
def get_weather(city: str) -> str:
    """查询城市天气。"""
    import urllib.request, json
    url = f"https://wttr.in/{city}?format=j1"
    req = urllib.request.Request(url, headers={"User-Agent": "Mozilla/5.0"})
    with urllib.request.urlopen(req, timeout=10) as resp:
        data = json.loads(resp.read().decode())
    current = data["current_condition"][0]
    return f"{city}: {current['temp_C']}°C, {current['weatherDesc'][0]['value']}"

# 子 Agent：天气专家
weather_agent = Agent(
    system_prompt="你是天气查询助手，用 get_weather 工具回答天气问题。",
    tools=[get_weather]
)

# 子 Agent：数学专家
math_agent = Agent(
    system_prompt="你是数学计算助手，用 calculator 工具解决数学问题。",
    tools=[calculator]
)

@tool
def ask_weather_expert(question: str) -> str:
    """向天气专家提问，查询天气信息时使用。

    Args:
        question: 关于天气的问题
    """
    return str(weather_agent(question))

@tool
def ask_math_expert(question: str) -> str:
    """向数学专家提问，需要数学计算时使用。

    Args:
        question: 数学问题
    """
    return str(math_agent(question))

# 主 Agent：协调者
coordinator = Agent(
    system_prompt="你是智能助手。天气问题交给天气专家，数学问题交给数学专家。",
    tools=[ask_weather_expert, ask_math_expert]
)

coordinator("北京今天多少度？123 × 456 等于多少？")

每个 Agent 专注自己的事，主 Agent 只管分活。

换模型

默认 Claude 4 Sonnet。想用别的：

python 复制代码 
from strands import Agent
from strands.models import BedrockModel

model = BedrockModel(
    model_id="us.amazon.nova-pro-v1:0",
    temperature=0.3,
    streaming=True
)

agent = Agent(model=model, tools=[...])

Amazon Bedrock 上有多种模型可选，Claude 系列和 Amazon Nova 系列都支持。

踩坑合集

问题 原因 解法
ImportError: cannot import name 'tool' SDK 版本太老 pip install --upgrade strands-agents
工具不被调用 docstring 太简略 写详细的功能描述和参数说明
MCP 服务器超时 首次下载依赖慢 等一会，第二次就快了
AccessDeniedException 区域不对或没开通 去 Bedrock 控制台开通模型权限
uvx: command not found 没装 uv pip install uv

写在后面

从零到一个能查天气、算数学、读文档的 AI Agent，我花了不到一个小时。

这个 SDK 的哲学很简单：你写函数，模型做决策。

代码已经全放上面了。试试呗。

链接：

相关推荐
望江东浪15 小时前
Vector 选型与实战：vs OTel / Logstash / Fluentd 全维对比，及统一日志与指标管道的 AWS ECS 落地
云计算·aws
威联通网络存储5 天前
基于TS-h3087XU-RP的大型成套空分设备DCS历史趋势数据治理
aws
A小辣椒20 天前
AWS Clould Support Engineer就职面试题
aws
亚林瓜子23 天前
AWS WAF中如何放行某个触发了托管规则的接口
aws·waf
悠悠1213825 天前
AWS DevOps Agent 体验一周后，我决定把 oncall 手机调成静音了
云计算·aws·devops
yyuuuzz25 天前
独立站运营的几个技术层面常见问题
大数据·运维·服务器·网络·数据库·aws
yyuuuzz25 天前
游戏云服务器推荐的技术选择思路
大数据·运维·服务器·游戏·云计算·aws
kernelcraft1 个月前
Boto3：Python 操作 AWS 的官方 SDK
开发语言·python·其他·aws
普通网友1 个月前
Serverless 框架：多云函数部署（AWS + 阿里云 + 腾讯云）
阿里云·serverless·aws
TG_yunshuguoji1 个月前
亚马逊云代理商：如何用 CloudWatch+Lambda 打造自动化告警系统
大数据·运维·自动化·云计算·aws
热门推荐
012026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？02GitHub 镜像站点032026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf04AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路052026 年 AI 大模型 & AI 编程工具实战全总结06AI科技热点日报 | 2026年07月01日07【AI】2026 年具身智能模型和世界模型总结082026 AI 编程工具选型横评：Cursor / Claude Code / Trae / Copilot 到底选谁（建议收藏·避坑版）09Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析102026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片