告别单兵作战！这个Python语言驱动的AI智能体集群框架火了，30+工具一键调用！

AI代理开发正成为自动化复杂任务的关键，而繁琐的配置和高门槛常令人望而却步。

所幸有团队研发并开源了一款Python语言驱动的 AI Agents 开发框架：Strands Agents Tools，无缝帮助我们集成各种强大的功能。

提供30+预构建工具，支持文件操作、系统命令、HTTP请求、Python执行等功能，仅需几行代码即可构建强大的智能助手。

结合模型驱动的代理循环，支持从简单助手到多代理协作的复杂场景。

内置工具能力速览

• • 30+ 高能工具集：涵盖文件系统、Shell 命令、HTTP、Python 执行等多种能力模块。
• • 一行调用，开箱即用：工具封装为函数，轻松集成到任意 Agent 框架中。
• • HTTP 客户端：发送 GET/POST 请求，支持自定义 headers、payload。
• • Python 执行器：运行 Python 代码，带环境上下文保存、状态持久化。
• • AWS 工具：与 S3、Lambda 等服务集成，轻松对接外部API。
• • 多工具协作：支持任务拆分、工具组合、批量并行执行。
• • 任务调度：提供任务生命周期管理器，便于构建复杂工作流。
• • 内存管理：Agent 可拥有短期记忆、环境变量、上下文参数。

快速入手

最快的安装方式，即通过 pip 命令行安装（前提有Python环境）

pip install strands-agents-tools

如果要可选安装依赖项

pip install strands-agents-tools[mem0_memory, use_browser]

同时支持开发者源码安装

# Clone the repository
git clone https://github.com/strands-agents/tools.git
cd tools

# Create and activate virtual environment
python3 -m venv .venv
source .venv/bin/activate  # On Windows: venv\Scripts\activate

# Install in development mode
pip install -e ".[dev]"

# Install pre-commit hooks
pre-commit install

使用示例（真的只需几行代码）

示例①：文件操作

from strands import Agent
from strands_tools import file_read, file_write, editor

agent = Agent(tools=[file_read, file_write, editor])

agent.tool.file_read(path="config.json")
agent.tool.file_write(path="output.txt", content="Hello, world!")
agent.tool.editor(command="view", path="script.py")

示例②：执行Shell命令

from strands import Agent
from strands_tools import shell

agent = Agent(tools=[shell])

# Execute a single command
result = agent.tool.shell(command="ls -la")

# Execute a sequence of commands
results = agent.tool.shell(command=["mkdir -p test_dir", "cd test_dir", "touch test.txt"])

# Execute commands with error handling
agent.tool.shell(command="risky-command", ignore_errors=True)

示例③：执行HTTP请求

from strands import Agent
from strands_tools import http_request

agent = Agent(tools=[http_request])

# Make a simple GET request
response = agent.tool.http_request(
    method="GET",
    url="https://api.example.com/data"
)

# POST request with authentication
response = agent.tool.http_request(
    method="POST",
    url="https://api.example.com/resource",
    headers={"Content-Type": "application/json"},
    body=json.dumps({"key": "value"}),
    auth_type="Bearer",
    auth_token="your_token_here"
)

示例④：Python代码执行

from strands import Agent
from strands_tools import python_repl

agent = Agent(tools=[python_repl])

# Execute Python code with state persistence
result = agent.tool.python_repl(code="""
import pandas as pd

# Load and process data
data = pd.read_csv('data.csv')
processed = data.groupby('category').mean()

processed.head()
""")

示例⑤：群体智能

from strands import Agent
from strands_tools import swarm

agent = Agent(tools=[swarm])

# Create a collaborative swarm of agents to tackle a complex problem
result = agent.tool.swarm(
    task="Generate creative solutions for reducing plastic waste in urban areas",
    swarm_size=5,
    coordination_pattern="collaborative"
)

# Create a competitive swarm for diverse solution generation
result = agent.tool.swarm(
    task="Design an innovative product for smart home automation",
    swarm_size=3,
    coordination_pattern="competitive"
)

# Hybrid approach combining collaboration and competition
result = agent.tool.swarm(
    task="Develop marketing strategies for a new sustainable fashion brand",
    swarm_size=4,
    coordination_pattern="hybrid"
)

示例⑥：使用浏览器

from strands import Agent
from strands_tools import use_browser

agent = Agent(tools=[use_browser])

# Simple navigation
result = agent.tool.use_browser(action="navigate", url="https://example.com")

# Sequential actions for form filling
result = agent.tool.use_browser(actions=[
    {"action": "navigate", "args": {"url": "https://example.com/login"}},
    {"action": "type", "args": {"selector": "#username", "text": "user@example.com"}},
    {"action": "click", "args": {"selector": "#submit"}}
])

# Web scraping with content extraction
result = agent.tool.use_browser(actions=[
    {"action": "navigate", "args": {"url": "https://example.com/data"}},
    {"action": "get_text", "args": {"selector": ".content"}},
    {"action": "click", "args": {"selector": ".next-page"}},
    {"action": "get_html", "args": {"selector": "main"}}
])

还有更多有趣、功能丰富的调用方式，可参考官方文档指南来应用到你实际的业务场景中。

文档指南：https://strandsagents.com/latest/

适用场景

• • 企业自动化：S3/EC2管理，批量API调用，效率提升10倍。
• • 开发助手：Python执行代码，生成/调试脚本。
• • 自动化运维助手：让你的 LLM Agent 具备真实操作系统能力。
• • 多工具协作工作流：构建以工具为核心的 AI 多智能体自动化系统。
• • API 流程测试器：快速构建网络请求测试与数据校验流程。

写在最后

Strands Agents Tools 是一个轻量化的开源工具集，用于加速 AI Agent 的构建与部署。

它提供了涵盖系统操作、网络交互、Python 执行、任务编排等多个方向的原子级能力，你只需几行代码就能完成复杂操作。

在多智能体框架愈加成熟的今天，具备强执行力的 Agent 工具集才是生产力核心。Strands Agents Tools 不仅降低了开发门槛，还为复杂任务调度和系统调用提供了完整解决方案。

一行代码调用功能，内置 30+ 实用工具，轻松构建自定义 AI 助手、Agent 自动化系统或 AI 运维平台。

如果你正在开发 AI Agent，或是深度的Python开发者，务必收藏 & 尝试这款宝藏项目！

GitHub 项目地址：https://github.com/strands-agents/tools