使用 Strands Agents 构建多智能体研究团队

今天我要构建一个多智能体研究团队，检索近期新闻并生成商业报告。我将使用 AWS 推出的开源框架 Strands Agents，它支持不同的模型供应商和工具，包括 MCP。AWS 赞助了这期视频。框架代码可免费使用，但模型调用和云服务仍可能收费。

我从 Strands GitHub 仓库开始，在 Cursor 中打开一个空项目。项目包含保存 Python 依赖的 requirements.txt、存放配置的 .env 文件，以及 strands_demo.py。我先运行一个基础示例，再构建更复杂的多智能体应用。

入门示例导入 Agent 和计算器工具，用该工具创建智能体，询问 1764 的平方根并打印结果。Strands 还提供其他工具，开发者也可以编写自己的 Python 函数或连接受支持的 MCP 服务器。具体软件包和接口应以安装版本为准。

没有凭据时运行初始示例会报错。在展示的配置中，Strands 默认使用 Amazon Bedrock 模型，因此我演示如何在 AWS IAM 中授予 Bedrock 权限并创建凭据。也可以配置其他模型供应商；访问权限和模型可用性取决于账号、地区和供应商。

视频将 IAM 访问密钥放入 .env 文件，然后重新运行脚本。AWS 建议尽可能使用临时凭据并遵循最小权限原则；密钥不应纳入源代码管理。配置后的计算器示例返回 1764 的平方根为 42。

为了选择其他 Bedrock 模型，我在 AWS 控制台查找模型 ID。我还演示如何配置 OpenAI 模型并传给智能体，当时使用的例子是 GPT-3.5 Turbo。控制台菜单、模型可用性和供应商集成细节可能变化，复现时应查阅当前文档。

接下来，我使用 @tool 装饰器创建自定义 Python 工具。函数的文档字符串向智能体描述用途；例如，add_numbers 工具接收两个数并返回它们的和。我用 5 和 3 运行时，工具返回 8。

我用一个数学智能体和一个文本智能体扩展示例。前者可以加法和乘法，后者统计字符和单词。演示先将 15 与 25 相加，再数出“AWS Strands is powerful”中的 4 个单词，然后把结果传回数学智能体乘以 2，得到 8。

更大的项目通过协调专业智能体生成商业情报报告。我设计了负责新闻的内容智能体、社交媒体分析师、研究分析师、战略和情绪专家、建议智能体以及管理层综合智能体。社交媒体智能体模拟对话，而不收集真实社交帖子。

我创建另一个包含依赖和配置的项目，然后定义自定义工具 get_ai_headlines。其文档字符串描述参数及返回的以竖线分隔的标题。画面中的代码请求 TechCrunch 的 AI RSS 源、检查响应并处理错误；这个工具获取的是标题，而不是经过验证的独立研究资料。

社交媒体专家收到一条系统提示，要求它模拟在线分析，包括示例帖子和情绪。我接着通过角色、提示和工具描述研究及其他专业智能体。合成帖子、百分比和互动数字都是模型生成的示例，并非对真实对话的测量。

我介绍了将智能体作为工具的方法，即一个智能体可以委派任务给专业智能体，并指出 Strands 还提供其他编排模式。项目设置了交互输入：用户询问 OpenAI 等主题，新闻工具获取标题，智能体生成摘要。演示展示的是工作流，并不能证明生成的每项主张都正确。

自定义工具很有用，因为开发者可以将程序函数封装起来供智能体调用。我没有逐行解释每个智能体，因为这个较大示例建立在前面介绍的工具和提示模式之上。我表示会提供代码，方便观众检查和定制项目。

演示使用多个 Bedrock 模型，包括 Amazon Nova Pro、Nova Lite 和 Claude Sonnet 4。我们添加了代码来选择模型；我强调，展示的动态选择是我们自己的应用逻辑，并非 Strands 自动提供的功能。开发者可以描述模型的优势，并围绕任务设计路由流程。

在主文件中，我们导入工具、加载配置，再按预定顺序运行专业智能体，最后由专家生成报告。我选择一个模型并输入“Stargate and current US AI funding”。展示的界面区分实时 AI 新闻分析与自定义主题分析，因此可用输入取决于选择的路径。

演示依次展示主题处理、社交媒体模拟、研究、战略分析、情绪分析、建议和最终管理层综合，生成了一份两页报告。虽然屏幕显示了资金增长 20% 和社交情绪百分比等数字，视频并未验证这些数字，也未证明模拟社交分析代表真实观察。

我说智能体拥有共享记忆，可以使用先前上下文。记忆和状态共享取决于编排模式及配置；这次演示并不能证明所有未来对话都会自动拥有持久记忆。在依据生成报告作决定前，应对照可识别的来源核查。

我把图比作流程图，智能体步骤之间通过依赖关系连接，并将它与更具探索性的群组模式作对比。这是一种简化说明：当前 Strands 文档将 Swarm 描述为带共享上下文的自主交接，而非必然同时并行执行。图的行为、分支和并行性取决于 SDK 与图配置。

编排方式可以根据任务调整，无须永远固定一种。结尾我强调框架代码开源、支持不同模型并能与其他工具集成，同时感谢 AWS 赞助本教程。读者复现 2025 年的配置前，应查阅当前 SDK 文档和服务定价。