One day before AWS release Strands Agent.
https://aws.amazon.com/blogs/opensource/introducing-strands-agents-an-open-source-ai-agents-sdk/
Like OpenAI Agent SDK and Google's Agent Development Kit, you can easily create agents.
model_id property omit, Claude 3.7 Sonnet v1 use on us-west-2 (Oregon region).
module install
We use uv to manage Python module versions.
uv init
uv add strands-agents strands-agents-tools boto3
The Following code is call mcp-server-fetch MCP Server
Code Sample
from strands import Agent
from mcp import stdio_client, StdioServerParameters
from strands.tools.mcp import MCPClient
from strands.models import BedrockModel
import boto3
def main():
session = boto3.Session(
region_name='us-west-2',
)
bedrock_model = BedrockModel(
model_id="us.anthropic.claude-3-5-haiku-20241022-v1:0",
boto_session=session
)
stdio_mcp_client = MCPClient(lambda: stdio_client(
StdioServerParameters(command="uvx", args=["mcp-server-fetch"])
))
# Create an agent with MCP tools
with stdio_mcp_client:
# Get the tools from the MCP server
tools = stdio_mcp_client.list_tools_sync()
# Create an agent with these tools
agent = Agent(model=bedrock_model,tools=tools)
response = agent(" https://blog.generative-agents.co.jp/entry/2025-langchain-interrupt-day2-keynote についてまとめて")
print(response)
if __name__ == "__main__":
main()
Response
I'll fetch the content of that URL and summarize it for you.
Tool #1: fetch
申し訳ありません。記事の内容が途中で切れてしまいました。しかし、これまでの内容から、LangChain InterruptイベントのDay 2キーノートについて、主要なポイントをまとめます：
### キーノート概要：Harrison Chase氏によるLangChainの未来ビジョン
#### 1. LangChainの歴史と目的
- オープンソースプロジェクトとして始まり、AIプロトタイプ構築支援から企業へ進化
- ミッション：「インテリジェントエージェントをユビキタスにする」
#### 2. エージェント構築の核となる要素
- プロンプティング
- エンジニアリング
- プロダクトセンス・プロダクトスキル
- 機械学習（特にEvals）
#### 3. 現在のエージェントに関する3つの信念
##### a) 多様なモデルへの依存
- 異なるモデルの長所・短所を活かす
- モデル選択の自由度を提供
##### b) 信頼性の高いエージェントのためのコンテキスト制御
- LangGraphによるエージェントオーケストレーション
- ローレベルでの柔軟なエージェントフロー構築
##### c) エージェント構築はチームスポーツ
- LangSmithによる協業プラットフォーム提供
- オブザーバビリティ、評価、プロンプトエンジニアリングの統合
#### 4. 未来のエージェント像と新発表
##### a) AIオブザーバビリティの革新
- エージェント特有のインサイト提供
- ツール使用、軌跡の追跡
##### b) エージェントビルダーの民主化
- LangGraph Pre-built
- LangGraph Studio v2
- Open Agent Platform
##### c) エージェントデプロイメントの課題解決
- LangGraph Platform GAリリース
- 長時間実行、ステートフル、不安定な出力への対応
#### 5. 2025年の展望
- 多くのエージェントが実稼働を開始
- 「エージェントエンジニア」という新しい職種の確立
Harrison Chase氏は、2025年がエージェント元年となり、インテリジェントエージェントが広く普及し始める年になると力強く述べました。
申し訳ありません。記事の内容が途中で切れてしまいました。しかし、これまでの内容から、LangChain InterruptイベントのDay 2キーノートについて、主要なポイントをまとめます：
### キーノート概要：Harrison Chase氏によるLangChainの未来ビジョン
#### 1. LangChainの歴史と目的
- オープンソースプロジェクトとして始まり、AIプロトタイプ構築支援から企業へ進化
- ミッション：「インテリジェントエージェントをユビキタスにする」
#### 2. エージェント構築の核となる要素
- プロンプティング
- エンジニアリング
- プロダクトセンス・プロダクトスキル
- 機械学習（特にEvals）
#### 3. 現在のエージェントに関する3つの信念
##### a) 多様なモデルへの依存
- 異なるモデルの長所・短所を活かす
- モデル選択の自由度を提供
##### b) 信頼性の高いエージェントのためのコンテキスト制御
- LangGraphによるエージェントオーケストレーション
- ローレベルでの柔軟なエージェントフロー構築
##### c) エージェント構築はチームスポーツ
- LangSmithによる協業プラットフォーム提供
- オブザーバビリティ、評価、プロンプトエンジニアリングの統合
#### 4. 未来のエージェント像と新発表
##### a) AIオブザーバビリティの革新
- エージェント特有のインサイト提供
- ツール使用、軌跡の追跡
##### b) エージェントビルダーの民主化
- LangGraph Pre-built
- LangGraph Studio v2
- Open Agent Platform
##### c) エージェントデプロイメントの課題解決
- LangGraph Platform GAリリース
- 長時間実行、ステートフル、不安定な出力への対応
#### 5. 2025年の展望
- 多くのエージェントが実稼働を開始
- 「エージェントエンジニア」という新しい職種の確立
Harrison Chase氏は、2025年がエージェント元年となり、インテリジェントエージェントが広く普及し始める年になると力強く述べました。
It seems that only Claude 3.5 Sonnet v2 does not read the tool.Not 100% reproducible
The follwing response by using Cluade 3.5 Sonnet v2.
このURLが存在していないため、そのブログ投稿にアクセスすることはできません。URLのドメイン "generative-agents.co.jp" は架空のものに見え、また2025年の日付を含んでいることから、このURLは実際には存在しないものと思われます。
実在するブログ記事やウェブサイトについてまとめてほしい場合は、有効なURLを共有していただければと思います。アクセス可能な記事であれば、その内容を要約してお伝えすることができます。このURLが存在していないため、そのブログ投稿にアクセスすることはできません。URLのドメイン "generative-agents.co.jp" は架空のものに見え、また2025年の日付を含んでいることから、このURLは実際には存在しないものと思われます。
実在するブログ記事やウェブサイトについてまとめてほしい場合は、有効なURLを共有していただければと思います。アクセス可能な記事であれば、その内容を要約してお伝えすることができます。
Strands Agent use Gemini Model and so on by using LiteLLMModel.
Top comments (0)