人工智能大模型AI AgentAgent 框架多智能体工具调用MCP 服务【免费下载链接】harness-sdkBuild an agent harness and control it end-to-end. Open-source SDK for production AI agents in Python TypeScript - any model, any cloud.项目地址https://gitcode.com/GitHub_Trending/sdkpython13/harness-sdk点击查看免费下载本文基于 site/src/content/changelog/sdk/python-v1.56.0.md 变更记录结合仓库源码strands-py/对 v1.56.02026-09-15 发布的核心更新逐一展开涵盖 shell 工具新增exit_code与超时部分输出、基于 SQLite FTS5 的 BM25 全文检索策略、Bedrock Mantle 模型路由修复、OpenAI prompt-cache 自动会话路由以及双向流式bidi体系的钩子与转录事件升级。读完本文你将了解这些新能力的调用方式、底层实现原理与适用的实战场景。版本总览v1.56.0 是 strands-agentsPython SDK发布包名strands-agents的一个全量非破坏性breaking: false版本共包含 24 条变更覆盖工具vended-tools、模型路由models、双向流式bidirectional-streaming、存储检索storage、上下文管理context-py、沙箱sandbox、MCPmcp-py等多个模块。变更类型以feat与fix为主辅以少量refactor、test与docs。整体来看本版本有四个鲜明主题工具结果结构化shell 工具向模型返回exit_code超时错误中携带部分输出检索能力补全存储层新增 BM25 全文检索策略模型路由与成本优化修复 Bedrock Mantle 的openai.gpt-6-*路由并让 OpenAI prompt-cache 自动从 session id 派生缓存键双向流式bidi体系收敛与Agent/Model对齐钩子与引用语义新增响应完成钩子与转录完成事件。下文按主题分组深入解析。Shell 工具exit_code字段与超时部分输出变更内容v1.56.0 的两条变更直接作用于 shell 工具featvended-tools在 shell 工具结果中引入exit_codePR 4269featsandboxshell 超时错误中包含部分输出PR 4325。源码实现在 strands-py/src/strands/vended_tools/shell/types.py 中ShellOutput是一个TypedDict定义了三个字段class ShellOutput(TypedDict): output: str # 捕获的标准输出 error: str # 捕获的标准错误无错误时为空 exit_code: int # 命令退出码非零表示命令失败shell.py 中的make_shell()工厂返回一个无状态、经由沙箱路由的 shell 工具。每次调用都在全新 shell 中执行环境变量与工作目录等状态不会跨调用保留因此命令不应依赖 shell 特定语法Docker 与本地环境使用shSSH 远端使用登录 shell。成功路径下工具返回return {output: result.stdout, error: result.stderr, exit_code: result.exit_code}超时场景的特别处理超时时默认timeout120秒工具捕获SandboxTimeoutError构造一个携带部分输出的ShellOutput并把 JSON 序列化结果拼进异常消息partial: ShellOutput {output: e.stdout, error: e.stderr, exit_code: 124} e.args (f{e}\n{json.dumps(partial)},) raise这里有两个值得注意的设计exit_code: 124与 GNUtimeout命令语义一致模型可以据此把“命令被杀”与“命令本身失败非零退出码”区分开由于模型最终只能看到str(e)部分输出被以 JSON 形式嵌入异常文本不会丢失命令在超时前已经产生的 stdout/stderr对排障与重试决策非常重要。此外 types.py 还定义了ShellExecutionError它继承自RuntimeError——既保留了现有except RuntimeError处理器的兼容性又为调用方提供了可分支的专用异常类型该异常与 TypeScript 侧strands-ts/src/vended-tools/shell/types.ts中的同名类型互为镜像。实战要点工具描述SANDBOX_SHELL_DESCRIPTION已明确告知模型非零exit_code意味着命令失败模型应据此决定是否重试或改用其他策略若需自定义 shell 工具如绑定特定沙箱、改名、改描述可直接调用make_shell(sandbox..., name..., description...)超时场景不再“黑盒”模型可读到被杀前已产生的输出Agent 的排障能力显著增强。存储检索新增 BM25 全文检索策略变更内容featstorage新增 bm25 搜索策略PR 4079。设计思路与源码实现BM25 是经典的信息检索排序算法综合考虑词频TF、逆文档频率IDF与文档长度归一化。strands-py 的实现位于 strands-py/src/strands/storage/search/bm25.py其关键设计是以 SQLite FTS5 作为倒排索引载体零外部依赖——仅使用 Python 标准库sqlite3现代平台均自带 FTS5 支持写入时建索引消费者在每次写入存储时调用strategy.index(storage, key, data)搜索时直接查询预建索引无需重读存储内容不自动回填只有经过index()写入过的条目可被检索存量内容不会自动补索引索引文件落盘通过存储实例的base_dir定位 SQLite 数据库文件默认路径为存储目录旁的.__strands_{basename}-fts5.sqlite策略标记requires_host_fs True不感知沙箱隔离。查询构建与评分bm25.py 的_build_query()会把自然语言查询分词后过滤掉停用词内置约 150 个英文停用词表与单字符 token为每个词追加前缀通配符再用隐式 AND 组合——即所有词都必须以前缀形式出现再按 BM25 打分排序terms sorted(term for term in tokenize(query) if len(term) 1 and term not in STOP_WORDS) return .join(f{term}* for term in terms)写入时通过hashlib.md5对内容做哈希内容未变化则跳过重复索引隐藏文件key 末段以.开头也会被跳过。评分结果在_query()中被归一化到 (0, 1) 区间score raw_score / (1.0 raw_score)返回StorageSearchResult(keykey, scorescore)列表。使用示例from strands.storage import LocalFileStorage from strands.storage.search.bm25 import Bm25SearchStrategy storage LocalFileStorage(./memory/) strategy Bm25SearchStrategy() await strategy.index(storage, auth.md, bOAuth2 authentication flow) results await strategy.search(storage, authentication flow) await strategy.close()适用场景BM25 策略适合在本地文件存储LocalFileStorage之上构建低成本、可持久化的全文检索——例如 Agent 的长期记忆、文档库的语义近似关键词检索。其价值在于把检索能力内聚到存储层无需引入 Elasticsearch 等外部服务。若 SQLite 构建缺少 FTS5search()会抛出RuntimeError(SQLite build lacks FTS5 support)实现中已做显式检测。模型路由Bedrock Mantleopenai.gpt-6-*修复变更内容fixmodels将 Bedrock Mantle 的openai.gpt-6-*模型路由到/openai/v1PR 4267。背景与源码实现Amazon Bedrock 的 OpenAI 兼容端点分为两个家族bedrock-mantle默认与bedrock-runtime后者固定从/openai/v1提供所有 OpenAI 兼容 API并支持跨区域推理 profile id。在 strands-py/src/strands/models/_openai_bedrock.py 中Mantle 的 base path 是按模型线model line划分的——这是 Mantle API 不对外暴露的每模型属性错误路径会以 HTTP 400 失败_OPENAI_PATH_MODEL_PREFIXES: tuple[str, ...] ( openai.gpt-5., openai.gpt-6-, # v1.56.0 新增 xai.grok-4., google.gemma-4-, )_resolve_mantle_base_path(model_id)匹配上述前缀时返回/openai/v1否则回退/v1。源码注释强调前缀必须精确作用到单个模型线绝不可扩大到厂商级——同一厂商的不同模型线可能分属两个 base pathgoogle.gemma-4-*在/openai/v1而google.gemma-3-*在/v1。集成测试test_mantle_routing会拦截任何路由错误的模型 id。从 strands-py/src/strands/models/_defaults.py 可以看到 v1.56.0 已为gpt-6-astra配置了 1,050,000 token 的默认上下文窗口说明该模型线已纳入默认模型配置体系。配置方式BedrockMantleConfig支持以下字段endpointbedrock-mantle或bedrock-runtime仅后者接受us.openai.*、global.openai.*等跨区域推理 profile、region未提供时按 boto3 标准链解析、boto_session、credentials_provider与expirybearer token 生命周期默认取生成器内建值。SDK 通过aws_bedrock_token_generator.provide_token按需铸造 token保证长时间运行的 Agent 能跨越 bearer token 的最大生命周期。成本优化OpenAI prompt-cache 自动使用 session id变更内容featmodels/sessions自动使用 session id 作为 OpenAI prompt-cache 键PR 4083。源码实现在 strands-py/src/strands/models/_openai_cache.py 中_resolve_cache_key(cache_config, agent_metadata)定义了 prompt-cache 路由键的解析优先级if cache_config.cache_key is False: return None # 显式退出缓存 if cache_config.cache_key is not None: return cache_config.cache_key # 显式配置优先 # 否则回退到 strands-session_id即显式配置的cache_key字符串优先cache_keyFalse是显式退出两者都未设置时自动派生strands-session_id作为prompt_cache_key。该逻辑同时被 openai.py、mistral.py 等 OpenAI 兼容 provider 复用。CacheConfig定义于 strands-py/src/strands/models/model.py只暴露cache_key与ttl两个旋钮cache_key是 providerOpenAI、LiteLLM、Mistral用于 prompt-cache 路由的稳定标识ttl仅在它恰好命中了 OpenAI 合法保留字面量时才透传到请求prompt_cache_retention只接受特定枚举值且该参数在 openai 2.54.0 中已弃用迁移方向为prompt_cache_options.ttl。实战价值对于同一 session 内反复调用模型的 Agent 而言自动从 session id 派生缓存键意味着无需任何配置即可享受 prompt-cache 命中显著降低长会话的 token 成本与首字节延迟若缓存命中带来的行为不符合预期开发者可用cache_keyFalse一键退出。双向流式bidi钩子共享、转录完成事件与语义对齐v1.56.0 是 bidi 体系strands-py/src/strands/experimental/bidi/收敛最多的一次发布共 8 条相关变更核心方向是让双向流式能力与常规Agent/Model体系对齐变更说明featPR 4255对齐模型配置与参数覆盖parameter overridesfeatPR 4280共享生命周期钩子lifecycle hooks并新增响应完成钩子response completion hooksfeatPR 4230新增转录完成事件transcript completion eventsfixPR 4253关闭时清理 CRT 流CRT streamsrefactorPR 4286对齐Agent/Model的引用语义reference semanticsfeatPR 4287实时转录渲染与音频输出live transcripts with audio outputrefactorPR 4297重命名模型配置校验器refactorPR 4303细化模型音频配置其中转录完成事件在 strands-py/src/strands/experimental/bidi/agent/loop.py 有直接印证——事件循环已处理“完成之后到达的转录不会重新打开当前轮次”的边界情形而响应完成钩子与生命周期钩子的共享意味着 bidi 场景可以复用与普通 Agent 相同的观测与干预点。加上 PR 4257 将仓库级会话方法通过LocalAgent共享bidi 会话管理也向标准 Agent 会话看齐。这些改动共同降低了双向语音/流式场景的开发门槛。上下文管理context-py会话集成与策略预设变更内容featcontext-py新增会话管理器集成PR 4254featcontext-py移植策略预设strategy presets与 agent 重连agent rewirePR 4282。解读context-py 模块strands-py/src/strands/experimental/下的上下文管理实现在本版本中把上下文策略与会话管理器打通会话管理器集成让上下文状态可以随会话持久化与恢复策略预设则提供开箱即用的上下文管理策略组合“agent rewire”允许在运行期调整 Agent 的上下文接线方式。这两条变更标志着上下文管理从“单一策略”走向“可预设、可接线、可会话化”的工程化形态适合构建具备长对话记忆与上下文压缩能力的生产 Agent。其他值得关注的修复与增强结构化输出按工具名强制重试PR 4263Python 侧修复了结构化输出重试策略——按工具名tool name强制重试避免因工具识别偏差导致结构化校验反复失败或错误重试提升 JSON Schema 约束下 Agent 工具调用的稳定性。AgentResult.to_dict对 bytes 的 JSON 序列化PR 4313修复了AgentResult.to_dict()在结果包含bytes数据时无法 JSON 序列化的问题strands-py/src/strands/agent/ 相关实现使 Agent 最终结果可以直接进入 JSON 序列化管线如落库、传输、遥测。后台任务结果经注册的管理工具投递PR 4347修复异步/后台任务场景后台结果现在通过已注册的管理工具management tool投递而不是绕过工具注册表保证了工具调用的完整性与权限模型一致。Mistral保留请求中的 image blocksPR 4200修复 Mistral provider 在多模态请求中丢失图片块的问题见 strands-py/src/strands/models/mistral.py确保视觉输入在请求转发时被完整保留。TypeScript 侧web_fetch 工具落地PR 4153本版本为 TypeScript SDK 新增web_fetch工具对应仓库 harness-ts/src/tools/web-fetch.ts 与strands-ts的 vended-tools补齐了 TS 侧网页抓取能力使 Python 与 TypeScript 两套 SDK 的工具集进一步对齐。其他修复skills-pyPR 4192避免 YAML 解析错误泄漏且不再丢弃合法的 skills 配置mcp-pyPR 4131在 MCP 2.x 版本上固定原生 OTel trace 连续性test 类型变更Anthropic-directPR 3568为 Anthropic 直连的服务端工具web search提供非覆盖式non-clobbering接缝避免与本地工具定义冲突docsPR 4148新增 AI 使用反思博客。升级建议v1.56.0 全部变更为非破坏性Python 用户可直接升级strands-agents至 1.56.0。升级后可重点验证shell 工具新契约确认下游解析逻辑兼容新增的exit_code字段与超时部分输出JSON 文本内嵌在异常消息中BM25 检索为存储接入Bm25SearchStrategy时注意先写入索引再搜索存量数据不会被自动回填Bedrock 路由若使用 Mantle 端点运行openai.gpt-6-*模型确认请求路径已自动切换至/openai/v1prompt-cache默认 session 派生键已生效可在遥测中观察缓存命中率变化。总结strands-agents Python SDK v1.56.0 是一次“工具结果更结构化、检索能力更完整、模型路由更精确、双向流式更成熟”的版本迭代shell 工具的exit_code与超时部分输出让 Agent 对命令执行结果的理解从“字符串”升级为“结构化事实”BM25 策略让本地存储获得零依赖的全文检索Bedrock Mantle 的按模型线路由修复与 OpenAI prompt-cache 的会话自动路由分别提升了兼容性与成本效益而 bidi 体系与标准Agent/Model的语义对齐则为语音与实时流式场景铺平了道路。建议结合上述源码路径深入阅读对应实现将新能力快速落地到生产 Agent 中。赞分享人工智能大模型AI AgentAgent 框架多智能体工具调用MCP 服务【免费下载链接】harness-sdkBuild an agent harness and control it end-to-end. Open-source SDK for production AI agents in Python TypeScript - any model, any cloud.项目地址https://gitcode.com/GitHub_Trending/sdkpython13/harness-sdk点击查看免费下载相关推荐Strands Agents Python SDK v1.55.0 技术解读MCP 2.x 兼容、双向流式会话自愈与 Prompt 缓存体系升级Strands Agents Python SDK v1.55.0 技术解读MCP 2.x 兼容、双向流式会话自愈与 Prompt 缓存体系升级 本文基于仓库人工智能大模型AI AgentAgent 框架多智能体工具调用MCP 服务strands-agents Python SDK v0.1.1 版本解读Bedrock 请求标识、LlamaAPI 文档与发布流程strands agents Python SDK v0.1.1 版本解读Bedrock 请求标识、LlamaAPI 文档与发布流程 本文基于仓库内 chan人工智能大模型AI AgentAgent 框架多智能体工具调用MCP 服务strands-ts TypeScript SDK v1.18.0 版本解析shell 工具 exit_code、OpenAI 提示词缓存自动路由与 BM25 检索上线strands ts TypeScript SDK v1.18.0 版本解析shell 工具 exit_code、OpenAI 提示词缓存自动路由与 BM25人工智能大模型AI AgentAgent 框架多智能体工具调用MCP 服务上一篇霞鹜文楷创新开源中文字体实现多语言排版新标准下一篇3步掌握Real-ESRGAN-ncnn-vulkan从安装到生产级部署的完整指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考