Skip to main content
Glama

Strands Agent MCP

Ein Model Context Protocol (MCP)-Server zur Ausführung von Strands-Agenten. Dieses Projekt bietet eine einfache Möglichkeit, Strands-Agenten in Amazon Q und andere MCP-kompatible Systeme zu integrieren.

Überblick

Strands Agent MCP ist eine Brücke zwischen dem Strands-Agenten-Framework und dem Model Context Protocol (MCP). Es ermöglicht Ihnen:

  • Strands-Agenten als MCP-Tools registrieren

  • Ausführen von Strands-Agenten über MCP

  • Entdecken und auflisten verfügbarer Agenten

Das Projekt verwendet eine Plugin-Architektur, die das Hinzufügen neuer Agenten erleichtert, ohne den Kerncode zu ändern.

Related MCP server: Elasticsearch MCP Server

Installation

pip install strands-agent-mcp

Verwendung

Starten des MCP-Servers

strands-agent-mcp

Dadurch wird der MCP-Server auf dem Standardport gestartet.

Erstellen von Agent-Plugins

Um ein neues Agent-Plugin zu erstellen, erstellen Sie ein Python-Paket mit einem Namen, der mit sap_mcp_plugin_ beginnt (sap steht für Strands Agent Plugin). Ihr Paket sollte eine register_plugin Funktion implementieren, die einen oder mehrere Agenten in der bereitgestellten Registrierung registriert:

from strands import Agent from strands.models import BedrockModel from strands_agent_mcp.registry import Registry def register_plugin(registry: Registry) -> None: registry.register("my-agent", Agent( model=BedrockModel(boto_session=Session(region_name="us-west-2"))) )

Verwendung mit Amazon Q

Sobald der MCP-Server läuft, können Sie die Agenten mit Amazon Q verwenden:

q chat --mcp-server http://localhost:8000

Anschließend können Sie in Ihrem Chat folgende Befehle verwenden:

  • Liste der verfügbaren Agenten: strands___list_agents

  • Führen Sie einen Agenten aus: strands___execute_agent mit den Parametern agent (Agentenname) und prompt (die Eingabeaufforderung, die an den Agenten gesendet werden soll)

Architektur

Das Projekt besteht aus drei Hauptkomponenten:

  1. Server : Der MCP-Server, der die Agentenausführungs-API bereitstellt

  2. Registrierung : Eine einfache Registrierung zur Verwaltung verfügbarer Agenten

  3. Plugins : Dynamisch erkannte Module, die Agenten bei der Registrierung registrieren

Der Server erkennt automatisch alle installierten Plugins, die der Namenskonvention folgen, und registriert ihre Agenten.

Abhängigkeiten

  • fastmcp : Zur Implementierung des MCP-Servers

  • strands-agents : Das Kern-Agenten-Framework von Strands

  • strands-agents-builder : Tools zum Erstellen von Strands-Agenten

  • strands-agents-tools : Zusätzliche Tools für Strands-Agenten

Entwicklung

So richten Sie eine Entwicklungsumgebung ein:

  1. Klonen Sie das Repository

  2. Erstellen Sie eine virtuelle Umgebung: python -m venv .venv

  3. Aktivieren Sie die virtuelle Umgebung: source .venv/bin/activate (Linux/Mac) oder .venv\Scripts\activate (Windows)

  4. Installieren Sie Entwicklungsabhängigkeiten: pip install -e ".[dev]"

Erstellen eines Test-Plugins

Das Repository enthält ein Beispiel-Plugin ( sap_mcp_plugin_test ), das zeigt, wie ein einfacher Agent namens „simple-agent“ erstellt und registriert wird:

from boto3 import Session from strands import Agent from strands.models import BedrockModel from strands_agent_mcp.registry import Registry def register_plugin(registry: Registry) -> None: registry.register("simple-agent", Agent( model=BedrockModel(boto_session=Session(region_name="us-west-2"))) )

Lizenz

[Lizenzinformationen hier hinzufügen]

One-click Deploy
A
security – no known vulnerabilities
A
license - permissive license
A
quality - confirmed to work

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/imgaray/strands-agents-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server