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]

Install Server
A
security – no known vulnerabilities
A
license - permissive license
A
quality - confirmed to work

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

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