技能介绍

要解决的问题

把 LLM 调用包装成可上线的 agent，最常见的坑是把 demo 直接搬进生产：异常被静默吞掉、模型切换要重写推理链路、工具调用没有统一边界，出问题时只能靠猜。这个技能要解决的是从原型到可维护 harness 之间的工程断层，即如何用一套与模型无关的结构，把工具、MCP、guardrails、追踪和流式输出这些横切能力一次性理顺。

技能如何工作

它基于 Strands Agents 的官方 SDK，同时提供 Python 与 TypeScript 两套实现。核心设计点在于：

与模型无关：Agent 只负责 agent loop 与工具调度，模型提供商以可替换的模块接入，切换 provider 不必重写主流程。
能力分层：工具调用、MCP 兼容工具、guardrails、追踪、流式输出各自独立配置，互不侵入业务逻辑。
引导式自愈：guardrails 在运行前拦截错误，引导处理程序（hooks）让 agent 自我纠正，而不是让任务静默失败。

关键步骤大致是：先按运行时选定 Python 或 TypeScript SDK，再配置模型提供商凭证与工具来源，接着挂上 guardrails 与追踪中间件，最后以 Agent 为入口跑通一次完整任务并验证流式输出。

适用边界与注意点

需要明确的几点：

两个 SDK 默认走 Amazon Bedrock，必须配置 AWS 凭证，并确认已开通 Claude Sonnet 的模型访问权限，否则第一个请求就会失败。
工具侧要求 MCP 兼容，现有工具若不适配需要先做一层封装。
guardrails 与 hooks 只负责减少错误，不会替代代码审查和测试，输入域复杂的场景仍需自行补充校验。
本仓库是 monorepo，包含 Python SDK、TypeScript SDK、文档站点和支持包，排查问题时要先确认自己用的是哪条 SDK 路径。