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篇文章围绕开源仓库 harness-sdk 中 Python SDKstrands-agentsv1.16.0 版本的 changelog 展开逐一拆解该版本 12 项变更背后的实现细节从 Gemini/Anthropic 错误处理、LiteLLM 系统内容块支持到 OpenTelemetry 工具定义追踪、线程上下文与中断状态共享以及 MCP 5xx 防挂起等关键修复。读完本文你将掌握该版本每个改动点的实际价值、对应源码位置与配置方式可直接用于评估升级影响与生产环境适配。版本概览与发布背景v1.16.0 是 strands-agents Python SDK 的一个常规迭代版本发布于 2025-11-12对应仓库 tagpython/v1.16.0随包发布到 PyPI 的strands-agents包。从变更清单看该版本没有引入任何破坏性变更全部条目的breaking: false以稳定性修复和内部能力增强为主主要涉及四大方向模型提供方健壮性修复 Gemini 非 JSON 错误消息解析、Anthropic “prompt is too long” 上下文溢出处理Telemetry 观测增强通过 OpenTelemetry semconv 机制按需把工具定义写入 trace并把相关 opt-in 属性调整为内部属性上下文与状态共享新增线程上下文共享、中断状态共享能力同时引入异步 hooks工具定义与模型配置改进支持Annotated参数中的字符串描述、LiteLLMModel支持SystemContentBlock、system_prompt与system_prompt_content允许 setter 赋值以及 MCP 服务端返回 5xx 时不再挂起。这些改动分散在 strands-py/src/strands 下的 models、telemetry、types、tools 等模块中下文按主题深入展开。模型提供方错误处理加固v1.16.0 的两个核心修复集中在 Gemini 与 Anthropic 两个模型提供方都属于“外部 API 返回异常形态数据时SDK 不能崩、要能兜底”的健壮性问题。处理 Gemini API 的非 JSON 错误消息pr 1062修复了 Gemini 模型在 API 返回非 JSON 错误消息时的解析问题。在 gemini.py 的流式输出与错误处理逻辑中SDK 通过genai.errors.ClientError捕获 API 错误并按error.status分支映射到 SDK 自身的异常体系except genai.errors.ClientError as error: match error.status: case RESOURCE_EXHAUSTED | UNAVAILABLE: raise ModelThrottledException(error.message or str(error)) from error case INVALID_ARGUMENT: # ... 其他状态码映射该修复的核心意义在于当 Gemini API 返回的错误消息体不是标准 JSON 结构例如纯文本错误、空消息或异常编码内容时SDK 需要安全地提取错误信息并抛出受控异常如ModelThrottledException而不是在解析错误消息时二次崩溃。从源码结构看修复点位于异常分支中对error.message的容错取值与归一化处理确保任何异常形态的错误都能转换为 SDK 统一的异常类型方便上层 Agent 捕获与重试。识别 Anthropic 的 “prompt is too long”pr 1137为 Anthropic 模型补充了上下文溢出消息识别。在 anthropic.py 中AnthropicModel类维护了一个OVERFLOW_MESSAGES集合OVERFLOW_MESSAGES { prompt is too long:, input is too long, input length exceeds context window, input and output tokens exceed your context limit, }当 Anthropic API 返回包含这些片段的错误消息时SDK 会将其识别为上下文窗口溢出Context Window Overflow而不是普通错误。这一机制与 SDK 的ContextWindowOverflowException定义于 types/exceptions.py配合使用——Agent 收到该异常后可以触发上下文压缩、会话摘要或重试策略而不是简单地把任务判定为失败。值得说明的是这类溢出消息识别并非 Anthropic 独有在 bedrock.py、llamaapi.py 与 writer.py 中同样维护了类似的溢出消息集合说明“识别上下文溢出并统一处理”是 SDK 各模型提供方的通用模式v1.16.0 只是补齐了 Anthropic 的匹配规则。LiteLLM 模型配置增强v1.16.0 在 LiteLLM 模型提供方上做了两项配置层面的增强允许SystemContentBlock作为系统提示传入以及放开system_prompt/system_prompt_content的 setter。SystemContentBlock 支持与缓存点pr 1141允许LiteLLMModel接收结构化的SystemContentBlock。在 litellm.py 的_format_system_messages中SDK 会把system_prompt_content中的文本块转换为 LiteLLM 的{type: text, text: ...}消息结构并支持块级cachePointfor block in system_prompt_content or []: if text in block: system_content.append({type: text, text: block[text]}) elif cachePoint in block and block[cachePoint][type] default: # Apply cache control to the immediately preceding content block # for LiteLLM/Anthropic compatibility if system_content: cache_control: dict[str, Any] {type: ephemeral} if ttl : block[cachePoint].get(ttl): cache_control[ttl] ttl system_content[-1][cache_control] cache_controlSystemContentBlock类型定义在 types/content.py是一个TypedDict支持text与cachePoint等字段。这意味着用户可以把“带缓存点的多段系统提示”以结构化方式传给 LiteLLM 代理并让缓存控制落到前一个内容块上与 Anthropic 的 ephemeral 缓存语义对齐。_format_system_messages最终返回单个{role: system, content: system_content}消息内容为数组而非多段 system 消息兼顾了兼容性与可读性。system_prompt setter 放开pr 1171让system_prompt与system_prompt_content这两个属性支持 setter 赋值。在此之前这两个字段一旦在模型配置中设置后就无法在运行时更新该修复允许 Agent 在运行过程中动态替换系统提示例如根据会话阶段切换指令、注入新的上下文约束而无需重新构造模型实例。这与format_request_messages接收system_prompt/system_prompt_content参数的设计见 litellm.py共同构成了“运行时系统提示可写、请求时可覆盖”的完整链路。OpenTelemetry 工具定义追踪v1.16.0 在 Telemetry 观测上的重点是pr 1113为 trace 增加工具定义tool definitions属性并通过 semconv opt-in 机制控制开关pr 1152随后把相关 opt-in 属性标记为 internal内部属性。在 telemetry/tracer.py 中trace 属性开关由OTEL_SEMCONV_STABILITY_OPT_IN环境变量控制OTEL_SEMCONV_STABILITY_OPT_INgen_ai_tool_definitionstracer 初始化时会解析该环境变量opt_in_values self._parse_semconv_opt_in() self.use_latest_genai_conventions gen_ai_latest_experimental in opt_in_values self._include_tool_definitions gen_ai_tool_definitions in opt_in_values self._use_latest_invocation_tokens gen_ai_use_latest_invocation_tokens in opt_in_values self._span_attributes_only self.is_langfuse or gen_ai_span_attributes_only in opt_in_values当_include_tool_definitions为 True 且存在工具配置时SDK 会把工具定义序列化后写入 span 属性gen_ai.agent.tools见 tracer.py 中约 771 行的逻辑。这对 LLM 可观测性平台Langfuse、OTLP collector 等尤为重要分析 trace 时可以直接看到“该次调用暴露了哪些工具”方便排查工具选择偏差、对比不同 Agent 版本的工具集差异。同版本还支持三个相关的 semconv opt-in 值gen_ai_latest_experimental启用最新的 GenAI 语义约定影响 usage token 的命名等gen_ai_use_latest_invocation_tokens启用最新调用 token 统计gen_ai_span_attributes_only把消息内容直接记录为 span 属性而非事件Langfuse 场景下默认启用。注意pr 1152将部分 opt-in 属性标记为 internal意味着这些属性名属于内部实现细节未来可能调整使用时建议仅通过环境变量配置不要在代码中硬编码依赖属性名。上下文与中断状态共享v1.16.0 引入的两项“共享”能力pr 1146share thread context、pr 1148share interrupt state以及pr 1119的异步 hooks都服务于多 Agent 协作与并发场景下的状态传播。线程上下文共享share thread context让运行在同一个线程thread内的多个 Agent 或 Agent 组件共享上下文信息。从 strands-agents 的_context_manager模块strands-py/src/strands/_context_manager的设计看SDK 本身就以“上下文管理器”为核心概念组织 Agent 运行环境该改动把上下文传播范围从单 Agent 内部扩展到线程级别使同一线程中嵌套或并行的 Agent 调用能读取到父级上下文如会话 ID、用户身份、trace 关联信息等减少重复传递。中断状态共享share interrupt state与 SDK 的 interrupt.py 机制相关。Strands 的中断interrupt用于在 Agent 执行流中插入人工确认点或暂停点如工具执行前的人工审批该改动让中断状态在相关组件之间共享确保并发路径上“有人触发了中断”这一事实对所有参与者可见避免出现某个子任务不知道父任务已中断而继续执行的情况。异步 hookspr 1119为 hooks 增加了异步支持。在 strands-py/src/strands/hooks 目录中hooks 是 Agent 生命周期如模型调用前、工具执行后的扩展点。异步 hooks 允许 hook 回调本身是async函数在事件循环中执行适合在 hook 中做 I/O 密集操作调用外部服务、写日志、上报遥测而不阻塞主 Agent 循环。对于构建生产级 Agent 流水线鉴权检查、成本记录、数据脱敏等的场景异步 hooks 是 v1.16.0 中实用的升级点。MCP 与工具定义相关修复MCP 服务端返回 5xx 时不再挂起pr 1169修复了 MCP 客户端在服务端返回 5xx 错误时可能永久挂起的问题。strands-agents 内置 MCP 工具支持见 strands-py/src/strands/tools/mcp当 MCP server 处于过载或异常状态并返回 5xx 时客户端若未及时识别错误响应会一直等待。该修复让客户端在收到 5xx 时立即抛出受控错误而非无限等待从而保护 Agent 主循环不被外部 MCP 服务的故障拖死。剥离 inputSpec 顶层描述中的参数段pr 1142对工具 schema 的inputSpec顶层描述做了清洗当工具的顶层描述中混入了参数说明段落例如 docstring 中Args:之类的内容时SDK 会将其剥离只保留真正的功能描述。这样可以避免模型在阅读工具描述时被冗余的参数说明干扰提升工具选择准确率也让下发到模型侧的 schema 更精炼。Annotated 参数支持字符串描述pr 1089让Annotated类型参数支持直接用字符串作为描述。Python 的Annotated[T, ...]允许在类型上附加元数据此前 strands-agents 要求描述以特定结构如FieldInfo提供该改动支持形如Annotated[str, 用户输入的自然语言描述]的写法SDK 会把第二个参数字符串识别为参数描述并写入工具 spec降低定义工具时的样板代码也更贴近 Python 类型标注的直觉用法。升级建议与总结从 strands-agents 的 pyproject.toml 看SDK 支持 Python 3.10 至 3.14当前版本依赖pydantic2.4.0、mcp1.23.0、opentelemetry-api1.30.0等核心库并提供anthropic、gemini、litellm、openai、bedrock等模型提供方可选依赖。升级到 v1.16.0 时建议关注以下几点无破坏性变更全部 12 项改动均为breaking: false常规升级无需修改调用代码遥测增强如需在 trace 中查看工具定义设置环境变量OTEL_SEMCONV_STABILITY_OPT_INgen_ai_tool_definitions并确保安装了otel可选依赖opentelemetry-exporter-otlp-proto-http多 Agent 场景受益线程上下文共享与中断状态共享适合 multiagent 与并发场景升级后可减少状态传递样板代码生产稳定性提升Anthropic 溢出识别、Gemini 非 JSON 错误兜底、MCP 5xx 防挂起三项修复直接提升生产环境健壮性建议尽早升级。总而言之strands-agents v1.16.0 是一次“稳中求进”的版本错误处理更健壮、可观测性更精细、多 Agent 状态共享能力更强同时通过Annotated字符串描述等小改进降低了工具定义成本。对于正在使用 strands-agents 构建生产级 Python Agent 的团队这是一个值得平滑升级的版本。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 SDK TypeScript v1.19.0 发布详解模型层新能力、Agent 可靠性修复与工具链完善Strands SDK TypeScript v1.19.0 发布详解模型层新能力、Agent 可靠性修复与工具链完善 导读 本文基于 Strands 开源仓人工智能大模型AI AgentAgent 框架多智能体工具调用MCP 服务strands-agents Python SDK v1.10.0 版本解析outputSchema 工具规范、Gemini 模型接入与 MCP 超时修复strands agents Python SDK v1.10.0 版本解析outputSchema 工具规范、Gemini 模型接入与 MCP 超时修复 s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 v0.1.8摘要式对话管理、工具调用健壮性与可观测性增强strands agents Python SDK v0.1.8摘要式对话管理、工具调用健壮性与可观测性增强 本篇文章以 strands agentshar人工智能大模型AI AgentAgent 框架多智能体工具调用MCP 服务创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
