Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).
Strands Agents
Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).
Strands Agents ist ein Python-Framework für KI-Agenten von Amazon Web Services (AWS). Es setzt darauf, dass das Sprachmodell selbst plant: Ein Agent besteht nur aus Modell, Systemanweisung und Werkzeugen, den Ablauf aus Nachdenken, Werkzeugaufrufen und Antworten steuert das Modell. Ein Agent wird wie eine Funktion aufgerufen und zeigt seine Antwort beim Entstehen im Terminal an.
Vorbemerkungen
- Nicht nur für AWS: Ohne Angabe verwendet Strands die Modelle von Amazon Bedrock. Es bringt aber Anbindungen für Anthropic, OpenAI, Gemini, Mistral, LiteLLM und Ollama mit. Diese Anleitung verwendet ein lokales Modell über Ollama. Es fallen also keine Kosten an und keine Daten verlassen den Rechner.
- Voraussetzung: Ein laufendes Ollama mit dem Modell
qwen3:4b-instruct. Es kann Werkzeuge aufrufen. - Installation über pip: Strands ist nicht in den Ubuntu-Paketquellen enthalten. Es wird mit
pipin eine virtuelle Umgebung installiert, samt der Ollama-Anbindung rund 115 MB. Die AWS-Bibliothekboto3kommt dabei immer mit, auch wenn man AWS nicht nutzt. - Version: Getestet mit strands-agents 1.57.1 und der Python-Bibliothek ollama 0.6 unter Python 3.14 aus Ubuntu 26.04.
Installation
1. Paketlisten aktualisieren
Damit apt die aktuellen Versionen kennt.
sudo apt update
2. Unterstützung für virtuelle Umgebungen installieren
Ist das Paket schon vorhanden, meldet apt das nur.
sudo apt install python3-venv
3. Projektordner anlegen
mkdir ~/agent-strands
4. In den Projektordner wechseln
Alle weiteren Befehle werden hier ausgeführt.
cd ~/agent-strands
5. Virtuelle Umgebung anlegen
Legt eine eigene Python-Umgebung für dieses Projekt im Unterordner .venv an. Ubuntu verhindert absichtlich, dass pip Pakete systemweit installiert.
python3 -m venv .venv
6. Virtuelle Umgebung aktivieren
Danach verwenden python und pip die Umgebung. Die Eingabezeile beginnt mit (.venv). In jedem neuen Terminal muss die Umgebung erneut aktiviert werden.
source .venv/bin/activate
7. Strands mit Ollama-Anbindung installieren
[ollama] installiert zusätzlich die Bibliothek, mit der Strands Ollama anspricht. Die Anführungszeichen verhindern, dass die Shell die eckigen Klammern auswertet.
pip install "strands-agents[ollama]"
Prüfen: Die Ausgabe nennt Version: 1.57.1 oder eine neuere Version.
pip show strands-agents
Beispiel 1: Ein Agent mit Werkzeug
8. Programm anlegen
nano agent.py
Füge diesen Inhalt ein (Strg+Umschalt+V):
from strands import Agent, tool
from strands.models.ollama import OllamaModel
HAUPTSTAEDTE = {
"schleswig-holstein": "Kiel",
"hamburg": "Hamburg",
"niedersachsen": "Hannover",
"bayern": "München",
}
@tool
def landeshauptstadt(bundesland: str) -> str:
"""Liefert die Landeshauptstadt eines deutschen Bundeslands.
Args:
bundesland: Name des Bundeslands, z. B. Bayern.
"""
return HAUPTSTAEDTE.get(bundesland.lower(), "unbekannt")
# Lokales Modell über Ollama statt Amazon Bedrock
modell = OllamaModel(host="http://localhost:11434", model_id="qwen3:4b-instruct")
agent = Agent(
model=modell,
system_prompt="Du beantwortest Fragen zu deutschen Bundesländern kurz auf Deutsch. "
"Nutze für Landeshauptstädte immer das Werkzeug landeshauptstadt.",
tools=[landeshauptstadt],
)
agent("Was ist die Hauptstadt von Schleswig-Holstein und von Bayern?")
- Werkzeug:
@toolmacht aus der Funktion ein Werkzeug. Name, Typangaben und Docstring gehen als Beschreibung an das Modell. - Modell:
OllamaModelspricht Ollama direkt über dessen eigene Schnittstelle an.model_idist der Modellname ausollama list. - Aufruf: Ein Agent wird aufgerufen wie eine Funktion:
agent("…"). Strands zeigt dabei jeden Werkzeugaufruf und die Antwort beim Entstehen im Terminal an. Der Rückgabewert enthält die Antwort und Messwerte wie die verbrauchten Tokens.
Speichere mit Strg+O und Enter und beende nano mit Strg+X.
9. Programm ausführen
python agent.py
Prüfen: Die Ausgabe lautet nach einigen Sekunden:
Tool #1: landeshauptstadt
Tool #2: landeshauptstadt
Die Hauptstadt von Schleswig-Holstein ist Kiel und die Hauptstadt von Bayern ist München.
Strands führt die beiden Werkzeugaufrufe gleichzeitig aus. Die Antwort kann bei jedem Lauf etwas anders formuliert sein.
Beispiel 2: Agenten als Werkzeug
10. Programm anlegen
Ein häufiges Muster in Strands: Ein Agent ist selbst ein Werkzeug eines anderen Agenten. Hier gibt ein „Chef“-Agent Übersetzungen an einen spezialisierten Übersetzer-Agenten weiter.
nano team.py
Füge diesen Inhalt ein:
from strands import Agent, tool
from strands.models.ollama import OllamaModel
modell = OllamaModel(host="http://localhost:11434", model_id="qwen3:4b-instruct")
@tool
def uebersetzer(text: str, sprache: str) -> str:
"""Übersetzt einen Text in eine andere Sprache.
Args:
text: Der Text, der übersetzt werden soll.
sprache: Zielsprache, z. B. Englisch oder Französisch.
"""
# Ein eigener Agent nur für Übersetzungen, ohne Ausgabe im Terminal
fachagent = Agent(
model=modell,
system_prompt="Du bist Übersetzer. Gib nur die Übersetzung aus, ohne Erklärung.",
callback_handler=None,
)
return str(fachagent(f"Übersetze ins {sprache}: {text}"))
chef = Agent(
model=modell,
system_prompt="Du hilfst bei Texten. Für Übersetzungen nutzt du immer das Werkzeug uebersetzer, "
"für jede Sprache einzeln. Fasse die Ergebnisse als Liste zusammen.",
tools=[uebersetzer],
)
chef("Übersetze 'Guten Morgen, wie geht es dir?' ins Englische und ins Französische.")
- Der Übersetzer-Agent steckt in einem Werkzeug. Er hat seine eigene, einfache Systemanweisung, der Chef-Agent kennt nur die Beschreibung des Werkzeugs.
callback_handler=Noneschaltet die Ausgabe des Übersetzers im Terminal ab. So erscheint nur die Antwort des Chefs.str(…)macht aus dem Ergebnis des Übersetzers seinen Antworttext.
Speichere mit Strg+O und Enter und beende nano mit Strg+X.
11. Programm ausführen
python team.py
Prüfen: Die Ausgabe lautet z. B.:
Tool #1: uebersetzer
Tool #2: uebersetzer
- Englisch: "Good morning, how are you?"
- Französisch: "Bonjour, comment allez-vous ?"
Wie geht es weiter?
- Fertige Werkzeuge: Das Zusatzpaket
strands-agents-toolsbringt Werkzeuge mit, etwa zum Lesen und Schreiben von Dateien, für HTTP-Anfragen oder einen Taschenrechner. Werkzeuge, die Befehle ausführen oder Dateien ändern, fragen vorher nach. - Mehrere Agenten: Neben „Agenten als Werkzeug“ kennt Strands Schwärme (Agenten übergeben sich gegenseitig Aufgaben) und Graphen (feste Abläufe).
- MCP: Über das Model Context Protocol bindet man fertige Werkzeug-Server an.
- Amazon Bedrock: Ohne
model=verwendet Strands Claude über Amazon Bedrock. Dafür braucht es ein AWS-Konto mit Zugangsdaten, die Nutzung ist kostenpflichtig. - Dokumentation: https://strandsagents.com
Deinstallieren
1. Virtuelle Umgebung verlassen
deactivate
2. Projekt entfernen
Löscht den Projektordner samt virtueller Umgebung.
rm -rf ~/agent-strands
3. Zwischenspeicher von pip leeren (optional)
pip bewahrt heruntergeladene Pakete in ~/.cache/pip auf. Der Befehl leert den ganzen Speicher. Das betrifft alle Python-Projekte, die ihre Pakete dann beim nächsten Mal wieder aus dem Internet laden.
pip cache purge
Hinweis: Diese Inhalte wurden mit Unterstützung von Künstlicher Intelligenz erstellt und redaktionell überprüft (Transparenzhinweis gemäß Art. 50 EU AI Act).
Open Knowledge (Freies Wissen): Alle Texte stehen unter der freien Lizenz Creative Commons Namensnennung – Weitergabe unter gleichen Bedingungen 4.0 International (CC BY-SA 4.0) und können frei gelesen, geteilt und weiterverarbeitet werden.