安装 SDK 并跑首个 Agent：选 provider + python -u

你将得到什么

• 本机可用的 Strands Harness SDK（pip install strands-agents）
• 一份可运行的 agent.py，用 Bedrock 默认或 Anthropic / OpenAI / Gemini / Ollama 之一完成首调
• 清楚「模型是一个对象交给 Agent，其余代码与 provider 无关」这一官方设计

开始前准备

1. Python 3.10+，并已激活虚拟环境（官方要求）。不确定时可先核对：

python3 --version

对照结果：版本号应 ≥ 3.10。若更低，请先升级或改用符合要求的解释器。

2. 选定一个模型提供商（本课主路径五选一；官方默认是 Amazon Bedrock）。
3. 按所选 provider 准备凭证（下一节表格）；不要把密钥写进 agent.py。

核心事实（先记住）

步骤 1：建虚拟环境并安装 SDK

官方安装命令：

python3 -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate
pip install strands-agents

对照结果：pip show strands-agents 应能打印出包名与版本；终端无报错即安装成功。

需要虚拟环境说明时，可参考 Python 官方 venv 文档（官方 Quickstart 亦指向该页）。

步骤 2：配置所选 provider 的凭证

按你实际能用的通道选一行；命令里的 YOUR_…_HERE 只是占位，请换成自己控制台里签发的值，且优先写进 shell 环境或本地未入库的 .env（本课不演示密钥管理工具）。

A. Amazon Bedrock（默认，无需额外 pip 包）

官方给出三种本地/云上凭证方式之一即可：

# 方式 1：Bedrock API key（官方称本地开发最快）
export AWS_BEARER_TOKEN_BEDROCK=YOUR_BEDROCK_API_KEY_HERE

# 方式 2：AWS 访问密钥（也可用 aws configure）
export AWS_ACCESS_KEY_ID=YOUR_AWS_ACCESS_KEY_ID_HERE
export AWS_SECRET_ACCESS_KEY=YOUR_AWS_SECRET_ACCESS_KEY_HERE
# 可选：
# export AWS_SESSION_TOKEN=YOUR_SESSION_TOKEN_HERE

对照结果：环境变量已 echo 可见（勿截图外传）；并在 Amazon Bedrock 控制台 为所用模型开通访问（官方要求）。

B. Anthropic

pip install 'strands-agents[anthropic]'
export ANTHROPIC_API_KEY=YOUR_ANTHROPIC_API_KEY_HERE

C. OpenAI

pip install 'strands-agents[openai]'
export OPENAI_API_KEY=YOUR_OPENAI_API_KEY_HERE

D. Google Gemini

pip install 'strands-agents[gemini]'
export GEMINI_API_KEY=YOUR_GEMINI_API_KEY_HERE

E. Ollama（本机，无需云账号）

pip install 'strands-agents[ollama]'
ollama serve
ollama pull llama3.1

对照结果：ollama list 中可见 llama3.1；http://localhost:11434 可访问。

步骤 3：写 `agent.py`（按 provider 复制对应片段）

在项目目录新建 agent.py。以下片段与 Python Quickstart · Run your first agent 各 Tab 一致。

Bedrock（默认，最简）

from strands import Agent

# Bedrock is the default, so no model object is needed.
agent = Agent()

agent("What is an agent harness, in one sentence?")

Anthropic

from strands import Agent
from strands.models.anthropic import AnthropicModel

# Reads ANTHROPIC_API_KEY from the environment.
model = AnthropicModel(model_id="claude-sonnet-5", max_tokens=4096)
agent = Agent(model=model)

agent("What is an agent harness, in one sentence?")

OpenAI

from strands import Agent
from strands.models.openai import OpenAIModel

# Reads OPENAI_API_KEY from the environment.
model = OpenAIModel(model_id="gpt-5.4")
agent = Agent(model=model)

agent("What is an agent harness, in one sentence?")

Gemini

from strands import Agent
from strands.models.gemini import GeminiModel

# Reads GEMINI_API_KEY from the environment.
model = GeminiModel(model_id="gemini-2.5-flash")
agent = Agent(model=model)

agent("What is an agent harness, in one sentence?")

Ollama

from strands import Agent
from strands.models.ollama import OllamaModel

model = OllamaModel(host="http://localhost:11434", model_id="llama3.1")
agent = Agent(model=model)

agent("What is an agent harness, in one sentence?")

步骤 4：运行并对照结果

官方运行命令：

python -u agent.py

对照结果（成功时）：

1. 终端开始流式打印模型回复（一句解释什么是 agent harness）。
2. 进程正常退出，无 AuthenticationError / AccessDenied / 连接超时。
3. 若失败：先核对步骤 2 的环境变量名是否与官方一致，再确认 Bedrock 模型访问已开通，或 Ollama 是否在监听 11434。

官方说明：看不到你的 provider 时，Strands 还支持 LiteLLM、Mistral、SageMaker、Llama API、llama.cpp、Writer、OpenAI 兼容端点与自定义 provider——详见官方 Model Providers 文档（本课不展开）。

本课检查清单

• pip show strands-agents 成功
• 所选 provider 的环境变量或 Ollama 已就绪（无真实 Key 进仓库）
• python -u agent.py 打出一句自然语言回答
• 理解：换 provider 时主要改 model 对象与安装额外包，Agent(...) / agent(...) 调用形态不变

下一课：在同一 agent.py 上加 @tool、挂载官方 file_editor，并把 Strands MCP 接到 Cursor / Claude Code。