AIエージェントの開発は、1年前と比べて様変わりしました。

モデルの推論能力が大幅に向上したことで、複雑なオーケストレーションロジックを書かなくても、実用的なエージェントを短いコードで動かせるようになっています。その流れを受けてAWSが公開したのが「Strands Agents」です。

この記事でわかること：

  • Strands Agentsとは何か、なぜAWSが作ったのか
  • モデル・ツール・プロンプトの3要素でエージェントを定義する仕組み
  • MCPサーバーや@toolデコレータによるツールの追加方法
  • LangChainなど既存フレームワークとの違い

https://github.com/strands-agents/sdk-python

AIエージェント開発の課題と背景

2023年頃、AIエージェントをゼロから作るには大量のオーケストレーションコードが必要でした。モデルに正しいJSON形式でツールを呼ばせるだけでも相当な実装コストがかかり、プロダクション投入まで数ヶ月を要するのが当たり前でした。

AWSのAmazon Q Developerチームも同じ問題を抱えていました。既存のエージェントフレームワークを使っていたものの、モデルの性能が上がるにつれ、フレームワーク側のオーケストレーションが逆に邪魔になるケースが増えてきたのです。そこで自社向けに開発したのがStrands Agentsの原型で、これによってQ Developerでは「数ヶ月かかっていた新エージェントの投入を、数日〜数週間に短縮できた」と公式ブログで述べています。

Strands Agentsとは

Strands AgentsはAWSが開発したオープンソースのAIエージェントSDKで、Python版とTypeScript版が提供されています。Apache 2.0ライセンスで公開されており、商用利用も自由です。

最新バージョンはv1.37.0（2026年4月22日リリース）で、PyPIから pip install strands-agents でインストールできます。現在Amazon Q Developer、AWS Glue、VPC Reachability Analyzerといった実際のAWSサービスでの稼働実績もあります。

設計思想はシンプルで、エージェントを次の3要素で定義します。

  • モデル: 推論エンジンとなるLLM
  • ツール: モデルが呼び出せる関数やAPIの集合
  • プロンプト: エージェントの役割や動作方針を定義する指示文

Strands自身は「モデル主導（model-driven）」と呼んでいます。ツールの選択やステップの計画はモデルが自律的に行い、SDKはそのループを管理するだけです。開発者は複雑なステートマシンを書く必要はありません。

対応モデルとインストール

Strands Agentsが対応するモデルは幅広く、主要なプロバイダーをカバーしています。

  • Amazon Bedrockのツール使用対応モデル（デフォルトはClaude 3.7 Sonnet in us-west-2）
  • Anthropic APIを通じたClaudeファミリー（AnthropicがStrands本体にコントリビュート）
  • Llama API経由のLlamaファミリー（Metaがコントリビュート）
  • Ollamaによるローカル実行
  • LiteLLM経由でのOpenAIその他プロバイダー

インストールは以下のコマンドです。

pip install strands-agents strands-agents-tools

strands-agents-tools パッケージには20以上のプレビルドツールが含まれており、ファイル操作、HTTP リクエスト、AWS API操作などをすぐに使えます。

エージェントの作り方

もっとも簡単なエージェントは、以下のように書けます。

from strands import Agent
from strands_tools import http_request

agent = Agent(
    system_prompt="あなたはPythonの専門家です。",
    tools=[http_request]
)

agent("requests ライブラリの使い方を教えてください")

これだけでモデルとツールが接続され、エージェントのループが回り始めます。

@toolデコレータで独自ツールを追加する

任意のPython関数をツールとして使うには @tool デコレータを付けるだけです。

from strands import Agent, tool

@tool
def get_weather(city: str) -> str:
    """指定した都市の天気を返します。"""
    # 実際のAPI呼び出しに差し替える
    return f"{city}の天気は晴れです"

agent = Agent(tools=[get_weather])
agent("東京の天気を教えて")

関数のdocstringがツールの説明としてモデルに渡されるため、モデルはいつそのツールを使うべきか自律的に判断します。

MCPサーバーをツールとして使う

Strands AgentsはModel Context Protocol（MCP）に標準対応しています。公開されている数千のMCPサーバーをそのままツールとして組み込めます。

from strands.tools.mcp import MCPClient
from mcp import stdio_client, StdioServerParameters

domain_tools = MCPClient(lambda: stdio_client(
    StdioServerParameters(command="uvx", args=["fastdomaincheck-mcp-server"])
))

with domain_tools:
    tools = domain_tools.list_tools_sync()
    agent = Agent(tools=tools)
    agent("example-project.com というドメインは空いていますか")

MCPサーバーのリストさえあれば、エージェントの機能拡張にコードを書く必要はほぼありません。

v1.37.0の主な変更点

最新リリースv1.37.0（2026年4月22日）では以下の変更が加えられています。

  • SlidingWindowConversationManager でツール呼び出しが多い会話のフォールバック処理を修正
  • モデル設定に context_window_limit を追加し、モデルごとのコンテキスト上限を明示的に制御できるように
  • チェックポイント機能をexperimentalとして追加（エージェントの実行状態を保存・再開できる仕組み）
  • MCPClientのインタープリタ終了時クリーンアップ処理を修正

チェックポイント機能はまだ実験的ですが、長時間実行するエージェントや、途中で中断が想定されるワークフローにとって有用な機能です。

本番環境へのデプロイ

Strands Agentsは本番稼働を前提に設計されており、デプロイパターンのリファレンス実装がGitHubで公開されています。主な構成パターンとして以下をサポートします。

  • モノリス構成: エージェントループとツール実行を同一環境で動かす
  • API経由構成: AWS Lambda、AWS Fargate、Amazon EC2の背後にエージェントを配置
  • マイクロサービス構成: エージェントループとツール実行を別環境に分離
  • クライアント制御構成: クライアント側がツール実行を担うreturn-of-controlパターン

可観測性面ではOpenTelemetry（OTEL）に対応しており、エージェントの軌跡やメトリクスを任意のOTEL対応バックエンドへ送信できます。分散トレーシングにも対応しているため、マルチエージェント構成でも各コンポーネントをまたがったリクエスト追跡が可能です。

LangChainなど既存フレームワークとの比較

LangChainやLangGraphとの最大の違いは「オーケストレーションをどこに置くか」です。LangGraph等はワークフローのDAG（有向非巡回グラフ）を開発者が明示的に定義する設計で、制御しやすい反面、定義コストが高くなります。

Strands Agentsはその定義をモデルに委ねます。モデルが次に何のツールを呼ぶかを自律的に決めるため、コードベースは大幅に小さくなります。一方で、モデルの判断に依存するぶん、挙動の予測可能性はやや低くなります。

どちらが適しているかは用途次第です。手順が固定された業務フローにはワークフロー定義型が向き、柔軟な対話や探索的なタスクにはモデル主導型が合います。

まとめ

Strands Agentsはモデルの推論能力を最大限に活かすことで、エージェント開発のボイラープレートを大幅に削減したSDKです。MCP対応、複数モデルプロバイダーへの対応、本番向けのデプロイパターン提供と、実用上の要件はひと通り押さえています。

AWS環境を使っている開発者であれば、Amazon BedrockのClaude 3.7 Sonnetをデフォルトモデルとしてすぐに試せます。GitHubのリポジトリにはサンプルコードも豊富に揃っているため、まずは pip install strands-agents strands-agents-tools から始めてみるのが早道です。