Token导航 LogoToken导航

MCP Server · 开发工具

Strands CLI Agent

一个支持MCP任务和通知的命令行代理工具,用于自动化任务执行和结果推送。

stdio官方级别未说明来源级核验工具 0
命令行工具开发工具PythonClaude任务自动化Claude Desktop

快速开始

作者 / 组织
agent-of-mkmeral
提供方
agent-of-mkmeral

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

1 个

MCP World

选型结论

Strands CLI Agent 属于开发工具类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,适配 Claude Desktop、Claude,有可以直接复制的安装命令;接入前要先准备 访问 Token。

分类

开发工具

传输方式

stdio

认证方式

访问 Token

部署方式

公开资料未说明

安装与配置

安装命令

pip install -e .

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 对应的运行时,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

Strands CLI代理

基于CLI的代理,具有 MCP任务和通知 支持。当MCP服务器完成后台任务时,代理会自动用结果重新触发——推送,而不是拉取。

为什么存在

大多数MCP客户端(Kiro、Claude Desktop)还不支持MCP任务。此CLI代理演示了 客户端 MCP任务:

  1. 任务感知执行 --当您调用返回MCP任务的工具时,代理会自动跟踪它
  2. 基于推送的完成 --当任务完成时,代理会根据结果重新触发。用户不进行投票。
  3. 通知 --CLI中显示的实时服务器日志和状态更新
  4. 重新触发循环 --任务完成→ 已获取结果→ 反馈给代理→ 代理处理和响应

运作原理

User: "Research all open MCP issues"
  │
  ▼
Agent calls send_message("researcher", "find all open MCP issues")
  │
  ▼
MCP Server returns: Task { taskId: "task-123", status: "working" }
  │
  ▼
Agent: "I've dispatched a researcher agent. I'll let you know when it's done."
  │
  ▼
... user can keep chatting or wait ...
  │
  ▼
[Background] TaskManager detects task completed via polling/notification
  │
  ▼
Agent is re-invoked: "[Task Completed] researcher found 12 issues..."
  │
  ▼
Agent: "The researcher found 12 open MCP issues. Here's the summary: ..."

快速开始

# Install
pip install -e .

# Configure MCP servers (same format as Kiro/Claude Desktop)
cp mcp.json.example ~/.strands-cli/mcp.json
# Edit with your MCP server configs

# Run
strands-cli

MCP配置

使用与Kiro/Claude Desktop相同的格式。放置在以下任何位置:

  • ~/.strands-cli/mcp.json
  • ./mcp.json (当前目录)
  • ~/.kiro/settings/mcp.json (Kiro配置)
  • STRANDS_MCP_CONFIG env var(路径)
  • MCP_SERVERS env-var(内联JSON)

环境变量传递

使用 ${VAR_NAME} 配置值中引用环境变量的语法。这样,您就可以在不暴露令牌的情况下共享配置文件:

{
  "mcpServers": {
    "containerized-strands-agents": {
      "command": "containerized-strands-agents-server",
      "env": {
        "CONTAINERIZED_AGENTS_GITHUB_TOKEN": "${STRANDS_CODER_TOKEN}",
        "PERPLEXITY_API_KEY": "${PERPLEXITY_API_KEY}"
      }
    },
    "github": {
      "command": "uvx",
      "args": ["mcp-server-github"],
      "env": {
        "GITHUB_TOKEN": "${GITHUB_TOKEN}"
      }
    },
    "remote-api": {
      "url": "https://${API_HOST}/mcp",
      "headers": {
        "Authorization": "Bearer ${API_TOKEN}"
      }
    }
  }
}

Env-var解析在以下情况下工作:

  • env 价值观-- "${MY_TOKEN}" → 实际代币价值
  • args — ["--token", "${MY_TOKEN}"]
  • command — "${BINARY_PATH}"
  • url — "https://${HOST}/mcp"
  • headers — "Bearer ${TOKEN}"

如果未设置env变量 ${VAR_NAME} 参考保持原样,并记录警告。

用法

交互模式

strands-cli

命令:

  • /tasks --显示所有跟踪的任务及其状态
  • /clear --清除已完成/失败的任务
  • ! --运行shell命令
  • exit --退出

一次性模式

strands-cli "Research the top MCP servers and summarize"

在单次模式下,如果创建了任务,CLI会在退出前等待任务完成。

选项

strands-cli --mcp-config ./my-mcp.json     # Custom MCP config
strands-cli --model-provider bedrock         # Model provider
strands-cli --model-id us.anthropic.claude-sonnet-4-5-20250929-v1:0  # Model
strands-cli -v                                # Verbose logging
strands-cli --no-tasks                        # Disable task tracking

建筑

┌──────────────────────────────────────────────┐
│                CLI (cli.py)                  │
│  ┌─────────┐  ┌──────────┐  ┌───────────┐  │
│  │  Agent   │  │ Callback │  │  Welcome   │  │
│  │ (Strands)│  │ Handler  │  │  /Tasks UI │  │
│  └────┬─────┘  └──────────┘  └───────────┘  │
│       │                                      │
│  ┌────┼────────────────────────────────────┐ │
│  │         MCP Clients (mcp_loader.py)     │ │
│  │  ┌──────────┐  ┌──────────┐             │ │
│  │  │ Server A │  │ Server B │  ...        │ │
│  │  │(tasks ✓) │  │(tasks ✓) │             │ │
│  │  └────┬─────┘  └────┬─────┘             │ │
│  └───────┼──────────────┼──────────────────┘ │
│          │              │                    │
│  ┌───────┼──────────────┼──────────────────┐ │
│  │       TaskManager (task_manager.py)     │ │
│  │                                         │ │
│  │  • Tracks tasks from all servers        │ │
│  │  • Polls via MCP tasks/get protocol     │ │
│  │  • Receives notifications/tasks/status  │ │
│  │  • On completion → re-triggers agent    │ │
│  │  • Persists to ~/.strands-cli/tasks.json│ │
│  └─────────────────────────────────────────┘ │
│                                              │
│  ┌─────────────────────────────────────────┐ │
│  │    NotificationHandler                  │ │
│  │  • notifications/tasks/status → push    │ │
│  │  • notifications/message → CLI logs     │ │
│  │  • notifications/progress → progress bar│ │
│  └─────────────────────────────────────────┘ │
└──────────────────────────────────────────────┘

使用的MCP功能(客户端)

MCP功能我们如何使用它
工具在连接的MCP服务器上调用工具
任务通过以下方式跟踪长时间运行的工具调用 tasks/get, tasks/result, tasks/cancel
任务通知接收 notifications/tasks/status 用于基于推送的更新
日志记录通知在CLI中显示实时服务器日志
进度通知显示长期操作的进度指示器
任务增强执行使用 call_tool_as_task 对于支持它的服务器

与集装箱化线束试剂配对

此CLI旨在与 集装箱化线束代理 作为MCP服务器:

{
  "mcpServers": {
    "agents": {
      "command": "containerized-strands-agents-server",
      "env": {
        "CONTAINERIZED_AGENTS_GITHUB_TOKEN": "${STRANDS_CODER_TOKEN}",
        "PERPLEXITY_API_KEY": "${PERPLEXITY_API_KEY}"
      }
    }
  }
}

然后:

~ send a message to researcher to find all open MCP issues
📋 Task dispatched → agents (task: task-abc123...)
I've dispatched a researcher agent to find open MCP issues. I'll let you know when results come back.

... time passes ...

✅ Task completed ← agents (task: task-abc123...)
🔔 Processing completed task result...
The researcher found 12 open issues related to MCP. Here's the breakdown:
1. ...

环境变量

变量描述默认值
STRANDS_MCP_CONFIGMCP配置文件的路径~/.strands-cli/mcp.json
MCP_SERVERS内联MCP配置JSON-
STRANDS_SYSTEM_PROMPT自定义系统提示-
STRANDS_MODEL_ID型号标识符us.anthropic.claude-sonnet-4-5-20250929-v1:0
STRANDS_CLI_NOTIFICATIONS启用桌面通知true

许可证

阿帕奇-2.0

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

命令行工具Python本地部署任务自动化MCP任务实时通知开发工具

支持客户端

Claude DesktopClaude

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

让助手直接读代码

把仓库、提交记录和 issue 交给模型检索,补全和重构时不用来回复制文件。

在对话里跑命令

触发构建、测试和脚本,执行结果直接回到上下文,省去切终端。

接进开发流程

把 PR、CI 状态和代码审查接进助手,减少在几个工具之间跳。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已经适配 Claude Desktop、Claude,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好 运行环境,换机器要重新装一遍。
  • 需要自备访问 Token,没有凭据没法直接试。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。

更适合

  • 需要在开发工具场景里让模型直接调用外部能力的人。
  • 已经在用 Claude Desktop 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到访问 Token的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Strands CLI Agent

MCP World · 本页

0stdio有1 个2026-05-17
Git 838e2ec1

MCP World

12stdio有2 个2026-05-17
Markitdown MCP 2c653a5f

MCP World

1stdio有1 个2026-05-17
Context7 MCP C671e75a

MCP World

0stdio有1 个2026-05-17
Context7 831acf40

MCP World

0stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Strands CLI Agent 怎么安装?

公开资料给出的安装命令是 pip install -e .,运行环境为 未标注。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Strands CLI Agent 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 未标注;保存后完全退出客户端再打开,配置才会生效。

Strands CLI Agent 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Strands CLI Agent 需要 API Key 吗?

公开资料标注的认证方式是访问 Token,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

Strands CLI Agent 支持哪些客户端?

公开资料标注支持 Claude Desktop、Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP