企业官网建设流程全解析

• 人工智能
• 大模型
• AI Agent
• Agent 框架
• 多智能体
• 工具调用
• MCP 服务

本篇基于仓库内 Python SDK 的 v1.39.0 版本变更记录（site/src/content/changelog/sdk/python-v1.39.0.md）成文，聚焦本次发布在模型层（Bedrock / OpenAI 兼容端点）、上下文管理与多智能体 A2A 协议上的关键升级。读完本文，你将掌握use_native_token_count开关、Bedrock 计费 Token 估算的降级与缓存策略、内置上下文窗口查找表的作用机制、MCP 客户端初始化错误的根因排查，以及 A2A 全任务生命周期状态（failed、canceled、input_required 等）在 SDK 中的落地方式，并能直接定位到 strands-py 中对应的源码与测试用例做进一步验证。

版本概览：一次全部非破坏性的功能增强

v1.39.0 发布于 2026-05-08，版本标签为python/v1.39.0，属于sdk（Python SDK）通道的常规迭代。本次共包含 9 条变更，全部为 non-breaking（非破坏性），不存在 API 兼容性破坏，可直接升级使用：

其中「Bedrock Token 计数」相关的三条变更（PR 2254 / 2250 / 2255）构成一个完整的闭环：先修复计数逻辑本身，再为不支持计数的模型做缓存降级，最后提供显式开关让用户跳过 API 调用。这也是本版本在模型层最值得关注的组合拳。

OpenAI 提供方支持 AWS Profile：通过 boto_session 接入 Bedrock

本次发布的第一个 feat（PR 2230）是让 OpenAI 兼容提供方能够使用 AWS Profile。其实现载体是openai_responses.py中的bedrock_mantle_config参数，以及内部模块 _openai_bedrock.py 中的BedrockMantleConfig配置结构。

BedrockMantleConfig的关键字段如下（摘自 strands-py/src/strands/models/_openai_bedrock.py）：

• endpoint：选择端点家族，"bedrock-mantle"（默认）或"bedrock-runtime"；仅bedrock-runtime接受跨区域推理配置 ID（如us.openai.*、global.openai.*）；
• region：托管 Bedrock 端点的 AWS 区域，缺省时按 boto3 标准链解析（AWS_REGION/AWS_DEFAULT_REGION/ 活动 Profile / EC2 元数据），全部失败则抛出ValueError；
• boto_session：本次「支持 AWS Profile」的关键入口。可传入一个用指定 Profile 创建的boto3.Session（如boto3.Session(profile_name="my-profile")），用于在未显式设置region时解析区域，从而无需导出环境变量即可切换到非默认 Profile；
• credentials_provider：可选 botocoreCredentialProvider，转发给令牌生成器；
• expiry：可选timedelta，控制 Bearer Token 的生存期。

从源码实现看（strands-py/src/strands/models/_openai_bedrock.py），区域解析优先级为：显式region>boto_session.region_name>boto3.Session()默认链；而resolve_bedrock_client_args（同文件 L141-L191）会调用aws_bedrock_token_generator.provide_token按需铸造 Bearer Token，并将解析结果写入 OpenAI 客户端的base_url与api_key。这样长期运行的 Agent 也能在 Bearer Token 超过最大生命周期后自动续期。

import boto3 from strands.models.openai_responses import OpenAIResponsesModel model = OpenAIResponsesModel( model_id="openai.gpt-5", bedrock_mantle_config={ # 显式指定 AWS Profile，无需导出环境变量 "boto_session": boto3.Session(profile_name="my-aws-profile"), "endpoint": "bedrock-mantle", # 或 "bedrock-runtime" }, )

需要注意的是，使用bedrock_mantle_config需要额外安装aws-bedrock-token-generator包，源码中明确提示通过pip install strands-agents[openai]安装；同时client_args中不能再同时传入base_url或api_key，否则会在__init__阶段触发 fail-fast 的冲突校验（见 openai_responses.py）。

Bedrock Token 计数三件套：修复、缓存与开关

v1.39.0 对 Bedrock 的 Token 计数做了系统性收尾，集中在 strands-py/src/strands/models/bedrock.py：

1. 修复 count tokens（PR 2254）

修复了 Bedrock 模型 Token 计数结果不准确的问题。修复后的原生计数路径（bedrock.py）复用与 Converse API 完全相同的消息格式：将messages、system、toolConfig组装进input={"converse": ...}，调用client.count_tokens获取inputTokens作为输入 Token 数；若返回值为空则抛出ProviderTokenCountError。

2. 缓存不支持的模型（PR 2250）

并非所有 Bedrock 模型都支持 CountTokens API。当遇到两类典型错误时，SDK 会把该model_id记入模块级缓存_SKIP_COUNT_TOKENS_MODELS，后续调用直接跳过 API并回退到本地启发式估算：

• AccessDeniedException（缺少bedrock:CountTokens权限）；
• ValidationException且错误信息包含"doesn't support counting tokens"。

其他瞬时错误（如网络抖动）则不会写入缓存，只做单次降级。相关行为在 tests/strands/models/test_bedrock.py 中有覆盖：测试验证了「第一次调用失败后，第二次调用因缓存而完全跳过 API」的语义（如 L4909 附近的注释）。

3. useNativeTokenCount 开关（PR 2255）

use_native_token_count是本次新增的模型配置项（bedrock.py）：

• True：count_tokens()调用 Bedrock 原生 CountTokens API 获取精确计数；
• False（默认）：跳过 API 调用，使用本地估算器。

源码逻辑非常直白（bedrock.py）：配置不为True时直接走父类本地估算；为True但模型在_SKIP_COUNT_TOKENS_MODELS缓存中时同样回退。换言之，默认行为以低延迟、零额外 API 成本为优先，需要精确计数（例如对成本敏感的生产环境）时再显式开启。

model = BedrockModel( model_id="anthropic.claude-sonnet-4-6", use_native_token_count=True, # 开启后 count_tokens 走 Bedrock CountTokens API )

上下文窗口上限查找表：让 context 管理有据可依

PR 2249 新增的上下文窗口查找表位于 strands-py/src/strands/models/_defaults.py，是本次发布在 context 领域的关键支撑。

表结构与默认值

_CONTEXT_WINDOW_LIMITS是一张以模型 ID 为键、以 Token 数为值的内置表，覆盖 Anthropic（直接 API 与 Bedrock 前缀两种形式）、Amazon Nova、Z.AI、OpenAI、Google Gemini、Mistral 等主要模型线。例如：

• claude-sonnet-4-6/claude-opus-4-6等：1,000,000 tokens；
• claude-3-7-sonnet-20250219等：200,000 tokens；
• amazon.nova-pro-v1:0：300,000；amazon.nova-micro-v1:0：128,000；
• gpt-4o：128,000；gpt-4.1：1,047,576；
• gemini-2.5-flash/gemini-2.5-pro：1,048,576；
• mistral-large-latest：262,144。

当查表失败（未知模型）时，get_context_window_limit返回None，调用方优雅降级（例如禁用主动压缩）；同时存在兜底默认值DEFAULT_CONTEXT_WINDOW_LIMIT = 200_000（strands-py/src/strands/models/_defaults.py）。

跨区域前缀剥离

Bedrock 模型 ID 常带有区域/推理配置前缀（如us.anthropic.claude-sonnet-4-6、global.openai.gpt-5.6-luna、eu.、ap.，甚至 ARN）。get_context_window_limit的查找策略是：先做精确匹配，失败后逐点剥离前缀重试（strands-py/src/strands/models/_defaults.py），因此表中只需维护基础模型 ID。这一点在 tests/strands/models/test_defaults.py 中被明确断言：us./global./eu./ap./custom.前缀的模型 ID 都能正确解析到 1,000,000。

与用户配置的合并

resolve_config_metadata（同文件 L178-L199）负责将查表结果写入模型配置：用户显式设置了context_window_limit时原样保留，未设置时才从表自动补全，且仅在确实补上了字段时才返回新 dict，避免无谓的内存分配。

from strands.models._defaults import get_context_window_limit, resolve_config_metadata # 直接查表（含前缀剥离） assert get_context_window_limit("us.anthropic.claude-sonnet-4-6") == 1_000_000 # 合并进模型配置：显式值优先，未设置则自动补全 config = {"model_id": "claude-sonnet-4-6"} merged = resolve_config_metadata(config, "claude-sonnet-4-6") assert merged["context_window_limit"] == 1_000_000

该表会为对话管理、上下文压缩、上下文溢出检测（ContextWindowOverflowException）等机制提供统一的窗口基准，是 v1.39.0 在 context 领域的基础设施升级。

MCP 客户端：错误根因透传与类型注解修正

1. 初始化错误携带根因（PR 2238）

此前MCPClientInitializationError只报告笼统的初始化失败，用户难以定位是超时、权限还是连接问题。本次修复让异常消息包含原始根因（root cause），核心改动在 strands-py/src/strands/tools/mcp/mcp_client.py：

# 初始化阶段任意异常，都会把根因拼进消息并用 from e 保留原始异常链 raise MCPClientInitializationError(f"the client initialization failed: {e}") from e

对应测试（tests/strands/tools/mcp/test_mcp_client.py）构造了Transport initialization failed场景，断言异常消息精确匹配the client initialization failed: Transport initialization failed。除此之外，超时场景也会得到专门的提示（background thread did not start in {startup_timeout} seconds，见 mcp_client.py），异常类本身定义在 strands-py/src/strands/types/exceptions.py。

2.exit与 stop() 类型注解修正（PR 2248）

本次还修正了MCPClient.__exit__与stop()的类型注解。从源码看（mcp_client.py），__exit__声明返回None并委托self.stop(exc_type, exc_val, exc_tb)；stop的三个形参分别对应异常类型、异常值与 traceback（mcp_client.py），并负责信号通知后台线程、等待 join、按序清理事件循环与各项状态、支持实例复用。修正后的注解与contextlib.AbstractContextManager约定一致，让类型检查器（mypy / pyright）不再误报。

A2A 全任务生命周期状态支持

PR 2245 实现了 A2A 协议的完整任务生命周期支持，涉及 strands-py/src/strands/multiagent/a2a/executor.py 与 strands-py/src/strands/multiagent/a2a/_converters.py。

StrandsA2AExecutor将 Strands Agent 适配为 A2A 协议执行器，流式模式下支持failed（失败）、canceled（取消）、以及基于 interrupt 的 input_required（需要输入）等完整生命周期状态（executor.py）。状态到 Agent 停止原因的映射定义在_converters.py中：

_STATE_TO_STOP_REASON: dict[TaskState, StopReason] = { TaskState.completed: "end_turn", TaskState.failed: "end_turn", TaskState.canceled: "end_turn", TaskState.rejected: "end_turn", TaskState.input_required: "interrupt", TaskState.auth_required: "interrupt", }

也就是说，A2A 的input_required/auth_required状态会映射为 Strands 的中断（interrupt）语义，驱动 Agent 暂停并请求人工输入或鉴权，而不是直接终止；failed/canceled/rejected则正常结束回合。执行器还支持按context_id隔离会话状态，并推荐使用agent_factory（每个 context 一个独立 Agent、独立锁、可并发执行）而非已废弃的单一agent复用模式。相关集成测试位于 tests_integ/a2a/ 与 tests_integ/test_a2a_executor.py。

集成测试更新与升级建议

PR 2262 对集成测试做了同步更新，确保上述模型层与 A2A 改动在真实端到端场景（见 tests_integ/）中持续得到验证。

升级到 v1.39.0 时的实操要点：

• 无破坏性变更，可直接升级；use_native_token_count、context_window_limit均为可选项，默认行为（本地估算、自动查表补全）保持不变；
• 需要精确 Token 计数且模型受支持时，显式开启use_native_token_count=True；
• 需要按自定义窗口管理上下文时，显式设置context_window_limit，它会覆盖内置查找表；
• OpenAI 兼容端点接入 Bedrock 时，通过bedrock_mantle_config传入带profile_name的boto_session即可复用 AWS Profile，需安装strands-agents[openai]额外依赖；
• 若 MCP 服务器初始化失败，v1.39.0 的异常消息会直接携带根因，配合from e保留的原始异常链即可快速定位。

本文涉及的实现均可继续在仓库中追溯：模型层见 strands-py/src/strands/models/，MCP 客户端见 strands-py/src/strands/tools/mcp/mcp_client.py，A2A 见 strands-py/src/strands/multiagent/a2a/，对应单测与集成测试分别在 strands-py/tests/strands/models/test_bedrock.py、strands-py/tests/strands/models/test_defaults.py、strands-py/tests/strands/tools/mcp/test_mcp_client.py 与 strands-py/tests_integ/a2a/ 中。

• 人工智能
• 大模型
• AI Agent
• Agent 框架
• 多智能体
• 工具调用
• MCP 服务