AgentCore SDK for Python

使用 Python 构建 Agent，连接 AgentCore 云端资源或自有服务，并与常用 Agent 框架集成。

AgentCore 官网 · 官方文档 · 示例指南

从这里开始

你想做什么	入口
连接平台上的模型、MCP 和 Skill	云端资源
使用自己的模型、MCP 或本地 Skill	自定义资源
为 Agent 添加长期记忆	Memory
配置 MCP 凭证与固定 Header	凭证与 Header
接入已有 Agent 框架	框架集成
将 Agent 发布为 HTTP 服务	服务协议

功能

• 模型：访问托管模型，或连接自定义模型服务。
• 工具与 Skill：接入 MCP 服务，使用云端或随应用分发的 Skill。
• 记忆：检索和保存长期记忆，接入框架的 Agent 执行流程。
• 凭证：按名称获取托管 API Key，或为 MCP 显式绑定 Header 凭证。
• 服务协议：通过 AG-UI 或 OpenAI Chat Completions 提供 Agent 服务。

支持 LangChain、LangGraph、AgentScope、Google ADK、PydanticAI 和 CrewAI。

安装

需要 Python 3.10+；AgentScope 2.x 需要 Python 3.11+。

当前分支处于公开发布准备阶段。以下为公开发行版的安装方式，包的可用版本以正式发布为准。

pip install alibabacloud-agentcore-sdk

# 按需安装 MCP、服务端和框架支持
pip install "alibabacloud-agentcore-sdk[mcp,server,langchain]"

按使用场景选择 extras：mcp、server、credentials、langchain、langgraph、agentscope、google-adk、pydantic-ai、crewai。

快速开始

使用云端资源

先参考官方文档创建 Workspace，再按需准备模型连接、MCP 和 Skill，并为 Agent 授予访问权限。以下代码在部署到 AgentCore 的应用中运行；将资源名称替换为当前 Workspace 中自己的资源名称。只使用模型时，无需创建 MCP 或 Skill。

import asyncio

from agentcore import AsyncAgentCore


async def main():
    async with AsyncAgentCore.auto() as core:
        model = await core.model("test-mc", model="qwen3.8-max")
        response = await model.invoke([{"role": "user", "content": "你好"}])
        print(response["choices"][0]["message"]["content"])

        mcp = await core.mcp("test-mcp")
        print([tool.name for tool in await mcp.list_tools()])

        skill = await core.skills.managed("test-skill")
        print(skill.name)


asyncio.run(main())

凭证与 MCP Header

在平台创建凭证并授权后，使用 await core.credentials.get(name) 按名称获取。API Key 凭证通过 credential.value 读取；MCP Header 凭证通过 credential.as_headers() 读取。不要将凭证值写入日志或提交到代码仓库。

托管 MCP 可在创建时显式绑定 MCP Header 凭证，并追加固定 Header。只有该 MCP 在凭证允许的应用范围内时才能使用：

mcp = await core.mcp(
    "test-mcp",
    credential_name="my-mcp-credential",  # 可省略；须在平台创建并允许访问该 MCP
    headers={"x-business-id": "my-app"},  # 可省略
)

Header 作用于该客户端的握手、工具发现和工具调用，不是请求级身份上下文。 SDK 会复制配置，不同 Header 配置使用不同客户端和 Session；不传时保持原有行为。 合并顺序为平台 Header → 凭证 Header → 自定义 Header；名称大小写不敏感，冲突直接报错，不做覆盖。 Authorization、平台已配置的 Header，以及 Host、Mcp-Session-Id、Mcp-Protocol-Version 等协议维护字段不可覆盖。 凭证在首次建连和重连时查询与获取，复用 Session 期间不重复获取，也不后台刷新。 托管 MCP 使用 Streamable HTTP；直连 MCP 保留 headers_provider，stdio 不承载 HTTP Header。 不要修改共享客户端来切换用户身份。Header 的内容由业务明确选择，不自动透传入站请求头。 固定 Header 不等于可信身份。完整示例见 MCP 凭证与 Header。

使用自定义资源

连接自有模型、MCP 服务，无需在 AgentCore 注册资源：

import asyncio
import os

from agentcore import AsyncAgentCore


async def main():
    async with AsyncAgentCore() as core:
        model = core.direct_model(
            provider="openai",
            model=os.environ["CUSTOM_MODEL_NAME"],
            base_url=os.environ["CUSTOM_MODEL_BASE_URL"],
            api_key=os.environ["CUSTOM_MODEL_API_KEY"],
        )
        response = await model.invoke([{"role": "user", "content": "你好"}])
        print(response["choices"][0]["message"]["content"])

        mcp = core.direct_mcp(url=os.environ["CUSTOM_MCP_URL"])
        print([tool.name for tool in await mcp.list_tools()])


asyncio.run(main())

本地 Skill 加载方式及完整配置见 自定义资源示例。

使用 Memory

Memory 用于保存和检索长期记忆，也支持查询、更新、删除记忆以及查看会话消息。使用前，在 AgentCore 中创建 MemoryStore 并授予应用访问权限。

import asyncio

from agentcore import AsyncAgentCore
from agentcore.memory import MemoryScope


async def main():
    async with AsyncAgentCore.auto() as core:
        store = core.memory_store("test-memory")
        await store.add_memories(
            scope=MemoryScope(user_id="example-user", session_id="session-1"),
            text="用户喜欢简短的中文回答。",
        )

        # Newly added memories may take time to become searchable.
        result = await store.search_memories(
            "用户有哪些回答偏好？",
            scope=MemoryScope(user_id="example-user"),
            top_k=5,
        )
        for hit in result.memories:
            print(hit.memory.content.text)


if __name__ == "__main__":
    asyncio.run(main())

• user_id、agent_id、session_id 是彼此独立的记忆范围字段；写入时都可省略，服务端会将未传字段归入默认范围。
• 查询时只传需要精确匹配的字段，未传字段按通配范围查询；响应中的默认范围字段会表现为 None。
• list_memory_session_messages 要求 session_id，并且 user_id、agent_id 至少传一个。
• 分区标识由可信业务上下文提供，不替代访问权限控制。

示例会写入真实数据，建议使用测试记忆空间。新写入的记忆可能需要一定时间才能检索到，首次查询可能为空。

完整代码见 Memory 基础示例；让 Agent 自动检索并使用记忆，参见 六框架 Memory 示例。

框架集成

将模型、MCP 和 Skill 接入现有框架，不必重写 Agent 的业务逻辑。

框架	示例
LangChain	Agent
LangGraph	模型与工具循环
AgentScope 2.x	Agent
Google ADK	Agent 与 Runner
PydanticAI	Agent
CrewAI	Agent、Task 与 Crew

需要长期记忆时，参见 Memory 框架示例。

需要展示工具执行过程时，使用 框架执行事件转换器，保留工具调用、结果与消息边界。

提供 Agent 服务

AgentCoreServer 支持 AG-UI、OpenAI Chat Completions 和自定义 ProtocolHandler。

uvicorn examples.basic_agent:server --host 0.0.0.0 --port 8080

默认接口为 POST /ag-ui/agent 和 POST /openai/v1/chat/completions，支持流式响应。参见 最小服务示例。

需要完整工具执行流程时，运行 LangChain 服务示例：它将托管模型、MCP、Skill、框架事件转换器和两个协议入口串起来。此示例使用 Python 3.11+；安装 alibabacloud-agentcore-sdk[mcp,server,langchain] 后，在云端应用中执行：

uvicorn examples.langchain_server:server --host 0.0.0.0 --port 8080 --log-level info

示例使用 OpenAI/v1 模型连接，每次处理最新一条用户文本，不保存会话历史。AG-UI/OpenAI 请求及预期输出见 调用 Agent 服务。

框架执行流应使用对应的事件转换器，不要只提取文本。AG-UI 可表达消息边界、工具调用和工具结果；OpenAI Chat Completions 按其标准表达文本和工具调用，不提供独立的工具结果流式事件。会话历史的保存与恢复仍由应用或所用框架负责。

使用提示

• 在应用生命周期内复用 Core；异步应用使用 async with，同步应用可使用 with AgentCore.auto()。
• 普通同步调用和异步文本流见 模型调用示例；Responses 用法见 示例指南。
• 模型的工具调用、Responses 和 Embedding 支持情况取决于所选模型。
• 仅加载可信 Skill；不需要执行命令时设置 ALLOW_EXECUTE_COMMAND=false。
• 使用 logging.basicConfig(level=logging.INFO) 开启日志，不要记录 API Key 等敏感信息。

更多资源配置、框架依赖与运行命令见 示例指南。