Token导航 LogoToken导航TokenDH.com
Strands Agents Manim logo
AI代理stdio官方级别未说明来源级核验

Strands Agents Manim

MCP Server

一个使用AWS Strands、Manim和MCP构建的自主代理,用于根据自然语言数学查询生成高质量数学动画视频。

工具数

0

提示词数

0

GitHub Stars

1

资源数

0
PythonAI代理工作流自动化

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

DanielPuentee

提供方

DanielPuentee

最后核验

2026/5/17 20:19

运行时

Python

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

uv run start_mcp_server.py

详细介绍

🧶 Strands Agents+MCP教程——Manim可视化

*一个最小的端到端教程,用于构建一个使用AWS Strands、Manim和MCP生成数学动画的自主代理。*

python AWS Strands Manim MCP uv

![Code style: black](https://github.com/psf/black)

作者 丹尼尔·普恩特·维耶霍

______________________________________________________________________

🎯 目标

此存储库显示了如何 结合AWS Strands代理和Manim 使能够 模型驱动可视化 使用 模型上下文协议(MCP). 我们将构建一个自主代理,接受自然语言数学查询,并编排一个本地渲染引擎,使用 原生AWS基岩模型.

______________________________________________________________________

🧠 核心理念

我们从硬编码的工作流程转向流畅的、4步自主流程:

  1. 查询: 您提供提示(例如。, *创建一个网格和一个单位正方形。将剪切变换矩阵\[\[1,1\],\[0,1\]\]应用于网格,以显示空间是如何变形的*).
  2. 工具使用:Strands特工 使用MCP工具编写必要的Python/Manim代码。
  3. 执行: 本地MCP服务器接收代码并运行渲染引擎。
  4. 世代: 将生成一个视频文件并保存到您的输出文件夹中。

______________________________________________________________________

🧩 需求

此项目使用 紫外线 用于依赖性管理。

  • 环境变量:

创建 .env 使用您的AWS凭据创建文件:

  AWS_ACCESS_KEY_ID=
  AWS_SECRET_ACCESS_KEY=
  AWS_REGION=

______________________________________________________________________

🚀 如何跑步

该项目由以下人员设立 pyproject.tomluv.lock。您需要两个终端窗口才能同时运行代理和服务器。

1.启动MCP服务器

在第一个终端中,启动处理Manim引擎的服务器:

uv run start_mcp_server.py

2.运行代理

在第二个终端中,启动客户端应用程序以开始与代理聊天:

uv run app.py

______________________________________________________________________

📃 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

目录标签

目录标签

PythonAI代理工作流自动化数学动画本地部署AWSStrands自主代理ManimMCP

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

none

运行时(runtime,运行环境)

Python

工具数量(toolCount,工具数)

0

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdionone部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

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。

来源信息

继续浏览同类 MCP