learn-claude-code: それは何であり、どのような問題を解決し、なぜ注目を集めているのか

解決する問題

このプロジェクトは、AIエージェントのための「ハーネス（harnesses）」を構築するための包括的な教育フレームワークを提供します。エージェンシー（主体性）はプロンプト・チェイニングやノーコードのワークフロー・ビルダーを通じて作成されるという誤解に対し、エージェンシーはモデルの特性であり、ハーネスはモデルが行動することを可能にする運用環境（ツール、知識、および権限）であると主張しています。

仕組み

このプロジェクトは、単一の一定した「エージェント・ループ」に基づいた、20の段階的なレッスンで構成されています。各レッスンでは、コア・ループを変更することなく、エージェントの能力を強化するための新しいメカニズムを導入します。これらのメカニズムには以下が含まれます：

• Tooling: アトミックで構成可能なツール（例：bash, file I/O）の実装。
• Context Management: 長いセッションを処理するためのコンテキスト圧縮およびメモリ・サブシステムの構築。
• Task Orchestration: 依存関係グラフとバックグラウンド実行を備えたタスク・システムの構築。
• Collaboration: 非同期メールボックスと共有通信プロトコルを備えたエージェント・チームの構築。
• Governance: 権限の境界と承認ワークフローの確立。
• Integration: Model Context Protocol (MCP) を使用して外部機能をプラグインとして追加。

対象者

これは「ハーネス・エンジニア」向けに設計されています。つまり、単純なプロンプト・エンジニアリングを超え、特定のドメイン、特にソフトウェア・エンジニアリングにおいて自律型AIエージェントをデプロイするために必要なプロフェッショナル級のインフラストラクチャを構築する方法を学びたい開発者です。

ハイライト

• Progressive Curriculum: 単純なbashを有効にしたループから、包括的なエージェント・ハーネスへと至る20ステップのパス。
• Harness-Centric Philosophy: モデル（「運転手」）に知能をエンジニアリングしようとするのではなく、運用環境（「車両」）に焦点を当てています。
• Concrete Implementations: 各レッスンに実行可能な code.py ファイルと解説付きのREADMEが含まれています。
• Architectural Patterns: サブエージェントの分離、オンデマンドのスキル・ローディング、およびワークツリーの分離のためのパターンを伝授します。