learn-claude-code: それが何であるか、解決する問題、そして注目を集めている理由

解決する課題

このプロジェクトは、AI エージェント用の「ハーネス」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。エージェンシーがプロンプトチェーンやノーコードワークフロービルダーによって作られるという誤解に対し、エージェンシーはモデル自体の属性であり、ハーネスはモデルが行動できるようにする運用環境（ツール、知識、権限）であると主張します。

仕組み

プロジェクトは、単一の不変な「エージェントループ」に基づく 20 の段階的レッスンとして構成されています。各レッスンは、コアループを変更せずにエージェントの能力を拡張する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:

• ツール化: 原子的かつ合成可能なツールの実装（例: bash、ファイル I/O）。
• コンテキスト管理: 長時間セッションに対応するためのコンテキスト圧縮とメモリサブシステムの実装。
• タスクオーケストレーション: 依存関係グラフとバックグラウンド実行を持つタスクシステムの作成。
• コラボレーション: 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設定。
• ガバナンス: 権限境界と承認ワークフローの確立。
• 統合: Model Context Protocol (MCP) を使用して外部機能をプラグイン。

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。単なるプロンプトエンジニアリングを超えて、特にソフトウェアエンジニアリング分野で自律的な AI エージェントを展開するために必要なプロフェッショナルグレードのインフラを構築する方法を学びたい開発者向けです。

ハイライト

• 段階的カリキュラム: シンプルな bash 対応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。
• ハーネス中心の哲学: 「ドライバー」（モデル）に知能を組み込もうとするのではなく、運用環境（「車両」）に焦点を当てる。
• 具体的実装: 各レッスンに実行可能な code.py ファイルと解説 README を含む。
• アーキテクチャパターン: サブエージェントの分離、オンデマンドスキルロード、ワークツリー分離のパターンを教える。

---

要約: AI エージェント用の運用インフラ（ハーネス）を構築する方法を学ぶ学習プロジェクトで、シンプルなエージェントループから複雑なマルチエージェント協調へと段階的に進めます。

タイトル: learn-claude-code: それが何であるか、解決する問題、そして注目を集めている理由