Annyfee/agent-craft

解決する問題

Agent Craft は、AI エージェントの概念を知っていることと、ゼロから構築できることの間のギャップに対処します。多くの学習者は理論を理解したり API を呼び出したりできますが、完全で実行可能なエージェントを組み立てるのに苦労します。このプロジェクトは、基本的な LLM 呼び出しから完全なエージェントシステムのデプロイまで、構造化されたモジュールごとの学習パスを提供します。

仕組み

プロジェクトは 15 の連続モジュール（現在 01〜13 が公開）で構成され、各モジュールには独立したコード、コメント、例があります。次のように進めます：

• 基礎：環境設定、LLM の呼び出し、関数呼び出しの有効化。
• フレームワーク層：LangChain を使用したプロンプト、チェーン、メモリ。次にベクターストア（FAISS、Chroma）とリランカーを使用した RAG。次に LangGraph を使用したステートフルでデバッグ可能なワークフロー（ヒューマンインザループやマルチエージェントオーケストレーションを含む）。
• インテリジェンス層：FastMCP と langchain-mcp-adapters を使用した MCP サーバーとクライアントの構築、および Swarm パターンと Agents SDK の探索。
• 実践プロジェクト：Streamlit を使用したチャット UI の構築。将来は LangGraph、RAG、MCP、Streamlit、Vercel を組み合わせた包括的なプロジェクトを予定。

各モジュールには、設計と主要メカニズムを説明する対応する CSDN ブログ記事が付属しています。プロジェクト全体は、ローカルで実行されるコードと理解しやすい原則を重視しています。

対象読者

これは、基本的な Python をすでに知っており、フレームワークを呼び出すだけでなく、AI エージェントを内部から理解したい開発者と学習者向けです。「概念を知っている」と「実際に構築する」の間で行き詰まりを感じたことがある場合、または API を呼び出せるが基盤となる推論と意思決定を理解したい場合、Agent Craft はあなたのために設計されています。

ハイライト

• 段階的な学習パス：プロンプトの基本からデプロイまでの 15 モジュール。各モジュールは独立して実行可能。
• フルスタックカバレッジ：LLM 呼び出し、関数呼び出し、LangChain、RAG、LangGraph、MCP、Swarm/Agents SDK、Streamlit。
• 実行可能なコード：各モジュールにはコメント付きでローカルで再現可能なコードが含まれています。
• 概念の説明：付随する CSDN ブログが設計の根拠とメカニズムを明確にします。
• 実世界の実践：カスタマーサービスのマルチエージェントクラスターとチャットダッシュボードを構築します。