chemark/ai-agent-book

何を解決するか

信頼性の高いAIエージェントを構築することは、見た目以上に困難です。エージェントは大規模言語モデル (LLM)、適切なコンテキスト、そして一連のツールを組み合わせる必要があり、エンジニアリングの詳細が非常に重要になります。本書は、基本概念から高度な協調や自己進化までを網羅し、理論から実用的なコードへ迷わず進めるよう、エージェントを理解し構築するための完全なハンズオンパスを提供します。

仕組み

本書は「Agent = LLM + context + tools」という核心的な公式に基づいて構成されています。全10章で構成され、各章には焦点となるテーマと実行可能なコードが含まれています。基礎（第1章）から始まり、コンテキストエンジニアリング（第2章）、ユーザーメモリと知識ベース（第3章）、ツールとMCP（第4章）、コーディングエージェント（第5章）、評価（第6章）、モデルのポストトレーニング（第7章）、エージェントの自己進化（第8章）、マルチモーダルとリアルタイムインタラクション（第9章）、そして最後にマルチエージェント協調（第10章）へと進みます。理論、実践的なガイダンス、そして92個のハンズオン実験を組み合わせて学習できます。一部の実験では外部リポジトリのクローンが必要ですが、READMEにはワンクリックでクローンできるコマンドと、開始に必要なAPIキープロバイダー（DeepSeek や Kimi など）のリストが記載されています。

対象読者

本書は、実践を通じてAIエージェントを学びたい開発者、学生、研究者を対象としています。ある程度のプログラミング経験があり、実験を実行し、構造化された学習パスに従う意欲のある方に適しています。効率的な読み方に関するアドバイスも含まれており、各章の実験には明確なラベル（実行可能、再現可能、または設計のみ）が付けられているため、自分の学習深度を選択できます。

ハイライト

• 核心的な公式：Agent = LLM + context + tools
• 10章にわたる92個のオープンソース実験
• コンテキストエンジニアリング、メモリ、ツール、コーディングエージェント、評価、ポストトレーニング、自己進化、マルチモーダル、マルチエージェントシステムを網羅
• より深い実験に必要な19個の外部リポジトリをクローンするためのワンクリックスクリプトを同梱
• 学習のヒントと、セットアップを容易にするためのAPIキー推奨事項を提供