datawhalechina/Agent-Learning-Hub

それは何か：

Agent-Learning-Hubは、実用的で信頼性の高いAIエージェントを構築したい人々のための、厳選されたREADMEのみの学習ロードマップです。Datawhaleメンバー（陳思州）によって維持されており、ランダムなリンク集になることを意図的に避け、実行可能なTODOリストとして整理されています。

核心理念：

このプロジェクトは、この分野が変化したと主張しています。旧式のロールプレイ/マルチエージェントフレームワーク（CrewAIスタイルの「クルー」など）ではなく、以下に焦点を当てることを推奨しています：

1. コーディングエージェント（Claude Code、Codexスタイル）— 最良の実世界エージェントエンジニアリングサンプル
2. エージェントハーネスエンジニアリング — ツールプロトコル、権限、状態、フィードバック、リプレイ、CI、評価
3. パーソナル常駐エージェント（OpenClaw、Hermesスタイル）— 長時間実行、ローカルファースト、クロスアプリ
4. プロトコル — スキル、MCP（ツール）、A2A（エージェント間）、ACP（ホストアプリ）
5. 評価と安全性 — 評価、トレース、権限境界なしでは、エージェントは単なるデモです

構造：

• 使用方法 — レベルに応じた4つのエントリーポイント（初心者、LLMアプリを既に知っている、プロジェクトを構築したい、リソースだけ欲しい）
• 学習TODOリスト — ステージ0（「エージェントとは何かを理解する」）からステージ8（「実際のエージェントをリリースする」）までの9つのステージ。各ステージにはチェックボックス、推奨読書、オープンソースプロジェクト参照、具体的な成果物が含まれます
• プロジェクトラダー — 電卓エージェントから本番ハーネスまでの11の難易度が上がるプロジェクト
• 厳選リソース — 公式ドキュメント/ブログ、プロジェクトマップ、スキル/プロトコルツール、現代のエージェントシステム、避けるべきまたはざっと読むべきレガシーフレームワーク、論文、GitHubリポジトリ

主要な視点：

• 古いCrewAI/AutoGenスタイルのロールプレイフレームワークに過度に投資しないでください — 理解はするが、主要な道にしないでください
• エージェントの能力は主にハーネスから来るのであって、モデルだけからではない
• ツール（呼び出し可能なインターフェース）、スキル（再利用可能な手順知識）、MCP（外部ツール/データ接続）、A2A（エージェント間）を区別する
• 評価と安全性は本番エージェントにとって交渉の余地がない

対象読者：

• 段階的な進歩を望む初心者
• 基本的なAPI呼び出しから完全なエージェントシステムにレベルアップしたいLLMアプリ開発者
• 具体的なプロジェクトで練習したいビルダー

コンテンツ詳細の注記： READMEには具体的なチェックリストが含まれています（例：ステージ1：50〜150行の最小エージェントループを構築する；ステージ5：名前、説明、手順、受け入れ基準を含むSKILL.mdを書く；ステージ7：少なくとも20タスクの評価テーブルを作成する）。また、厳選された論文リスト（ReAct、Toolformer、Reflexion、Generative Agents、Voyager、AgentBench、WebArena、SWE-bench、GAIA、OSWorld、τ-benchなど）と、研究すべき現代のエージェントシステムを維持しています。

トーン： 実用的で、意見があり、キャリア志向 — 中立的な集約ではなく、何に時間を投資すべきか、何をスキップすべきかを読者に明確に伝えます。