decodingai-magazine/building-a-coding-agent-from-scratch-course

このプロジェクトの概要

オープンソースで無料で実行できるコース（記事8本、ビデオ6本、Apache-2.0ライセンス）で、プロジェクト内のコードを読み取り、編集、実行できるAIであるコーディングエージェントをゼロから構築する方法を学びます。結果はdecode、あなた自身が構築する実用的なコーディングアシスタントです。このコースはDecoding AIによるもので、Modal、Opik、Kitaruの技術的支援を受けています。

核となる考え：「ハーネス」が重要

このプロジェクトは、強力で証拠に裏付けられた主張をしています。AIモデル自体は約20行のコードに過ぎません。モデルがプロンプトを読み、呼び出すツール（ファイルの読み取り、コマンドの実行など）を決定し、繰り返す単純なループです。困難で興味深い作業は、そのループの周りのすべて、つまりツール、権限チェック、メモリ管理、サンドボックス、エラーハンドリングです。その周囲のシステムはハーネスと呼ばれ、READMEはハーネスを改善するだけで、コーディングエージェントがベンチマークで約30位からトップ5に上がったと主張しています。このコースでは、そのハーネスを設計する方法を教えます。

構築するもの

decodeという完全なコーディングエージェントで、以下を備えています。

• 2つのインターフェース： 対話型ターミナルUIと、Modalにデプロイされたリモートサーバーレスモード（多くのエージェントを並列実行でき、手動、Webhook、またはスケジュールでトリガー）。
• 6つのサポートモジュール： LLMプロバイダー、メモリ、スキル（再利用可能な指示セット）、サンドボックス、権限、および高速なエディタ風フィードバックのためのLSPサーバー。
• コンテキストエンジニアリング： 会話がモデルのコンテキストウィンドウの約80%に達したときに自動要約、さらにメモリとスキルの読み込み。
• サブエージェント： コードの探索、計画、レビューに特化したヘルパーエージェントで、それぞれが肥大化したウィンドウではなく、焦点を絞った小さなコンテキストウィンドウを受け取ります。
• 可観測性と評価： すべてのセッションが記録され、リプレイ可能です。コードはOpik（トレーシング）とKitaru（リプレイ）を統合し、ベンチマークと回帰検出のための評価ハーネスを含みます。

技術スタック

• 言語： Python
• エージェントフレームワーク： Pydantic AI
• LLM： 3つの交換可能なプロバイダー — Modal（SGLangを介してオープンウェイトモデルを自己ホスト）、OpenRouter（サービスとしてのオープンウェイト）、またはGemini（プロプライエタリ）
• サンドボックス： ローカルDockerまたはリモートModalサンドボックス — エージェントのコマンドは決してあなたのマシン上で直接実行されません
• デプロイメント： Modalサーバーレス関数
• 記録/評価： Kitaru（セッション、リプレイ）、Opik（トレーシング）

他のすべては意図的にゼロから構築されています。このコースは、困難な部分を抽象化するフレームワークを避けています。

8つのレッスン（各レッスンに記事、ほとんどにビデオ）

#	トピック	学ぶこと
1	システム設計	ハーネス全体をスケッチ：ヘッドレスコア、6つのモジュール、2つのインターフェースモード、評価レイヤー。
2	最小限のエージェントループ	エージェントは、操作可能なTUIで9つのツールと3つの交換可能なLLMプロバイダーをループします。
3	サンドボックス	ツールはDockerまたはModalサンドボックス内で実行されます — ホスト上では決して実行されません。
4	コンテキストエンジニアリング	メモリを読み込み、スキルを呼び出し、LSP診断を読み取り、ウィンドウの80%で自動圧縮します。
5	サブエージェント	並列Exploreサブエージェントを展開；ビルド、プラン、コードレビュアーのペルソナを切り替えます。
6	デプロイメント	ヘッドレスハーネスをModalでリモート実行し、CLI、Webhook、またはcronでエージェントをトリガーします。
7	評価	エージェントのベンチマークと回帰テストを構築します。
8	回帰成長	実際の失敗したエージェントトレースを新しい回帰テストに変換し、Kitaruリプレイを使用して実行を比較します。

今すぐ試す

完成したエージェントにはデモスキルが付属しています。クローンして（無料で）インストールし、約5分でdecodeがプレイ可能なスネークゲームを構築したり、Web記事をインタラクティブな知識グラフにスクレイピングしたり、GitHubデータをダッシュボードに取得したりするのを見ることができます — すべて単一のプロンプトから。

git clone https://github.com/decodingai-magazine/building-a-coding-agent-from-scratch-course.git
cd building-a-coding-agent-from-scratch-course
make install
cp .env.example .env   # LLM APIキーを設定
uv run decode

次に/demo-と入力してデモを選択します。

対象読者

READMEは遊び心のある警告を発しています：コーディングハーネスをゼロから構築すると、金融、医療、電子商取引など、他のAI製品を構築する際に「危険なほど優れている」可能性があります。レッスンは、コードが何をするかだけでなく、各設計決定がなぜ行われたかを強調しています — 例えば、なぜ圧縮が限界ではなく約80%で発生するのか、なぜサブエージェントがコンテキストエンジニアリングの問題なのか。