hardness1020/learn-agent-architecture

解決する課題

AIモデルは推論能力を持っていますが、単独でアクションを実行したり、状態を維持したり、ワークフローを管理したりすることはできません。このプロジェクトでは、LLMをツール実行、メモリ管理、複雑なタスクの調整が可能な機能的で自律的なエージェントに変えるために、LLMを包み込む不可欠なソフトウェアインフラストラクチャである「ハーネス」の仕組みを解明します。

仕組み

このリポジトリは、エージェントのアーキテクチャを24の段階的で独立したセクションに分解しています。各セクションは、問題の定義、メカニズムの解説、実際のシステムでの実装方法、一般的な障害モードの特定という一貫した構成に従っています。コードは累積的であり、提供されているデモを実行してセクション間の違いを比較することで、エージェントのループに新しい機能レイヤーがどのように追加されるかを正確に確認できます。

対象読者

現代のAIエージェントのメカニズムを理解したい開発者やエンジニア向けです。独自のエージェントを構築する場合でも、Claude Code や SWE-agent のような既存のシステムがどのように機能しているかを理解したい場合でも、このリポジトリはエージェント設計を習得するための明確なコードファーストのロードマップを提供します。

ハイライト

• 累積的な学習: 各セクションが前のセクションの上に構築されており、単純なループがどのように複雑な自律システムへと進化するかを確認できます。
• 実世界の例: Claude Code、Hermes Agent、deepseek-harness といった人気のあるエージェントフレームワークを研究し、理論的な概念を本番環境レベルのコードに落とし込んでいます。
• 実行可能なデモ: すべてのセクションに src/ フォルダが含まれており、ローカルでコードを実行してエージェントの動作をリアルタイムで観察できます。
• 包括的な範囲: 基本的なツール実行や権限管理から、サブエージェント、メモリサブシステム、グラフベースの制御フローといった高度なトピックまで、すべてを網羅しています。