pguso/agents-from-scratch

このリポジトリは、12のレッスンを通じて単一のエージェントを段階的に構築し、AIエージェントが実際にどのように機能するかを教える教育プロジェクトです。ローカルの言語モデルに対する単純なテキスト入出力呼び出しから始め、各レッスンで新しい機能（システムプロンプト、構造化出力、意思決定、ツール、ループ、メモリ、計画、アトミックアクション、依存関係グラフ、評価、テレメトリ）を追加していきます。

核心となる考え方は「魔法を使わない」ことです。すべてが明示的で読みやすいコードで構成されています。常に進化する agent.py ファイルを操作し、個別の complete_example.py で各レッスンの独立した例を確認します。このプロジェクトは、プログラミング経験はあるものの、エージェントフレームワークに混乱している開発者向けに設計されています。すべて GGUF モデルを使用してローカルで実行します（APIキーやクラウドは不要です）。

このプロジェクトの哲学は、エージェントとは人格ではなく、ループ、状態、制約であるという点です。推論を隠したり、モデルが「思考」していると主張したりすることを意図的に避けています。各レッスンは前のレッスンに基づいているため、順番に進めることを推奨します。

リポジトリには、哲学ドキュメント、クイックスタートガイド、メモリ、計画、ツール、評価、テレメトリ用の独立したモジュールを含むフォルダ構造が含まれています。これはフレームワークでもチャットボットのデモでも、本番環境向けのものでもなく、純粋に学習のためのものです。

主要ファイル：

• agent/agent.py – すべてのレッスンを通じて進化するメインの Agent クラス（プロジェクトの心臓部）。
• complete_example.py – 各レッスンの概念を個別に実証する12の関数。python complete_example.py で実行します。
• agent/evals.py – 既知の正常なケースに対する回帰テスト（レッスン11）。
• agent/telemetry.py – デバッグと可観測性のための構造化ログ（レッスン12）。

カリキュラムの内容：LLMの基礎（レッスン1〜3）、エージェンシー（意思決定、ツール、ループ — レッスン4〜6）、インテリジェンス（メモリ、計画、実行 — レッスン7〜10）、可観測性（評価とテレメトリ — レッスン11〜12）。

要するに、不透明なフレームワークを使わずに、AIエージェントのメカニズムを実践的に理解したい場合、このリポジトリはローカル環境でゼロからステップバイステップで構築する方法をガイドします。