中文 · English · Español · Bahasa Indonesia · العربية · 繁體中文（台灣） · Русский · Tiếng Việt · தமிழ் · 日本語 ← 現在 · Türkçe · 한국어 · Magyar
Agent = LLM + コンテキスト + ツール — 本書はこの中核となる公式を軸に、全10章を通じて AI エージェントを原理からエンジニアリング実践まで解説します。本文、図版、93 個の付随実験はすべてオープンソースです。ぜひ自分の手で実験を動かしてみてください。
| 📚 基礎から本番まで 10 章 の本文 | 📂 93 個 の付随プロジェクト（70 個以上が単独実行可能） | 🌐 13 言語: 中 / 英 / 西 / インドネシア / アラビア / 繁體中文（台灣） / 露 / タミル / 越 / 日 / 土 / 韓 / ハンガリー |
|---|
📥 ダウンロード（全文、無料でオープンソース）。以下のリンクは常に
mainブランチの最新ビルドを指します。固定版は Releases ページを参照してください。
- 中国語（原版）: PDF · EPUB
- 英語（コミュニティ翻訳、@nsdevaraj、@whanyu1212）: PDF · EPUB
- スペイン語（コミュニティ翻訳、@santhreal）: PDF · EPUB
- アラビア語（コミュニティ翻訳、@TheSyBuilder）: PDF · EPUB
- 繁体字中国語（台湾）（コミュニティ翻訳、@tigercosmos）: PDF · EPUB
- ロシア語（コミュニティ翻訳、@ui99ru）: PDF · EPUB
- タミル語（コミュニティ翻訳、@nsdevaraj）: PDF · EPUB
- ベトナム語（コミュニティ翻訳、@toanalien）: PDF · EPUB
- 日本語（コミュニティ翻訳、@eltociear）: PDF · EPUB
- トルコ語（コミュニティ翻訳、@memisemre）: PDF · EPUB
- 韓国語（コミュニティ翻訳、@JeongJaeSoon）: PDF · EPUB
中国語の本文ソースは book/ にあります。英語/スペイン語/アラビア語/繁体字中国語（台湾）/ロシア語/タミル語/ベトナム語/日本語/トルコ語/韓国語版はコミュニティによる貢献であり（中国語原版より遅れる場合があります）、それぞれ book-en/、book-es/、book-ar/、book-zhtw/、book-ru/、book-ta/、book-vi/、book-ja/、book-tr/、book-ko/ にあります。
🔧 自分で PDF / EPUB をビルドしますか？（PDF には pandoc / xelatex / ElegantBook が必要）
-
EPUB: 共通のビルドスクリプトを使用します。EPUB ビルド手順 を参照してください
-
アラビア語 PDF:
cd book-ar && bash build_pdf.shでビルドできます -
本文ソース:
book/introduction.md（引言）、book/chapter1.md～book/chapter10.md（第1〜10章）、book/afterword.md（後記） -
ビルド: pandoc、xelatex、ElegantBook ドキュメントクラスと必要なフォントをインストールしてから、次を実行します
cd book && bash build_pdf.sh
図版は SVG ファイルとして
book/images/に保存され、ビルド時に直接使用されます。組版の詳細はbook/preamble.texとbook/*.luaを参照してください。
本書は中核となる公式 Agent = LLM + コンテキスト + ツール を軸に展開し、10章が段階的に積み上がります。
| 章 | テーマ | 一言でいうと | 本文 | コード |
|---|---|---|---|---|
| 1 | 🚀 Agent の基礎知識 | 「モデルこそが Agent」というパラダイム + Agent = LLM + コンテキスト + ツール。Harness エンジニアリングこそが真の競争力 | 読む | 4 |
| 2 | 🎯 コンテキストエンジニアリング | コンテキストが能力の上限を決める: KV Cache、プロンプトエンジニアリング、Agent Skills、コンテキスト圧縮 | 読む | 9 |
| 3 | 📚 ユーザーメモリと知識ベース | セッションをまたいでユーザーを記憶し、外部知識を接続する: ユーザーメモリ、RAG、構造化インデックス、ナレッジグラフ | 読む | 12 |
| 4 | 🛠️ ツール | ツールは Agent の両手: MCP プロトコル、知覚/実行/協調の3種類のツール、イベント駆動の非同期 Agent、能動的なツール発見 | 読む | 8 |
| 5 | 💻 Coding Agent とコード生成 | コードは「新しいツールを生み出せるツール」。本番グレードの Coding Agent の全体像 | 読む | 13 |
| 6 | 🎯 Agent の評価 | パフォーマンスを比較可能なシグナルに変える: 評価環境、指標、統計的有意性、評価駆動の選定 | 読む | 10 |
| 7 | 🧠 モデルのポストトレーニング | 事前学習/SFT/RL の3段階: いつ SFT を選び、いつ RL を選ぶか、ツール呼び出しの内在化、サンプル効率 | 読む | 14 |
| 8 | 🔄 Agent の自己進化 | 重みを変えずに成長する: 経験からの学習、ツールの利用者から創造者へ | 読む | 9 |
| 9 | 🎙️ マルチモーダルとリアルタイム対話 | テキストから音声、GUI、物理世界へ拡張する: 音声の3パラダイム、Computer Use、ロボティクス | 読む | 12 |
| 10 | 🤝 マルチ Agent 協調 | 集合知は個を上回る: 協調フレームワーク、コンテキストの共有/隔離、創発する「Agent 社会」 | 読む | 6 |
💡 読む = GitHub 上で章の本文（markdown）を読む。N = その章の付随プロジェクト数。クリックでコードを表示。プロジェクトの種類（✅ 単独実行 / 📖 再現 / 🚧 設計）は各章の README で説明しています。
📚 本書を効率的に読むには？ 学習のヒント（中核となる考え方、学習パス、難易度レベル、実践のヒント）を参照してください。
共通の対応範囲は Python 3.11～3.13 です。リポジトリのルートで章ごとに依存関係をインストールします。別の章では ch1 を ch2 ～ ch10 に置き換えてください。
# 推奨：コミット済みの uv.lock を使用し、再現可能な章別環境を構築
uv sync --locked --extra ch1
# uv を使わない場合：pip で pyproject.toml から再解決
python -m pip install -e ".[ch1]"モデルを呼び出す実験を実行する前に、その実験の README に従って認証情報を設定してください。ルート設定に対応する実験では .env.example を .env にコピーして少なくとも1つの provider key を入力できますが、一部の実験では実験ディレクトリ内の .env または環境変数の export が必要です。ローカル Ollama と --provider ollama は、その実験の README または CLI が明示している場合にのみ使用してください。
インストール後はリポジトリのルートから実験を実行できます。
uv run python chapter1/context/main.py
# pip でインストールした場合：python chapter1/context/main.pyuvの導入方法は公式ガイドを参照してください。pipも引き続き利用できますが、ロックファイルは使用しません。- 移行期間中は各実験の
requirements.txtも引き続きサポートします。単独プロジェクトや特殊なバージョン制約に適しています。 allは CPU 向けの広範な構成であり、すべての実験を含むわけではありません。uv syncは毎回現在の選択に正確に同期するため、特殊な extra は同じコマンドにまとめてください。例:uv sync --locked --extra ch2 --extra vllmまたはuv sync --locked --extra ch7 --extra unsloth。pip ではpython -m pip install -e ".[ch2,vllm]"です。- ブラウザ、CUDA、FFmpeg、Ollama、Playwright ブラウザ、外部リポジトリなどのシステム依存関係は各実験の README に従ってください。第8章の一部の同梱サードパーティコンポーネントには Python 3.12 以上が必要です。
学習を円滑に進めるため、いくつかのプラットフォームで API キーを申請することをおすすめします。モデル選定については このガイド を参照してください。
| プラットフォーム | リンク | 備考 |
|---|---|---|
| Kimi（Moonshot） | https://platform.moonshot.cn/ | Kimi シリーズ。長文コンテキストと Agent 能力に強い |
| Zhipu GLM | https://open.bigmodel.cn/ | GLM-4.6 など。中国語能力が高くコストパフォーマンスに優れる |
| Siliconflow | https://siliconflow.cn/ | さまざまなオープンソースモデル（DeepSeek、Qwen など） |
| Volcano Engine | https://www.volcengine.com/product/ark | ByteDance Doubao（クローズドソース）。中国国内で低レイテンシ |
| OpenRouter | https://openrouter.ai/ | Gemini / Claude / GPT-5 などにワンストップでアクセス（公式 API は海外 IP/決済が必要。OpenAI は海外での本人確認も必要） |
🧪 実験の実行状況、証拠、未達の受け入れ条件は
EXPERIMENT_STATUS.mdで別途管理しています。ソースコードの clone やインストールだけでは実験完了の証明になりません。
第6・7・9・10章のベンチマーク、訓練フレームワーク、ロボットプラットフォーム向けの23個の外部リポジトリは（サイズとライセンスの都合上）同梱されていません。対応するディレクトリに clone する必要があります。
🔧 clone コマンドを展開（23個の外部リポジトリ）
# 第6章 · 評価ベンチマーク
git clone https://github.com/google-research/android_world.git chapter6/android_world
git clone https://huggingface.co/datasets/gaia-benchmark/GAIA chapter6/GAIA
git clone https://github.com/xlang-ai/OSWorld.git chapter6/OSWorld
git clone https://github.com/SWE-bench/SWE-bench.git chapter6/SWE-bench
git clone https://github.com/sierra-research/tau2-bench.git chapter6/tau2-bench
git clone https://github.com/laude-institute/terminal-bench.git chapter6/terminal-bench
# 第7章 · 訓練フレームワーク（bojieli/* は書籍向けに調整された fork）
git clone https://github.com/bojieli/minimind.git chapter7/MiniMind-pretrain/minimind # 実験 7-3 LLM をゼロから訓練
git clone https://github.com/bojieli/minimind-v.git chapter7/MiniMind-pretrain/minimind-v # 実験 7-4 VLM をゼロから訓練（投影層）
git clone https://github.com/bojieli/AdaptThink.git chapter7/AdaptThink-original
git clone https://github.com/bojieli/AWorld.git chapter7/AWorld
git clone https://github.com/bojieli/SFTvsRL.git chapter7/SFTvsRL
git clone https://github.com/bojieli/verl.git chapter7/verl
git clone https://github.com/bojieli/SandboxFusion.git chapter7/SandboxFusion && git -C chapter7/SandboxFusion fetch origin 4a0d573ebd64c98234c190a9d1d49e4276199a0c && git -C chapter7/SandboxFusion checkout --detach 4a0d573ebd64c98234c190a9d1d49e4276199a0c && test "$(git -C chapter7/SandboxFusion rev-parse HEAD)" = "4a0d573ebd64c98234c190a9d1d49e4276199a0c" # Exp 7-15 code sandbox
git clone https://github.com/thinking-machines-lab/tinker-cookbook.git chapter7/tinker-cookbook
git clone https://github.com/19PINE-AI/rlvp.git chapter7/RLVP/rlvp # 実験 7-14 RLVP 論文コード
git clone https://github.com/PRIME-RL/SimpleVLA-RL.git chapter7/SimpleVLA-RL/SimpleVLA-RL # 実験 7-13 vision-language-action RL
# 第9章 · ブラウザ自動化と Claude サンプル
git clone https://github.com/browser-use/browser-use.git chapter9/browser-use
git clone https://github.com/anthropics/claude-quickstarts.git chapter9/claude-quickstarts
git clone https://github.com/Vector-Wangel/XLeRobot.git chapter9/XLeRobot && git -C chapter9/XLeRobot fetch origin 3d14695e40c9c68229c0aacffca6053c75cd3eb6 && git -C chapter9/XLeRobot checkout --detach 3d14695e40c9c68229c0aacffca6053c75cd3eb6 && test "$(git -C chapter9/XLeRobot rev-parse HEAD)" = "3d14695e40c9c68229c0aacffca6053c75cd3eb6" # Exp 9-7/9-9 shared
git clone https://github.com/Grigorij-Dudnik/RoboCrew.git chapter9/RoboCrew && git -C chapter9/RoboCrew fetch origin c749148f29bd14e61347f9fc3530c343fff0d994 && git -C chapter9/RoboCrew checkout --detach c749148f29bd14e61347f9fc3530c343fff0d994 && test "$(git -C chapter9/RoboCrew rev-parse HEAD)" = "c749148f29bd14e61347f9fc3530c343fff0d994" # Exp 9-8/9-9; RoboCrew v0.3.1
git clone https://github.com/StoneT2000/lerobot-sim2real.git chapter9/lerobot-sim2real && git -C chapter9/lerobot-sim2real fetch origin 87d6c1d969f6e0ca4dc5697940804e231118a63a && git -C chapter9/lerobot-sim2real checkout --detach 87d6c1d969f6e0ca4dc5697940804e231118a63a && test "$(git -C chapter9/lerobot-sim2real rev-parse HEAD)" = "87d6c1d969f6e0ca4dc5697940804e231118a63a" # Exp 9-11
# 第10章 · デュアル Agent アーキテクチャ（現在は独立した TalkAct プロジェクト）+ Stanford AI Town
git clone https://github.com/19PINE-AI/TalkAct.git chapter10/use-computer-while-calling
git clone https://github.com/joonspk-research/generative_agents.git chapter10/generative_agents # 実験 10-5 Stanford AI Townプロジェクトの README が特定のコミットを指定している場合は、再現性のためにそのバージョンへ
git checkoutしてください。第10章のuse-computer-while-callingは独立して保守される 19PINE-AI/TalkAct へと発展しました。本リポジトリにはポインタのドキュメントのみを残しています。
本書と付随コードは完全にオープンソースです。Pull Request を大歓迎します。
| 種類 | 備考 |
|---|---|
| 📝 本文の内容 | 誤字修正、加筆、より分かりやすい表現、あるいは新しい動向（本文は book/chapter*.md） |
| 🐛 コードの改善とバグ修正 | 付随プロジェクトをより堅牢に、使いやすく、本番対応にする |
| 🧪 新しい実践プロジェクト | 実験のより良い実装を追加/置換、あるいは新しいサンプルを提供 |
| 🎨 図版の設計 | book/images/ にコミット済みの SVG 図版を直接改善する |
| 🌐 新しい翻訳 | より多くの言語への翻訳を歓迎します。英語（book-en/）、アラビア語（book-ar/）、繁体字中国語/台湾（book-zhtw/）、ロシア語（book-ru/）、タミル語（book-ta/）、ベトナム語（book-vi/）、日本語（book-ja/）、トルコ語（book-tr/）、韓国語（book-ko/）を参考にしてください |
提出前に、該当する実験を実行して再現性を確認してください。まず issue を立ててアイデアを議論するのも歓迎です。
本プロジェクトは Apache License 2.0 の下でライセンスされています。詳細は LICENSE ファイルを参照してください。一部のサブプロジェクトには独自のライセンス情報が含まれる場合があります。詳しくは各サブプロジェクトを参照してください。
scripts/gen_star_history.py によって生成され、GitHub Actions によって毎日更新されます · 画像をクリックするとライブデータを表示