シリーズのご紹介
Build AI Agents: From Zero to Production は、最も基本的な概念から、実稼働環境で実行される複雑なマルチエージェント システムまで、AI エージェントの構築に役立つ現実的な旅です。
理論とアーキテクチャに焦点を当てた「AI & LLM」シリーズとは異なり、このシリーズは 100% 実践です。各レッスンは実際のプロジェクトであり、各コンセプトにはすぐに実行できるコードが含まれています。
🎯 目標: 完了すると、あらゆるユースケースに対応した実稼働対応の AI エージェント システムを構築してデプロイできます。
何を学ぶのですか?
パート 1: エージェント プラットフォーム — 構築する前に理解する
- レッスン 1: エージェントとは何ですか?チャットボット、エージェント、副操縦士を区別する
- レッスン 2: LLM API マスタークラス: OpenAI、Claude、Gemini — 3 つすべてをマスターする
- レッスン 3: エージェント向けプロンプト エンジニアリング: システム プロンプト、ペルソナ、ReAct パターン
パート 2: 関数呼び出しとツールの使用
- レッスン 4: 関数呼び出し — エージェントに世界と対話するための「手足」を与えます
- レッスン 5: カスタム ツール: Web 検索、コード実行、API 統合
- レッスン 6: エージェント ループ — 思考、行動、観察のループを最初から実装する
パート 3: RAG とメモリ — エージェントにメモリを与える
- レッスン 7: RAG for Agent: ナレッジ ベースを ChromaDB、Qdrant に接続する
- レッスン 8: エージェントの記憶: 短期、長期、エピソード記憶のアーキテクチャ
パート 4: エージェント フレームワーク
- レッスン 9: LangChain と LangGraph: グラフベースのオーケストレーションを使用したステートフル エージェント ワークフロー
- レッスン 10: CrewAI: 相互に協力する AI エージェントの「チーム」を構築する
- レッスン 11: 高度なパターン: 計画、振り返り、自己修正
パート 5: MCP、A2A、およびマルチエージェント システム
- レッスン 12: モデル コンテキスト プロトコル (MCP): エージェントのユニバーサル接続標準
- レッスン 13: エージェント間 (A2A): エージェントがフレームワークを越えて通信するためのプロトコル
- レッスン 14: マルチエージェント オーケストレーション: アーキテクチャとデザイン パターン
パート 6: 本番環境と実際のデプロイメント
- レッスン 15: ガードレールと安全性: 薬剤を即時注射や幻覚から保護する
- レッスン 16: 可観測性と評価: トレース、ロギング、LLM-as-a-Judge
- レッスン 17: エージェントを本番環境にデプロイする: FastAPI、Docker、クラウド
- レッスン 18: Capstone プロジェクト: 完全なエンドツーエンドの AI エージェント チームを構築する
入力が必要です
- 中級 Python (非同期/待機、デコレータ、クラス、エラー処理)
- LLM の基本的な理解 (ChatGPT/Claude API とは何かを知る、または「AI & LLM」シリーズを完了する)
- 少なくとも 8GB の RAM を搭載したコンピューター (GPU は必要ありません - ほとんどは API 経由で実行されます)
- OpenAI/Anthropic/Google AI アカウント (ほとんどのレッスンには無料枠で十分です)
使用したツール
Python 3.11+ | Ngôn ngữ chính
OpenAI SDK | GPT-4o, Function Calling
Anthropic SDK | Claude, Tool Use
Google GenAI | Gemini, Grounding
LangChain | Chain & Agent framework
LangGraph | Stateful graph-based workflows
CrewAI | Multi-agent orchestration
ChromaDB / Qdrant | Vector databases
FastAPI | API server
Docker | Containerization
LangSmith | Observability & tracing
このシリーズは「AI & LLM: 基礎から応用まで」とどう違うのですか?
| AI&LLMシリーズ | AI エージェントを構築する | |
|---|---|---|
| 焦点 | 理論 + アーキテクチャ LLM | 実用的なエージェント アプリケーションを構築する |
| オブジェクト | AI初心者 | LLM の基本をすでに理解している |
| 練習 | コードは概念を示しています | レッスンごとの実際のプロジェクト |
| 出力 | LLM の仕組みを理解する | エージェントプロジェクトのポートフォリオを持っています |
| テクノロジー | PyTorch、トランスフォーマー | LangGraph、CrewAI、MCP、A2A |