ai-agent-book完全ガイド 全10章の読み方と実装コード検証

AI Agent 設計の本、どれから読めばいいか迷っていませんか。

2026年7月に公開された bojieli/ai-agent-book は、GitHubで20,800star超えを叩き出した中国発の全10章教科書で、書籍相当の PDF と92プロジェクトの実装コードが Apache 2.0 で全部無料公開されています。

日本語コミュニティ翻訳（book-ja/）まで完備されているのに、噛み砕いた日本語解説記事はまだ1本も出ていない、というのが今の状況です。

ai-agent-bookとは 20,800star超えの中国発AI Agent教科書

bojieli/ai-agent-book は Pine AI の Chief Scientist、李博杰さんが書いた『深入理解 AI Agent：设计原理与工程实践』の公式リポジトリです。

2026年7月13日に公開され、7月18-19日には GitHub Trending の Daily Repository of the Day と全言語1位を獲得。

2026年7月27日時点のスター数は20,800（Fork 2,100）で、公開2週間の伸びとしてはかなり異例です。

書籍は10章構成の PDF（v1.2）、Python で書かれた92個の実装コード、7言語の翻訳が Apache 2.0 で公開されています。

日本語版は book-ja/ にコミュニティ翻訳が揃っており、chapter1.ja.md から chapter10.ja.md に加え、序文・あとがき・思考問題の参考解答まで全部読めます。

GitHub - bojieli/ai-agent-book: 《深入理解 AI Agent：设计原理与工程实践》（李博杰 著）开源主仓库：全书正文、编译版 PDF 与按章配套代码

《深入理解 AI Agent：设计原理与工程实践》（李博杰 著）开源主仓库：全书正文、编译版 PDF 与按章配套代码 - bojieli/ai-agent-book

github.com

紛らわしい点として、waylandz.com/ai-agent-book-ja/ という別プロジェクトが検索で並ぶことがあります。

こちらは Wayland Zhang さんの Shannon / Kocoro ベース33章書籍で、李博杰さんの本とは別物です。

リポジトリ名 bojieli/ai-agent-book で確実に区別してください。

著者李博杰さんとTuring AI Agent Bootcampの背景

李博杰さんは Pine AI の Chief Scientist で、それ以前は Huawei の「天才少年」プログラムから始まり、Logenic AI の共同創業を経て現職に至った経歴の研究者です。

中国科学技術大学（USTC）と Microsoft Research Asia の共同博士課程で AI・システム研究をしており、AI と工学の両方に足がついた書き手というのが本書の骨格の太さに直結しています。

本書のベースは、2025年8月から10月に開催された Turing の AI Agent Bootcamp での講義内容です。

学生からのフィードバックを反映しながら「直感駆動から原理駆動へ」というスタンスで書かれており、動くデモを見せるだけで終わらず「なぜこの設計判断をするのか」を毎回問い直す構成になっています。

他の Agent 本と一番違うのがここです。

全10章の章立てと本書が示す核心公式

book-ja/ に揃っている全10章の日本語タイトルは以下です。

10章を通じて貫かれているコア公式は「Agent = LLM + コンテキスト + ツール」というシンプルな1本です。

LLM が脳で、コンテキストが目、ツールが手。

この3要素が揃った瞬間にモデルは Agent になる、という定義から本書は始まります。

実運用を考慮した拡張形として「Agent = LLM + [コンテキスト + ツール + 制約 + 検証 + 修正] = Model + Harness」という式も第1章で提示されます。

この Harness（土台）の部分こそが第2章以降で扱われる工学領域で、本書が「設計原理」の本を名乗る所以です。

92個の実装コードでどこまで追えるか

実装コードはリポジトリ内 code/ ディレクトリに92プロジェクトあり、そのうち70以上は独立に実行可能です。

Python で書かれていて、依存関係を揃えれば手元で動かせる構成になっています。

さらに第6章（評価）、第7章（後訓練）、第9章（マルチモーダル）、第10章（マルチ Agent）向けに、Android World・GAIA・OSWorld・SWE-bench といった評価基盤や訓練フレームワークの追加リポジトリが19個連携。

読んで理解した気で終わらず、動かして確かめるところまで踏み込める教材設計です。

第1章「AI Agent 入門」で最初に押さえるべき考え方

第1章の日本語版 chapter1.ja.md はブラウザで開けばそのまま読めるので、まず一度目を通すことを勧めます。

ここで押さえたい概念を、私の読み込みメモとして3点整理します。

1. Agent = LLM + コンテキスト + ツール

LLM が「決断する脳」、コンテキストが「状況を知覚する目」、ツールが「実世界に働きかける手」。

この3つが揃うと単なる推論エンジンだった LLM が Agent になる。

逆にどれか1つでも欠けていれば Agent とは呼べない、という定義の厳密さがまず気持ちいいところです。

1. ReAct ループ

「推論する → ツールで行動する → 結果を観察する → 次の推論に戻る」という基本のループ。

Claude Code の内部で毎回起きているのがまさにこれです。

ReAct を頭に入れておくと、Coding Agent のログを読んだときに「今どのフェーズか」が一発で分かるようになります。

1. Model + Harness

生産グレードの Agent は「Agent = LLM + [コンテキスト + ツール + 制約 + 検証 + 修正] = Model + Harness」と書ける。

Harness というのはモデルを囲む「制約・検証・修正」の工学的な土台のこと。

プロンプト工学だけでは詰められない、実運用の8割はこの Harness 設計で決まる、というのが本書の主張です。

コスト目線でも触れておくと、生産レベルの Coding Agent 設計を体系的に扱う技術書は3,000〜5,000円クラス、有識者の講座になれば1回3-5万円は普通に飛ぶ領域です。

書籍相当の PDF もコードも全部無料で、そこに「体系性」と「実運用視点」の両立を求めるなら、現時点でここに勝るものは見当たりません。

第2章以降の要点、92個の実装コードを実際に動かしての検証、Claude Code など Coding Agent を日常的に使うエンジニアがどう本書を翻訳して読むかは、このあと詳しく展開します。