コンセプトからプロダクションまで：フレームワーク非依存の AI Agent アーキテクチャパターンと実践ガイド
著者: Wayland Zhang
この本は何について書かれているか？
フレームワークのドキュメントではありません──エージェントシステムの設計パターンを理解するための実践ガイドです。
世の中の Agent チュートリアルの多くは以下のレベルで止まっています：
- API を叩いてチャットボットを作るデモ
- 特定フレームワークの設定マニュアルと API 翻訳
- プロンプトエンジニアリングテクニックの寄せ集め
これらは Agent を「使う」ことしか教えてくれず、本番環境で動く Agent システムを「構築する」方法は教えてくれません。
本番システムには以下の問いへの答えが必要です：
- 複数の Agent はどう連携する？ DAG、Supervisor、それとも Handoff？
- トークン予算をどう管理する？ 1回の呼び出し単位か、ワークフロー全体か？
- ツール実行が失敗したらどうする？ リトライ、フォールバック、それとも人間の介入？
- セキュリティはどう担保する？ サンドボックス分離、権限制御、監査ログ
本書はこれらの問いに答え、オープンソースプロジェクト Shannon で完全なコードリファレンスを提供します。
対象読者
| 読者タイプ | 得られるもの |
|---|---|
| バックエンドエンジニア | Agent システムをゼロから構築する完全なパス |
| アーキテクト | マルチ Agent オーケストレーションとエンタープライズガバナンスの設計パターン |
| テックリード | Agent ソリューションの評価・実装のための意思決定フレームワーク |
前提条件
- 必須：基本的なプログラミング能力 (Go/Python/Rust のいずれか)
- 必須：LLM の基礎知識 (トークン、プロンプト、Temperature)
- あると良い：REST/gRPC API の知識
- 不要：特定の Agent フレームワークの知識
この本が向いていない人：
- ChatGPT API を素早く叩きたいだけの人（公式ドキュメントを読んでください）
- プロンプトエンジニアリングのテクニック集が欲しい人（より専門的な資料があります）
- LLM の概念に触れたことがない人（まず基礎を学ぶことをお勧めします）
コンテンツ構成
本書は 9 パート、30 章 で構成されています：
| パート | テーマ | 主な内容 |
|---|---|---|
| Part 1 | Agent 基礎 | Agent の本質、ReAct ループ |
| Part 2 | ツールと拡張 | Function Calling、MCP、Skills、Hooks |
| Part 3 | コンテキストとメモリ | コンテキスト管理、メモリアーキテクチャ、会話設計 |
| Part 4 | 単一 Agent パターン | Planning、Reflection、Chain-of-Thought |
| Part 5 | マルチ Agent オーケストレーション | DAG、Supervisor、Handoff |
| Part 6 | 高度な推論 | Tree-of-Thoughts、Debate、Research |
| Part 7 | プロダクションアーキテクチャ | 三層設計、Temporal、オブザーバビリティ |
| Part 8 | エンタープライズ機能 | トークン予算、OPA ポリシー、WASI サンドボックス、マルチテナント |
| Part 9 | 最先端プラクティス | Computer Use、Agentic Coding、Background Agents |
Part1-Agent基礎/ Agent の概念、ReAct ループ
Part2-ツールと拡張/ Tools、MCP、Skills、Hooks
Part3-コンテキストとメモリ/ コンテキスト管理、メモリアーキテクチャ
Part4-単一Agentパターン/ Planning、Reflection、CoT
Part5-マルチAgent/ DAG、Supervisor、Handoff
Part6-高度な推論/ ToT、Debate、Research
Part7-プロダクション/ 三層アーキテクチャ、Temporal、オブザーバビリティ
Part8-エンタープライズ/ 予算制御、OPA、WASI サンドボックス
Part9-最先端/ Computer Use、Agentic Coding
付録/ ケーススタディ、テンプレート、フレームワーク比較リファレンス実装：Shannon
本書は Shannon をリファレンス実装として使用しています。Shannon は三層アーキテクチャのマルチエージェントシステムです：
Production-Grade Multi-Agent Orchestration with Temporal - Built with Rust, Go, and Python for deterministic execution and enterprise-grade observability.
Orchestrator (Go) - オーケストレーション、予算、ポリシー
Agent Core (Rust) - 実行、サンドボックス、レート制限
LLM Service (Python) - 推論、ツール、ベクトルShannon が唯一の選択肢ではありません。LangGraph、CrewAI、AutoGen でも同様のことができます。本書の目標は 設計パターン を教えることであり、Shannon の使い方を教えることではありません。
執筆理念
パターンが先、フレームワークは後。
フレームワークは古くなりますが、パターンは古くなりません。各章は以下の構成に従っています：
- まず問題を提示 — どんな場面でこの機能が必要か？
- 次にパターン — 汎用的な設計パターンは何か？（フレームワーク非依存）
- そして実装 — Shannon を例に一つの実装方法を示す
- 最後に比較 — 他のフレームワークは同じ問題をどう解決しているか
各章を読み終えたとき、どんなフレームワークでも同じパターンを実装できるようになっていれば——その章は成功です。
読み方ガイド
クイックスタート（2-3 日）
Part1 全部 → 第03章 → 第13章 → 第20章目標：Agent 基礎 → ツール呼び出し → マルチ Agent オーケストレーション → プロダクションアーキテクチャ
体系的学習（2-3 週間）
Part1-8 を順番に読み、Shannon コードで実践目標：単一 Agent からエンタープライズ級マルチ Agent システムまで完全にマスター
ホットトピック（1-2 日）
第04章 (MCP) → 第27章 (Computer Use) → 第28章 (Agentic Coding)目標：2025-2026 年の最もホットな Agent トピックを学ぶ
本書を通じたハンズオンプロジェクト
プロジェクト：インテリジェントリサーチアシスタント (Research Agent)
Part 1 から Part 9 まで、完全なリサーチアシスタント Agent を段階的に構築していきます：
| パート | プロジェクトの進化 | 能力のアップグレード |
|---|---|---|
| Part 1 | シンプルな Q&A Agent | 基本的な ReAct ループ |
| Part 2 | + ツール呼び出し | 検索、ファイル読み取り |
| Part 3 | + メモリシステム | マルチターン会話、履歴の呼び出し |
| Part 4 | + 自律的な計画 | タスク分解、反省的改善 |
| Part 5 | + マルチ Agent 協調 | 検索 + 分析 + ライティング Agent |
| Part 6 | + 高度な推論 | マルチソース比較、ディベート統合 |
| Part 7 | + プロダクションアーキテクチャ | Temporal 永続化、オブザーバビリティ |
| Part 8 | + エンタープライズガバナンス | トークン予算、権限制御 |
| Part 9 | + 最先端機能 | ブラウザ操作、コード生成 |
時効性について
AI Agent 分野は非常に速く進化しています。本書では変動性の高い内容を明確にマークしています：
時効性の注意 (2026-01): このセクションは MCP 仕様 v1.0 に基づいています。
コアとなるアーキテクチャパターンは比較的安定していますが、具体的な API やツールは変わる可能性があります。疑問がある場合は、公式ドキュメントを参照してください。
クイックナビゲーション
| リンク | 説明 |
|---|---|
| はじめに | なぜこの本を書いたか、執筆理念、誰が読むべきか |
| 第 1 章：Agent の本質 | 読み始める |
| Shannon OSS | リファレンス実装コード |
ライセンス
本書のコンテンツは CC BY-NC-SA 4.0 でライセンスされています。
付属コード Shannon OSS は Apache 2.0 でライセンスされています。
"The best way to learn is to build."