freeCodeCamp.org·January 6, 2026

freeCodeCamp: AIエージェント構築の完全ガイド - 2時間クラッシュコース

AIエージェントをゼロから構築する包括的なチュートリアル：LLM呼び出し、メモリ、ツール、アーキテクチャパターン、そしてAI時代においても人間が重要である理由。

agents tutorial enterprise automation knowledge-work

freeCodeCamp: AIエージェント構築の完全ガイド - 2時間クラッシュコース

なぜエージェントはこれまでのAIとは根本的に異なるのか

Tech42のMachine Learning Architect（元神経科学博士課程出身）であるRolaが、誇大広告を排除したエージェントAIのマスタークラスを提供します。これは概念的な概要ではありません。エージェントがチャットボット、ワークフロー、従来のMLとどう異なるかを示す、動作するPythonコードを使った実践的なチュートリアルです。

重要な洞察： "An agent has dynamic control flow devised by the LLM at runtime, whereas a workflow is predefined coded graphs."（エージェントはLLMが実行時に考案する動的な制御フローを持つのに対し、ワークフローは事前定義されたコード化されたグラフです）この一つの区別が、エージェントを使うべき時（そして使うべきでない時）のすべてを説明しています。

生成AIブームの独自性について： 以前のMLの波は技術的スキルを必要としましたが、"even my mother who has never touched a computer knows what ChatGPT is and uses it on her phone."（コンピュータに触れたことのない私の母でさえ、ChatGPTが何かを知っていて、スマホで使っています）この民主化は、これらのモデルが人間の言語をインターフェースとして使用しているために起こりました。

これを可能にした変化について： 3つの柱が同時に進歩する必要がありました。データ（メガバイト→ペタバイト）、モデルサイズ（数百万→数兆のパラメータ）、そして計算能力（逐次処理→Transformerによる並列学習）です。GPT-4の1.8兆パラメータは3ヶ月間学習されました。Transformer論文による並列化がなければ、私たちはまだ待っていたでしょう。

エージェントループについて： コアはシンプルです。計画、実行、観察、繰り返し。"You give it a task, it uses the LLM to plan and decompose that task, it acts with tools, observes the output, and loops until the solution is achieved."（タスクを与えると、LLMを使ってそのタスクを計画・分解し、ツールで行動し、出力を観察し、解決策が達成されるまでループします）

すべてのエージェントに必要な4つのコンポーネント

このチュートリアルでは、すべてのエージェント実装に共通して現れる要素を特定しています：

目的/ゴール - 解決するタスク（システムプロンプト）
推論/計画 - 「脳」としてのLLM
メモリ - 短期（コンテキストウィンドウ）と長期（外部ストレージ）
ツール/アクション - LLMの能力を拡張する関数、API、データ取得

LLMのステートレス性について： ライブデモがこれを証明します。LLMにあなたの名前を聞き、会話の後で再度尋ねてみてください。メモリ管理がなければ、忘れてしまいます。これが、コードがすべての会話ターンをコンテキストウィンドウに追加する理由です。

ツールによる能力拡張について： LLMには学習のカットオフ日があります。天気、現在の日付、時刻を教えることができません。ツールは外部APIへのアクセスを与えることでこれを解決します。デモでこれが動作する様子が示されます：「今何時？」→ツール呼び出し→「1:43」

エージェントが機能する時（そして機能しない時）

これが最も実践的なセクションです。エージェントとワークフローのどちらを使うべきかの判断フレームワークです：

ワークフローを使う場合：

ミッションクリティカルまたはエラーに敏感なアプリケーション
決定論的な結果を必要とする規制産業
レイテンシに敏感なシステム
コストに敏感なプロジェクト（見積もりが容易）
問題の解決方法が正確にわかっている場合

エージェントを使う場合：

エラーが許容される
実行パスをコード化するのが難しい
より良いパフォーマンスが必要（エージェントのループ = 平均的により良い結果）
コストが主要な制約ではない
モデル主導の意思決定が許容される

確認すべき重要な質問：

タスクのパスは予測可能か？
その価値はコストに見合うか？
レイテンシは重要か？
エラー許容度は許容範囲か？

マルチエージェントアーキテクチャ：SupervisorとSwarm

このチュートリアルには、2つのアーキテクチャパターンのライブコスト比較が含まれています：

Supervisorアーキテクチャ： 1つのSupervisorエージェントが専門エージェント（加算、乗算、除算）に委譲します。エージェント同士は直接通信できません。すべてがSupervisorを経由します。結果：16ホップ、10エージェントアクション、6転送、約8,000入力トークン。

Swarmアーキテクチャ： すべてのエージェントが互いに直接通信できます。結果：8インタラクション、2転送、約5,000入力トークン。

ガイダンス： シンプルなタスクにはSwarmの方が安価です。しかし、複雑さが増すにつれて、Supervisorアーキテクチャの方がソリューション空間がより制約されているため、デバッグが容易になります。"If you can get away with a single agent, you should try to get away with a single agent just because of the overhead."（単一エージェントで済むなら、オーバーヘッドのために単一エージェントで済ませるべきです）

標準化の推進：MCP、A2A、AGUI

エージェントインターフェースが標準化されつつあります：

MCP (Model Context Protocol) - ツールとデータのためのAnthropicのプロトコル、現在はOpenAIとともにLinux Foundationに寄贈
A2A (Agent2Agent) - Googleのエージェント間通信プロトコル
AGUI - Copilot、Crew AI、LangChainからの人間-エージェントインタラクション標準

"Think of it as a USB or HDMI portal. If interfaces are the same, we can plug and play different systems."（USBやHDMIポートのようなものと考えてください。インターフェースが同じであれば、異なるシステムをプラグアンドプレイできます）これにより、エコシステム全体でツールを共有できるMCPハブが可能になります。

誰も話したがらない課題

このチュートリアルは実際の問題から目を背けません：

2025年のインシデントから：

Replitエージェントがコードフリーズ後に本番環境を削除（回答：「すみません、パニックになりました」）
Air Canadaがチャットボットの誤ったアドバイスに対して責任を問われる
400億ドルのGenAI製品がビジネス価値を提供していないと報告

評価の複雑さについて： 評価すべき3つの層があります。LLM自体（幻覚、精度）、エージェントシステム（ツール選択、タスク完了）、そしてアプリケーション（レイテンシ、コスト、UX）。それぞれ異なる評価アプローチが必要です。

エラーの複合について： エージェントが複雑なタスクで間違った方向に進むと、エラーが複合します。予測可能なパスを持つワークフローとは異なり、エージェントのデバッグは複雑になる可能性があります。

エージェントはあなたの仕事を奪うのか？モラベックのパラドックス

Microsoft Researchの2025年7月の研究は、AI適用性で仕事をランク付けしました：

高い適用性： 校正者、編集者、数学者、データサイエンティスト、Web開発者 低い適用性： 看護助手、皿洗い、屋根職人、床研磨工

これはモラベックのパラドックスと一致します：人間にとって難しいことはAIにとって簡単であり、その逆もまた然りです。人間は6ヶ月でハイハイし、1歳で歩きます。これらは古い進化的スキルです。チェスや哲学は新しく選択的です。AIはこれを逆転させます。1997年にチェスチャンピオンを破りましたが、ロボットを確実に歩かせることにはまだ苦労しています。