はじめに
先日、Zennに「5層モデルで理解するAIエージェントの概念マップ」というBookを公開しました。
- 全18Chapter・22万文字
- 執筆期間：実質3日間
- 執筆ツール：Claude Code（AIエージェント）
「3日で22万文字？」と思われるかもしれません。
でもこれは、AIにすべて任せた手抜きではなく、AIと人間が役割分担して本気で作った本です。
その裏側のプロセスをまるごと公開します。
なぜ本を書こうと思ったか
きっかけは、自分の中にある生成AI知識がバラバラだったことです。
RAG、MCP、LangChain、Claude Code、A2A、Hooks…
毎月のように新しい概念が登場する中で、「これって結局、何をしているのか？」が曖昧なまま記事を読んでいました。
頭の中に概念の断片はある。でも地図がない。
「自分のために、知識を整理した地図を作ろう」
それが出発点でした。
本になるまでの7ステップ
Step 1：Claudeと会話して骨子を作成
最初はClaude（ブラウザ版）との対話から始まりました。
「生成AIの概念を体系的に整理したい」という曖昧なゴールを掲げながら、何度もやりとりを重ねながら骨子を作成しました。
この段階では「ざっくりこういうことを書きたい」という方向性が固まりました。
Step 2：トークン切れの待ち時間に「5層モデル」を思いつく
AIとの会話が長くなり、トークン上限に引っかかって待ち時間が発生。
その間にぼんやり考えていたところ、ふと気づきました。
「生成AIの概念って、層ごとに整理できるんじゃないか？」
第1層：LLM層（モデル自体）
第2層：通信層（APIのやりとり）
第3層：LLMオーケストレーション層（LLMを操るアプリ）
第4層：外部ツール層（MCPサーバー、RAG等）
第5層：UI・運用層（ユーザーが触る部分）
この5層モデルという構造が決まった瞬間、「これは記事じゃなくて本になる」と確信しました。
Step 3：5層モデルで執筆開始（Claude Code登場）
ここからClaude Codeが主役になります。
まず初期プロンプトで全体設計を伝えました（実際のプロンプトの一部）：
本フォルダにある複数のMDファイルを統合して、1個の記事にしたい。
ただし、１個のファイルへの出力は長くなりすぎるので、
アウトプット用のパスに各章単位で分割したMDファイルを作成して。
## アウトプット形式
かなり長大なレポートになるので、アウトプットは章ごとにmdファイル分けて。
./work/ に、ワーク中の中間ファイルを保存して。
./work/memo.mdなどに、 各Agentが作業中に気づいた内容をメモファイルとして残して。
./work/plan.md に作業計画を残して。
成果物は、
./output/ に章ごとにMDファイルを分けて書いて。
## タスクの進め方
Agent Teamsでタスクを処理して。
まずは、タスク計画を立てて。何をすべきか整理して。
その後、並列可能な個所は並列処理して記事を書いて。
その後、ハルシネーションがないかチェックするエージェントは、嘘を検知して。
また、各章の整合性が取れているか、校閲するエージェントは校閲して。
検知した嘘や、校閲内容は、./work/review.mdなどにに保存して。
その後、この修正内容をみて、出力結果をブラッシュアップして。
## 制約事項
・元ファイルを編集してはいけない。新規ファイルを作成して。
・中間ファイルも削除は禁止。不要になったら、その階層に/oldフォルダを作ってそこに移動して。
Claude Codeは並列でサブエージェントを立ち上げ、各章を同時に執筆し始めました。
作業中のタスク（並列実行）:
- Task 1: 01_LLM層.md作成
- Task 2: 02_通信層.md作成
- Task 3: 03_アプリ層.md作成
- Task 4: 04_外部ツール層.md作成
- Task 5: 05_プレゼンテーション層.md作成
- Task 6: 06_早見表.md作成
...（同時進行）
私がやることは、上がってくる成果物を確認してコメントするだけ。
Step 4：FactチェックAgent・整合性チェック
執筆が一段落したら、今度は検証フェーズです。
FactチェックAgent：各層ごとに並列で走らせ、事実誤認を検知
実際に見つかった誤りの例（review.mdより）：
| # | 問題の種類 | 詳細 |
|---|---|---|
| Hooksイベント数 | 事実誤り | 4種類のみ記載 → 実際は12種類 |
| SubagentStartのブロック可否 | 事実誤り | 「ブロック可能」→ 正しくは「ブロック不可」 |
| Anthropic URL参照 | 事実誤り | 「非対応」→ 2025年に対応済み |
| Gemini WebSocket | 事実誤り | 「非対応」→ Live APIで対応済み |
| Kiro Specs構成 | 事実誤り | 4要素 → 正しくは3ファイル |
整合性チェックAgent：各章間の矛盾を洗い出し
発見した問題（整合性チェック結果）:
- 04_c_Claude設定ファイル.md: 旧ファイル名への参照が残存
- 04_b_エージェント連携.md: 「構造化I/O層」（古い名称）が残存
- モデル名表記ゆれ: claude-sonnet-4-6 と claude-sonnet-4-20250514 が混在
- 07_Claude_Cowork.md と 07_f_その他製品.md でコンテンツが重複
これをやらずに公開していたら、かなりの誤情報が残っていたでしょう。
Step 5：人間とAIが協力して修正
Factチェック・整合性チェックの結果は、すべてwork/review.mdに蓄積。
修正は2パターンです：
AIによる修正：明確な事実誤りや表記ゆれはAIが直接修正
私による修正コメント：判断が必要なものはreview.mdに書き込んで方針を伝える
# review.mdへの私のコメント（実際の書き込み）
## 早見表の強化
６章の早見表に索引機能を持たせたい。
階層構造だけじゃなくて、本文で解説した章番号を追加するカラムをつくって
## セキュリティの検討不足
OWASP LLM Top 10 (2025) の5層マッピングについて、
なぜその層なのか、明示するため、最初から表を書かずに、
1個１個、そのリスクが起こるフロー図を5層モデルのマーメード図で示して
このコメントを読んだClaude Codeが、再度修正を実施。
このループを数回繰り返しました。
Step 6：Qiitaは断念、Zennへ
完成した原稿は全18Chapter・22万文字。
Qiitaに投稿するには、長すぎる記事が完成しました。
そこで、Zennのチャプター分割形式（Book）にすることで解決しました。
3日でできた理由
理由①：章を分割してAIを並列実行した
これが最大の理由です。
通常の執筆では「第1章を書いてから第2章へ」と直列で進みます。
でも章を独立したMDファイルに分けることで、Claude Codeが並列でサブエージェントを立ち上げ、複数章を同時に執筆できました。
第1章を書く Agent ─┐
第2章を書く Agent ─┤
第3章を書く Agent ─┼─→ 並列実行
第4章を書く Agent ─┤
... ─┘
さらに検証フェーズも同じ構造で並列化：
第1層 Factチェック Agent ─┐
第2層 Factチェック Agent ─┤
第3層 Factチェック Agent ─┼─→ 並列実行
第4層 Factチェック Agent ─┤
第5層 Factチェック Agent ─┘
私がやることは、次々と上がってくる成果物を見ながら、review.mdにコメントを書き込むことです。
理由②：最初に骨格（5層構造）を作ったのが良かった
「何を書くか」の構造が固まっていれば、あとはAIが肉付けできます。
逆に言えば、構造が曖昧なまま「書いて」と頼んでも、バラバラなものが出てくるだけです。
今回は「5層モデル」という一貫したフレームワークがあったので、各章がそのフレームに沿って書かれ、自然と整合性が取れました。
理由③：workフォルダで人間もAIもメモを残せる構造を作った
work/
├── plan.md # 作業計画（AI記入）
├── memo.md # 作業メモ（AI記入）
├── review.md # レビュー・指示（人間 + AI 混在）
├── review/ # レビュー履歴アーカイブ
├── prompt/ # 有用なプロンプトの保存
├── layer1_fact_check.md # 各層のfactチェック結果
├── layer2_fact_check.md
...
output/ # 成果物（章ごとのMD）
このwork/ディレクトリがAIと人間の共有作業台になりました。
- AIは実行中の気づきを
memo.mdに記録 - 人間（私）はレビューコメントを
review.mdに記入 - 次に立ち上げたAIが
review.mdを読んで続きを引き継ぐ
セッションをまたいでコンテキストが引き継がれるのが大きなポイントです。
完成した本の内容（ちょっと紹介）
生成AIに関わる様々な概念（RAG、MCP、LangChain、Hooks、A2A、サブエージェント…）を、5層モデルで整理したガイドです。
| 章 | 内容 |
|---|---|
| 第1層：LLM層 | モデルの種類、LoRA、Constitutional AI |
| 第2層：通信層 | OpenAI/Anthropic/Gemini APIの比較、プロンプト技術 |
| 第3層：LLMオーケストレーション層 | LangChain、Hooks、ワークフロー |
| 第4層：外部ツール層 | MCP、RAG（従来型 vs Tool型）、A2A、サブエージェント |
| 第5層：UI・運用層 | VSCode、Dify、監視・ログ |
| 早見表（6章） | 各製品がどの層に属するか |
| 製品解説（7章） | Claude Code、Cursor、Dify、ChatGPT、Kiro等を5層で解説 |
| 相性問題（8章） | なぜ相性問題が起きるか、５層構造で解説 |
| セキュリティ(9章) | OWASP LLM Top 10 (2025)を5層にマッピング |
| 付録（10章） | リンク集など |
やってみての気づき
良かった点：
- 「自分が整理したいから書く」という動機から、AIに具体的な指示を出せた
- 章単位の並列実行による効率化
- workフォルダによるコンテキスト引き継ぎ
- FactチェックAgent、整合性チェックAgentによる推敲
難しかった点：
- 記事の骨格は人間がしっかり考える必要あり
- 品質チェックは完全自動化できず、人間レビュー必須
まとめ
| 項目 | 内容 |
|---|---|
| 執筆期間 | 3日間（実働） |
| 文字数 | 約22万文字 |
| 使用ツール | Claude Code |
| 工夫 | 章の並列執筆 / Factチェックの並列検証 / workフォルダ共有 |
Claude Codeは「書いてくれるツール」じゃなくて「一緒に作るパートナー」 です。
構造を考えて、指示を出して、レビューして、方針を決める——これは人間の仕事。それ以外の実行部分をAIが担う。
そのスタイルで作ったのがこの本です。
今回執筆した本はZennで無料公開しています。生成AI概念の整理に役立てていただければ嬉しいです！
今回本を執筆したプロジェクトフォルダは、以下Githubに公開しています。