はじめに
半年ほど前、社内のコードレビューを補助するエージェントを自分で組んでみた。Claude Code を毎日使っていたので、同じようなものは週末で作れるだろうと思っていた。結果は散々だった。ツール呼び出しが同じファイルを何度も読み直し、20分で数十万トークンを消費して、最後に出てきたのは「変更点はありません」という一行。
原因を追いかけて分かったのは、自分がエージェントを「LLM にツールを渡したもの」くらいの解像度でしか理解していなかったことだ。どこまで自律させるか、履歴をどう圧縮するか、失敗をどう検知して打ち切るか。この手の設計判断を全部すっ飛ばしていた。フレームワークのチュートリアルを写経しても、そこは埋まらない。
Claude Code や Codex が便利なのは、汎用の作業をうまく片付けてくれるから。ただ自分たちの仕事は、契約書のレビューだったり問い合わせ対応だったり、もっと狭くて泥臭い領域にある。そこに効くエージェントは結局自分で作ることになる。使えるパターンは同じなのに、知らないと組み立てられない。
そこで腰を据えて何冊か読んだ。今回はその中から、実装に直結した5冊を「パターンの語彙 → 設計原理 → 外部接続 → モデルの中身 → 現場適用」という自分なりの順番で並べて紹介する。
① 生成AIデザインパターン ―AIエージェント構築、アプリケーション開発のベストプラクティス — Valliappa Lakshmanan, Hannes Hapke
著者の Lakshmanan は Google Cloud でデータ分析部門を率いた経歴を持ち、機械学習の設計パターン本でも知られている。Hapke は機械学習パイプラインの実務書を書いてきたエンジニアだ。
内容は生成AIの設計パターンを32個、問題と解決策のフォーマットで整理したもの。エージェント固有の話は一章分だけで、残りは出力の制御、RAG、Chain-of-Thought や Tree-of-Thought といった推論戦略、信頼性、ガードレールに割かれている。
一見エージェントから遠いようだが、順番としてはここが最初だと思う。エージェントは要するにこうした下位のパターンを組み合わせた構造物で、暴れたときに疑うべき場所もパターン単位で見えてくる。自分の失敗も、振り返ればガードレールと再試行の設計が抜けていただけだった。
日本語で読めるのも大きい。用語の当て方が丁寧なので、チーム内で設計の話をするときの共通語彙として配りやすかった。
刺さったのは、各パターンに「使わない方がいいケース」が併記されているところ。RAG を入れれば精度が上がると思い込んでいた自分には効いた。
こんな人に: エージェントの前に生成AIアプリの設計語彙を固めたい人。
② Designing Multi-Agent Systems: Principles, Patterns, and Implementation for AI Agents — Victor Dibia
著者は Microsoft Research のリサーチソフトウェアエンジニアで、GitHub で5万スター超の AutoGen と AutoGen Studio を作った人物。フレームワークを内側から2年作り続けた蓄積がそのまま本になっている。
全15章を通して、エージェントフレームワークを自分の手でゼロから組み立てていく構成だ。エージェント本体、ツール、メモリ、構造化出力、コンピュータ操作、決定論的なワークフロー、自律的なオーケストレーション。特定のフレームワークの使い方ではなく、フレームワークが内部で実装しているパターンを扱う。
オーケストレーション戦略が6種類整理されているのが実用的だった。全部を自律に任せる必要はなく、手順が決まっている部分は決定論的に流す。この線引きの基準が言語化されていたおかげで、自分のエージェントの暴走箇所をワークフローに書き換えられた。
評価の章も濃い。最終出力だけ見るのでは足りなくて、途中の行動列を見るトラジェクトリ評価と LLM を審判に使う手法が並ぶ。MCP と A2A のプロトコルにも触れている。
英語で約395ページあるので軽くはない。ただ付属リポジトリに自作フレームワークの実装と、Microsoft Agent Framework や LangGraph での等価コードが揃っているので、コードを追いながら進めれば読み切れる。
こんな人に: 自分の領域向けの「Claude Code 相当」を本気で作りたい人。
③ AI Agents with MCP: Model Context Protocol for Building Clients, Services, and End-to-End Agents — Kyle Stratis
著者は Python 界で解説記事を書いてきたエンジニアで、本書は O'Reilly から出る MCP の書籍レベルの解説としては初めてのものにあたる。
扱うのは Model Context Protocol の全体像だ。プロトコルの構造、Python でのサーバーとクライアントの実装、トランスポート層、そしてエージェントのワークフローへの組み込み方まで通す。
MCP の仕様書は読めば分かるものの、なぜこの分割なのか、どこまでをサーバー側の責務にするのかは書かれていない。自分は社内の検索APIを MCP サーバーにする際、ツールの粒度を細かく切りすぎて呼び出し回数が爆発した。設計の勘所が事前に分かっていれば避けられた失敗だ。
Claude Code や Cursor に自社のツールをつなぐ話は、これから確実に増える。日本の現場でも社内システムとの接続が最初の実用ラインになりやすいので、投資効率は高い。
早期リリース段階の内容が含まれる点は頭に入れておきたい。仕様の動きが速い領域なので、公式ドキュメントと並走させるのが安全だ。
こんな人に: 社内ツールをエージェントから叩けるようにする担当になった人。
④ つくりながら学ぶ！LLM 自作入門 — Sebastian Raschka
著者は機械学習の教科書で知られる研究者兼エンジニアで、説明の丁寧さには定評がある。日本語版も出ていて読みやすい。
エージェントの本ではない。トークナイザ、アテンション、事前学習、ファインチューニング、LoRA を PyTorch で順番に実装していく内容だ。それでもこのリストに入れる理由がある。
エージェントが指示を無視する、長い手順で話が崩れる、トークンを無駄に食う。この種の症状はアプリ側のバグに見えて、実際は文脈長やアテンションの性質に起因していることが多い。中身を一度手で書いておくと、原因の切り分けが速くなる。自分の場合、履歴の入れ方を変えるだけで挙動が安定した経験がある。
付属リポジトリには Llama 3.2 や Qwen3、Gemma 3 の実装も追加されている。手元の小さめモデルで試したい場合の参照先としても便利だ。
一気に読む本ではない。土日に一章ずつ写経するペースが合っていた。
こんな人に: エージェントの不調をモデル側まで遡って診断したい人。
⑤ Building Applications with AI Agents: Designing and Implementing Multiagent Systems — Michael Albada
著者は機械学習エンジニアとして実務でエージェントシステムを構築してきた人で、本書には現場寄りの判断が多く出てくる。
最大の特徴は、同じシナリオを LangGraph、LangChain、AutoGen の三つで実装して並べているところ。抽象度の違いやデバッグのしやすさが横に並ぶので、選定会議の材料になる。
人間とエージェントの協調やインターフェース設計、さらにファインチューニング、SFT、DPO、強化学習によるモデル改善まで射程に入る。事例は EC、金融、医療、法務、サプライチェーンと幅広い。自分の業界に近いものが一つは見つかるはずだ。
注意点として、フレームワーク依存のコードは古くなるのが速い。バージョン差で動かない箇所は出てくると思う。それでも比較の観点自体は残るので、コードは参考、判断軸を持ち帰るくらいの姿勢が現実的だ。
こんな人に: フレームワーク選定と社内への説明を任されているチーム。
まとめ
| ステップ | 読む本 | 得られるもの |
|---|---|---|
| 語彙を揃える | 生成AIデザインパターン | RAG、推論戦略、ガードレールの設計判断 |
| 原理を掴む | Designing Multi-Agent Systems | 自作フレームワークとオーケストレーション6種 |
| 外につなぐ | AI Agents with MCP | MCP サーバー/クライアント実装の勘所 |
| 土台を知る | つくりながら学ぶ！LLM 自作入門 | アテンションと文脈長からの原因切り分け |
| 現場に載せる | Building Applications with AI Agents | フレームワーク比較と業種別の適用例 |
今の課題別に1冊選ぶなら、こう考えている。
- エージェントが誤動作する理由を言語化できない: 生成AIデザインパターン
- フレームワークの外側でしか理解できていない: Designing Multi-Agent Systems
- 社内システムを Claude Code や Cursor から使わせたい: AI Agents with MCP
- トークン消費や指示無視の原因が読めない: つくりながら学ぶ！LLM 自作入門
- チームで技術選定の合意を取りたい: Building Applications with AI Agents
5冊まとめて読む必要はない。自分は語彙を揃える1冊目と原理の2冊目を先に通したことで、失敗していたエージェントを作り直せた。詰まっている場所に一番近い1冊から始めるのがいい。