AIエージェントの解説記事は無数にありますが、「体系立った教科書が、動くコードごと、しかも日本語で手に入る」ケースはそう多くありません。GitHubで26,000★を超えた bojieli/ai-agent-book は、その数少ない例です。ただし★の数と「93個の付随実験」というREADMEの謳い文句だけでは、自分がどこまで手を動かせるのかは分かりません。この記事では、実際にリポジトリを取得して章ごとの実行条件を測り、日本語化がどこまで及んでいるかを確認したうえで、AIエージェント学習の選択肢としてどう位置づくかを整理します。
AIエージェントのフレームワーク選び自体で迷っている段階であれば、先にAIエージェントフレームワーク比較2026｜LangGraph・CrewAI・Dify等9種をStar数・実コードで検証で全体像を掴んでおくと、本書のどの章が自分に必要かを判断しやすくなります。
OPENROUTER_API_KEY で検索した結果30秒でわかる ai-agent-book
・正体：李博杰（Bojie Li）氏によるAIエージェントの技術書。本文・図版・付随コードをまとめてApache-2.0で公開したリポジトリ
・規模：全10章＋序章・後記・演習解答の13ファイル。日本語版で約49万字（日本語文字数）
・日本語化の範囲：本文だけでなくSVG図版132点も日本語に差し替え済み。PDF／EPUBもReleasesで無料配布
・手を動かせる範囲：同梱プロジェクト83本のうち57本はOpenRouterのAPIキーだけで着手できる
・要注意：第7章はGPU前提（13本中OpenRouter対応は1本）。第6・9・10章は外部リポジトリ20本のcloneや実機が必要
この記事が答える3つの問い
・このリポジトリで何を学べるのか → 全10章の射程と、章ごとの狙い
・日本語でどこまで読めるのか → 本文・図版・PDFの日本語化の範囲を実データで確認
・他のAIエージェント教材と何が違うのか → 書籍型・カリキュラム型・ワークフロー型との住み分け
ai-agent-bookとは——AIエージェントの教科書がコードごとオープンソース化されている
ai-agent-book は、李博杰（Bojie Li）氏が執筆したAIエージェントの技術書を、本文・図版・付随コードまで含めてGitHubで公開しているリポジトリです。2025年9月にリポジトリが作成され、2026年7月末時点で26,138★・2,727フォーク。主要言語はPythonで、ライセンスは本文・コードとも Apache-2.0 です。
技術書の内容がまるごとオープンソースになっている点は、実務上いくつかの意味を持ちます。Apache-2.0は改変・再配布・商用利用を許諾するライセンスなので、社内勉強会の資料として章を切り出したり、翻訳を作ったりすることが権利面で明示的に可能です。実際にこのリポジトリでは、英語・アラビア語・繁体字中国語・ロシア語・タミル語・ベトナム語・日本語・トルコ語の8つのコミュニティ翻訳が本体リポジトリの中に同居しており、原版と合わせて9言語が並走しています。
本書が全編を通じて軸に据えているのは 「Agent = LLM + コンテキスト + ツール」 という定式です。エージェントを「賢いモデル」の問題ではなく、モデルの周囲に組み上げるコンテキストとツールの設計問題として扱う立場で、第1章では「モデルこそがAgent」というパラダイムと、モデル以外のすべてのエンジニアリング能力を指す Harnessエンジニアリング が導入されます。モデルの性能差が縮まるほど、その周辺をどう設計したかが競争力になる——本書の主張はこの一点に集約されます。
読者として想定されているのは、LLMのAPIを叩いた経験があり、これからエージェントを設計・実装する側に回る開発者です。逆に、プログラミング未経験者向けの入門書ではありません。付随プロジェクトはPythonで書かれており、APIキーの取得と.envの設定、pip install程度は自力でこなす前提になっています。
日本語版はどこまで読めるのか——本文49万字と図版132点の実態
「日本語対応」と書かれたOSS教材でよくあるのは、READMEの冒頭だけ翻訳されていて本文は原語のまま、というパターンです。ai-agent-book の日本語版がどの水準にあるのかを確認しました。
まず本文です。中国語原版のbook/には13個のMarkdownファイル（序章・第1〜10章・後記・演習の解答編）があり、日本語版のbook-ja/にも同じ13ファイルがchapter1.ja.mdのような命名で揃っています。欠落はありません。分量は日本語版の13ファイル合計で684,992文字、うち日本語の文字（かな・漢字）が490,742文字でした。
次に図版です。book-ja/images/には132点のSVGが置かれています。これが原版のコピーではなく本当に日本語化されているのかを確かめるため、20点を抽出してSVG内のテキストノードを取り出したところ、20点すべてにかな（ひらがな・カタカナ）が含まれていました。図の中のラベルまで差し替えられているということです。なお同じ条件（images/直下の.svg）で数えると中国語原版は130点で、日本語版のほうが2点多くなります。差分はfig8-6.svgとfig8-7.svgの2点で、いずれも原版側に対応ファイルがありません。翻訳版が原版のサブセットになっていない、という点は確認できます。
さらに、翻訳の鮮度も確認しました。READMEには「コミュニティによる貢献であり（中国語原版より遅れる場合があります）」という注記がありますが、実際のコミット履歴は違う動き方をしています。2026-07-29の更新を追うと、中国語原版のbook/chapter1.mdが05:09 UTCに更新され、その44分後の05:53 UTCに日本語を含む8言語のchapter1が単一のコミットで同時に更新されていました。コミットの著者は原著者本人、メッセージはdocs(i18n): sync tool generality boundariesです。
つまり日本語版は、初期訳こそコミュニティ（@eltociear氏）の貢献で始まったものの、その後の追随は著者が全言語まとめて行う運用に移っています。「翻訳が止まって原版だけ進む」という、コミュニティ翻訳にありがちな劣化は、少なくとも現時点では起きていません。
| 項目 | 中国語原版（book/） | 日本語版（book-ja/） |
|---|---|---|
| 本文ファイル数 | 13 | 13（欠落なし） |
| Markdown合計 | 約1,126 KB | 約1,705 KB |
| 図版（SVG） | 130点 | 132点（日本語ラベル） |
| chapter1 の最終更新 | 2026-07-29 05:09 UTC | 2026-07-29 05:53 UTC |
| PDF / EPUB | Releasesで配布 | Releasesで配布 |
PDFの入手先に注意
READMEのダウンロードリンクはreleases/download/latest/を指しており、常にmainブランチの最新ビルドを返します。特定時点の版を引用したい場合はReleasesページから固定版を選んでください。自前でPDFをビルドする場合は pandoc・xelatex・ElegantBook ドキュメントクラスと日本語フォントが必要になります。
全10章で何を学べるのか——AIエージェントの構成要素を積み上げる章立て
章立ては、冒頭の定式「Agent = LLM + コンテキスト + ツール」を分解し、そこから運用・訓練・協調へ広げていく順序になっています。
各章の主題と、同梱プロジェクト数（公式READMEの章立て表の記載）は次のとおりです。
| 章 | テーマ | 主に扱う内容 | 掲載コード数 |
|---|---|---|---|
| 1 | Agentの基礎 | 「モデルこそがAgent」、Harnessエンジニアリング | 4 |
| 2 | コンテキストエンジニアリング | KV Cache、プロンプト設計、Agent Skills、コンテキスト圧縮 | 9 |
| 3 | ユーザーメモリと知識ベース | ユーザーメモリ、RAG、構造化インデックス、ナレッジグラフ | 13 |
| 4 | ツール | MCPプロトコル、知覚/実行/協調の3分類、イベント駆動の非同期Agent | 7 |
| 5 | Coding Agentとコード生成 | 本番グレードのCoding Agentの全体像 | 12 |
| 6 | Agentの評価 | 評価環境、指標、統計的有意性、評価駆動の選定 | 10 |
| 7 | モデルのポストトレーニング | 事前学習/SFT/RLの3段階、ツール呼び出しの内在化 | 14 |
| 8 | Agentの自己進化 | 経験からの学習、ツールの利用者から創造者へ | 6 |
| 9 | マルチモーダルとリアルタイム対話 | 音声の3パラダイム、Computer Use、ロボティクス | 7 |
| 10 | マルチAgent協調 | 協調フレームワーク、コンテキストの共有/隔離 | 6 |
構成上の特徴は、第6章に評価が、第7章に訓練が入っている点です。エージェント本の多くは「作り方」で終わりますが、本書は「作ったものをどう測るか」「モデル側をどう調整するか」まで射程に入れています。第6章では評価環境と統計的有意性が扱われ、SWE-bench・GAIA・OSWorld・terminal-bench・tau2-bench・android_world といった実在のベンチマークが再現対象として指定されています。
第3章のメモリと知識ベースは13本と本書で2番目に厚い章で、RAGやナレッジグラフを含みます。この領域をもう少し広く押さえたい場合はRAG完全ガイド2026を併読すると、本書の実装がRAG全体のどの部分に当たるかが見えやすくなります。エージェントのコンテキストをファイルシステムとして扱う設計に関心があれば、OpenViking入門：AIエージェントのコンテキスト管理をファイルシステムで変えるByteDance発OSSの仕組みが第2章・第3章の議論と地続きです。
同梱コード83本のうち、自分で動かせるのはどれか
ここが本記事の主眼です。READMEの見出しは「93個の付随実験（70個以上が単独実行可能）」ですが、この数え方は実験番号ベースで、外部リポジトリに依存するものや読者の演習として設計だけ示されているものを含みます。学習計画を立てるうえで知りたいのは「自分の手元で、今日、何本動かせるか」なので、別の測り方をしました。
測り方：リポジトリをgit clone --depth 1で取得し、chapter1/〜chapter10/の直下にあるプロジェクトディレクトリを列挙（83ディレクトリ）。各ディレクトリ配下の.pyファイルにOPENROUTER_API_KEYへの参照があるかを検索し、OpenRouterのキー1本で着手できるものを数えました。
結果は83ディレクトリ中57ディレクトリ。章別の内訳は冒頭の図のとおりで、次のように割れます。
| 章 | OpenRouter対応 | 実行の前提 |
|---|---|---|
| 第1章 | 4 / 4 | APIキーのみ |
| 第4章 | 7 / 7 | APIキーのみ |
| 第5章 | 12 / 12 | APIキーのみ |
| 第10章 | 5 / 5 | APIキーのみ（一部は外部リポジトリ併用） |
| 第3章 | 12 / 15 | APIキー中心。一部は追加のデータストア準備 |
| 第2章 | 6 / 8 | APIキー中心。ローカルLLM前提の実験を含む |
| 第6章 | 4 / 6 | ベンチマーク6本を別途clone |
| 第8章 | 4 / 8 | APIキー中心 |
| 第9章 | 2 / 5 | ブラウザ自動化・実機（SO-100アーム等） |
| 第7章 | 1 / 13 | GPUと訓練基盤 |
第7章（ポストトレーニング）が13本中1本という数字は、この章の性質を素直に反映しています。 SFTやRLでモデル自体を訓練する章なので、そもそもAPI経由の推論では成立しません。MiniMind によるLLMのゼロからの訓練、verl や AWorld といった訓練フレームワーク、SimpleVLA-RL による vision-language-action の強化学習などが並び、いずれもGPUが前提です。この章に手を出すかどうかで、必要な環境が大きく変わります。
外部リポジトリ20本は同梱されていない
第6・7・9・10章で使う外部リポジトリ20本は、サイズとライセンスの都合でリポジトリに含まれていません。README内に一括cloneスクリプトが用意されており、chapter6/android_world・chapter6/SWE-bench・chapter7/verl・chapter9/browser-use・chapter10/generative_agents のように所定のパスへ配置します。第7章の訓練フレームワークのうちいくつかは、書籍向けに調整された著者のフォーク（bojieli/*）を指している点も押さえておくとよいでしょう。
読む順序と着手順序を分けて考えると迷いません。本文は通しで読み、コードは自分の環境で動く章から触る、という進め方が現実的です。
自作した経験は？"] -->|ない| B["第1章から順に読む
コードも1-1から"] A -->|ある| C["いま詰まっているのは？"] C -->|プロンプトが膨らむ| D["第2章
コンテキストエンジニアリング"] C -->|過去のやり取りを覚えさせたい| E["第3章
メモリと知識ベース"] C -->|ツール連携・MCP| F["第4章
ツール"] C -->|コード生成させたい| G["第5章
Coding Agent"] C -->|良し悪しが測れない| H["第6章
評価"] C -->|複数Agentで分担| I["第10章
マルチAgent協調"] D --> J{"GPUを使えるか"} E --> J F --> J G --> J H --> J I --> J J -->|使える| K["第7章 ポストトレーニング
第8章 自己進化へ"] J -->|使えない| L["第7章は本文のみ読む
コードは後回しでよい"]
インストールと最初の1本を動かす手順
最短で1本動かすなら、第1章の実験1-1（chapter1/context）が適しています。コンテキストの構成要素を1つずつ外して挙動の変化を観察するアブレーション実験で、本書の中心的な主張を体感するのに向いています。
まずリポジトリを取得します。本体は約300MBあるため、履歴が不要なら浅くcloneします。
git clone --depth 1 https://github.com/bojieli/ai-agent-book.git
cd ai-agent-book/chapter1/context
pip install -r requirements.txt
次にAPIキーを設定します。env.exampleが同梱されているのでコピーして編集します。READMEが推奨するプラットフォームはKimi（Moonshot）・Zhipu GLM・Siliconflow・Volcano Engine など中国国内のサービスが中心ですが、コード側にOpenRouterへの共通フォールバックが実装されているため、OpenRouterのキー1本でも動きます。
cp env.example .env
# .env を編集し、次のいずれかを設定する
# OPENROUTER_API_KEY=sk-or-v1-... # OpenRouter 経由（国外から使いやすい）
# MOONSHOT_API_KEY=... # Kimi を直接使う場合
# ARK_API_KEY=... # Volcano Engine（Doubao）を使う場合
フォールバックの実体はchapter1/context/config.pyのresolve_llm_backend関数です。指定プロバイダのキーが見つからずOPENROUTER_API_KEYが設定されている場合に、リクエストをOpenRouterへ振り替え、モデルIDも自動でマッピングします（gpt-で始まるIDならopenai/配下、claude-で始まるIDならanthropic/配下といった変換）。明示的に使いたい場合は--provider openrouterを渡すこともできます。
python main.py --provider openrouter
OpenRouterのキーが効く範囲
OPENROUTER_API_KEYを参照する.pyファイルはchapter配下で110個、プロジェクトディレクトリ単位では83中57です。第1〜5章と第10章はこの経路がよく整備されている一方、第7章はほぼ対象外なので、章を移るたびに各プロジェクトのREADMEとenv.exampleを確認してください。
ai-agent-bookは他のAIエージェント教材と何が違うのか
AIエージェントの学習リソースは飽和しつつあります。当サイトで扱ってきたものと並べると、ai-agent-book の位置は比較的はっきりしています。
| 教材 | 形式 | ★ | ライセンス | 日本語 | 手を動かす対象 |
|---|---|---|---|---|---|
| bojieli/ai-agent-book | 書籍＋章別コード | 26,138 | Apache-2.0 | 本文・図版とも日本語版あり | 章ごとの実験83本（うち57本はAPIキーのみ） |
| rohitg00/ai-engineering-from-scratch | カリキュラム | 44,888 | MIT | なし | 約500レッスンの積み上げ |
| gyoridavid/ai_agents_az | ワークフロー集 | 3,832 | 明示なし | なし | n8nの自動化ワークフロー33本 |
| victordibia/designing-multiagent-systems | コード解説 | 770 | Apache-2.0 | なし | マルチエージェントの協調戦略に特化 |
※★・ライセンスは2026-07-30時点のGitHub API実測値。
違いは3点あります。第一に、理論と実装が章単位で対応していること。カリキュラム型はレッスンの積み上げ、ワークフロー集は完成品の提供に寄りますが、本書は「この節の主張を確かめる実験」という形でコードが本文に紐づいています。第二に、評価と訓練まで含む射程。第6章の評価と第7章のポストトレーニングを持つ教材は多くありません。第三に、日本語で読めること。上の3つはいずれも英語のみです。
一方で、本書が向かない場面もあります。n8nのようなノーコード寄りの自動化を組みたいだけなら、完成済みワークフローを配布している教材のほうが直接的です。また、AIエンジニアとしての土台づくりから始めるならバイブコーディングは終わった？2026年版Agentic AIエンジニアのロードマップと進化の全体像で全体の順路を確認してから戻ってくるほうが効率的でしょう。論文を読む力から鍛えたい場合はAI Crash Course完全ガイド：2週間でAI論文を体系的に学ぶロードマップのような別軸の教材と組み合わせる手もあります。本書はあくまで「エージェントを設計・実装する側の技術書」であり、既製の自動化レシピ集ではありません。
読む前に押さえておきたい注意点
実際に取得して確認する中で気づいた、事前に知っておくと無駄足を避けられる点をまとめます。
・プロジェクト数の数え方は箇所によって異なる。READMEの見出しは「93個の付随実験」、章立て表の掲載コード数の合計は88、章別READMEの表に載る実験IDのユニーク数は86、実際に同梱されているプロジェクトディレクトリは83です。外部リポジトリ依存のものや読者の演習として設計のみ示されるものをどう数えるかの違いによるもので、矛盾ではありません。学習計画を立てる際は「同梱83／APIキーで着手可57」を基準にすると実態に合います
・章別READMEには実行可否のアイコンがある。各章のREADMEには ✅（単独実行）／📖（外部リポジトリのcloneが必要な再現ガイド）／🚧（設計ドキュメントのみでコード未完成）の分類が明示されています。着手前にこの列を見るのが確実です
・リポジトリのサイズは約300MB。図版と各章のデータを含むためそれなりに大きく、--depth 1でも300MB前後です。外部リポジトリ20本を全部cloneするとさらに膨らみます
・日本語版のファイル名は.ja.mdサフィックス。book-ja/chapter1.ja.mdのような命名で、他の言語版（book-en/chapter1.mdなど）と規則が異なります。リンクを辿るときに混乱しやすい点です
・第7章のフォークは書籍向け調整版。bojieli/minimind・bojieli/verlなどは上流のフォークで、書籍の実験に合わせた調整が入っています。上流の最新版とは挙動が異なる可能性があるため、READMEがコミットを指定している場合はそのバージョンにgit checkoutしてください
・演習の解答編が用意されている。book-ja/reference-answers.ja.mdに約2.9万字の解答が収録されています。演習を飛ばして読む場合でも、理解の確認に使えます
検証環境
macOS（Darwin 23.5.0）／ git clone --depth 1 で取得した main ブランチ（2026-07-29 の最新コミット時点）／ GitHub REST API による metadata 取得。文字数・図版数・OpenRouter対応数はいずれも取得したリポジトリに対する実測値です。
まとめ
ai-agent-book は、AIエージェントの体系的な教科書として、日本語で読める選択肢の中では分量・射程ともに大きい部類に入ります。本文49万字と132点の図版が日本語化され、著者側が全言語をまとめて同期する運用になっているため、翻訳が陳腐化するリスクも小さめです。
ただし「93個の実験が付いている」という数字をそのまま受け取ると、環境構築で足を止めることになります。同梱83本のうちOpenRouterのキーだけで着手できるのは57本で、第1・4・5・10章はほぼ全部動く一方、第7章のポストトレーニングはGPU前提、第6章の評価と第9章の一部は外部リポジトリや実機が必要です。本文は通しで読み、コードは自分の環境で動く章から触る——この分け方をしておけば、無理なく最後まで進められるはずです。
参照ソース
・bojieli/ai-agent-book（公式リポジトリ） — 本文・図版・付随コードの一次ソース。★・フォーク数・ライセンスはGitHub REST APIで2026-07-30に取得
・日本語版 README（docs/ja/README.md） — 章立て表、推奨APIプラットフォーム、外部リポジトリ20本の一括cloneスクリプト
・日本語版 本文ソース（book-ja/） — 13ファイルの本文と132点のSVG図版。文字数・図版の日本語化率はここから実測
・Releases（PDF / EPUB の配布ページ） — 9言語のPDF／EPUBの固定版
・chapter1/context/config.py — OpenRouterへの共通フォールバック（resolve_llm_backend）の実装
