何が起こったのか
LangChain、CrewAI、AutoGenなどのAgentフレームワークがすでに非常に成熟している2026年に、逆を行くオープンソースチュートリアルがGitHubで話題になっている：フレームワークを使わず、ゼロからAI Agentを構築する方法を教えるものだ。
プロジェクトは1,500+ Starを獲得し、コミュニティのフィードバックは、開発者がフレームワークの「黒盒化」に対する不安を increasingly 示していることを明らかにしている——フレームワークがツール呼び出し、状態管理、マルチAgent協調のすべての詳細を処理するとき、実際にはAgentが何をしているのか理解できず、バグが発生したときにどのように修正すればよいのかわからない。
チュートリアルの漸進的アーキテクチャ
このチュートリアルはAgent開発を明確なフェーズに分解し、各段階で新しい概念を1つだけ導入する：
Phase 1：単一Agent基礎能力（Steps 0-6）
| Step | 内容 | 核心知識 |
|---|---|---|
| 0 | 基本チャットループ | LLM API呼び出し、メッセージ形式 |
| 1 | System Promptエンジニアリング | ロール定義、行動制約 |
| 2 | ツール定義と呼び出し | Function callingスキーマ |
| 3 | ツール実行レイヤー | LLM出力の解析、ツール実行、結果処理 |
| 4 | ループ制御 | ツール呼び出し→結果フィードバック→次のラウンドのループロジック |
| 5 | エラー処理 | ツール呼び出し失敗時のリトライとフォールバック |
| 6 | コンテキスト管理 | トークンカウント、コンテキスト切り捨て戦略 |
フレームワーク vs ハンドコードの選択マトリックス
| シナリオ | 推奨アプローチ | 理由 |
|---|---|---|
| PoC / 高速検証 | LangChain / CrewAI | 開発速度が速く、プロトタイプの反復が柔軟 |
| 本番環境 | 核心をハンドコード + フレームワーク補助 | 核心パスは制御可能、周辺機能はフレームワーク使用 |
| 高同時実行サービス | ハンドコード | フレームワークのパフォーマンスオーバーヘッドは許容できない |
| マルチAgent複雑オーケストレーション | CrewAI + カスタム | マルチAgentオーケストレーションのハンドコードコストが高すぎる |
| 学習/教育 | ゼロからハンドコード | 底层原理を理解するための最良のパス |
どう使うか
このチュートリアルは2種類の開発者に最適：
- LangChain/CrewAIを使ったことがあるが底层原理を理解したい開発者：チュートリアルを「リバースエンジニアリング」の参照として使い、フレームワークの裏で実際に何が行われているかを理解する
- 本番環境で高性能Agentシステムを構築するエンジニア：チュートリアルのアーキテクチャに基づき、ビジネスシーンに合わせてカスタマイズと最適化を行う
実用的な提案：二者択一にしない。フレームワークで高速プロトタイピングしてアイデアを検証し、ソリューションが実証されたらチュートリアルのアプローチで核心パスを書き直す。フレームワークは重要でない補助機能のみに留める。