目的地
「実践 AIエージェント開発」に至る道筋
この本にたどり着くために、先に読んでおきたい本を依存関係から逆算しました。基礎から順に並んでいます。
ここまでの道筋（12冊）
なぜ先に読むのか: Claude Code という AI コーディングエージェントを使いこなせるようになると、次はその内部で何が起きているかを自分の手で作って確かめたくなる。作って学ぶAIエージェントは、LLM 呼び出しからツール実行、Git・GitHub 連携までを自作する過程を通じて、使う側から作る側への視点の転換を促す。
なぜ先に読むのか: Claude Codeを「合意を実行するエージェント」として捉え直し、仕様駆動開発の型を身につけたら、今度はエージェントの内部で何が起きているかを自分の手で確かめたくなる。作って学ぶAIエージェントは、推論ループやツール呼び出しをTypeScriptで実装する過程を通じて、使う側から作る側への視点の転換を後押しする。
なぜ先に読むのか: 単一プロセス内の並行処理を理解したら、複数プロセス＝サービス間で非同期に協調する世界へ広げる。Microservices Patterns はメッセージング・Saga・イベント駆動といった分散システムの協調パターンを与え、並行性の発想をネットワーク越しに展開する。
なぜ先に読むのか: LLM がどう入力を処理し応答を生成するかという原理と、プロンプト設計・コンテキスト構成の勘所を押さえると、LangChain のようなフレームワークが提供する抽象が何を肩代わりしているかが見える。本書が扱う Lost in the Middle や会話履歴の揮発性といった知見は、LangChain でエージェントを組む際にコンテキストをどう設計すべきかの判断軸になる。
なぜ先に読むのか: TypeScript でコーディングエージェントを一から組み立てる経験を積むと、推論ループやツール連携の内部構造が体に入る。Practical AI Agent Development は、そこで得た実装感覚を土台に、シングルエージェントからマルチエージェントへ、そして本番運用まで視野を広げる次の一冊になる。
なぜ先に読むのか: LangChain でエージェントの基礎的な設計・実装パターンを一通り経験すると、シングルエージェントの枠を超えたマルチエージェントシステムの設計課題が見えてくる。Practical AI Agent Development は、オーケストレーション・評価・本番監視・セキュリティといった、フレームワーク学習だけでは触れにくい実運用の視点を積み上げる。
なぜ先に読むのか: Spring でひと通りアプリを組めるようになると、フレームワークに引きずられた設計（DB やフレームワーク中心）の限界に気づく。クリーンアーキテクチャはビジネスルールをフレームワークから独立させる依存性のルールを与え、長期的に変更に強い構造を選べるようにする。
なぜ先に読むのか: システム内部の境界を設計できるようになったら、その境界をプロセス＝サービスへ分割すべきかという次の判断へ進む。Monolith to Microservices は「まずモノリスから」という現実的な指針のもと、分割の動機・進め方・落とし穴を体系立てる。
なぜ先に読むのか: モノリスを分割すべきかの判断ができたら、実際に分割した先で必要になる実装パターンの引き出しを揃える。Microservices Patterns はサービス分割・データ管理・通信・デプロイの定石をカタログ化し、「どう分けるか」から「どう作るか」へ橋渡しする。
なぜ先に読むのか: マイクロサービスの実装パターンを学ぶと、サービス間でデータをどう一貫させるかという難所に必ず突き当たる。Designing Data-Intensive Applications は分散データの整合性・複製・トランザクションの理論を与え、パターンの「なぜ効くか」を裏付ける。
なぜ先に読むのか: 単一のリレーショナルデータベースの設計を理解したら、複数のデータストアが絡む大規模システムの全体像へ視野を広げる。Designing Data-Intensive Applications は複製・分割・整合性・障害といったデータシステムの根本原理を、技術の流行に流されず体系化する。
なぜ先に読むのか: 大規模データシステムの整合性・信頼性・スケールの理論を押さえると、それが AI エージェントを実運用に載せる際の土台だと分かる。Practical AI Agent Development は、データ集約システムで学んだ堅牢性の原理を、エージェントの状態管理やツール連携の設計へ橋渡しする。