概要
https://fly.io/blog/everyone-write-an-agent/
詳細内容
## あなたはエージェントを書くべきだ
https://fly.io/blog/everyone-write-an-agent/
**Original Title**: You Should Write An Agent
LLMエージェントの構築は驚くほど容易であり、開発者は既存ツールに依存せず、自らエージェントを記述することで技術の本質を深く理解し、革新的な解決策を生み出すべきだと著者は主張する。
**Content Type**: 💭 Opinion & Commentary
**Language**: en
**Scores**: Signal:4/5 | Depth:4/5 | Unique:5/5 | Practical:5/5 | Anti-Hype:5/5
**Main Journal**: 93/100 | **Annex Potential**: 94/100 | **Overall**: 92/100
**Topics**: [[LLMエージェント, エージェント開発, コンテキストエンジニアリング, ツール利用, 開発者ワークフロー]]
著者は、LLMエージェントが抽象的には理解しにくいかもしれないが、実際に構築してみると「信じられないほど簡単」であると主張している。ChatGPTのような基本的なLLMアプリケーションは、わずか数行のPythonコードで実現でき、LLMがステートレスなブラックボックスであり、会話の記憶は単なる「コンテキストウィンドウ」（文字列のリスト）の管理によって「幻想」として作り出されていることを示唆する。
さらに、LLMエージェントに「ツール」を組み込むことも同様に容易であり、OpenAI APIのツール定義機能を利用すれば、LLMが自律的にツール呼び出しを推論し、その結果を解釈して次の行動を決定するメカニズムを、少ないコード量で実現できることを実例を挙げて解説する。
筆者は、既存の「Claude Code」や「Cursor」といったコーディングエージェント自体を否定するものではないが、その核となる機能は自身の手で再現可能であると指摘し、「MCP」のようなプラグインインターフェースは「根本的な実現技術」ではなく、わずかなコード削減と引き換えにアーキテクチャの柔軟性を奪うものだと批判する。開発者には、プラグインに頼るのではなく、APIを直接扱うプログラマーであるべきだと強く訴えかけている。
また、「プロンプトエンジニアリング」を疑問視しつつも、「コンテキストエンジニアリング」は、限られたトークン内でLLMへの入力、出力、ツール記述を効率的に管理する「真っ当なプログラミング問題」であると強調する。サブエージェントも、新しいコンテキスト配列とモデル呼び出しで簡単に実装でき、これらを組み合わせて複雑な課題を解決できる可能性を示す。
最後に、エージェント設計は「予測不可能性と構造化プログラミングのバランス」「グラウンドトゥルースへの接続」「複数ステージ操作のためのエージェント間連携」「トークン割り当てとコスト管理」といった、多くの未解決のソフトウェアエンジニアリング問題を提起すると述べる。これらは個人レベルで探求可能であり、各イテレーションが「30分の作業」で完了するため、開発者には「この自転車に乗ってペダルを漕ぐ」よう強く促している。この技術を真に理解するには、自ら構築することが不可欠であるという著者の意見は、開発者にとって実践的な示唆に富む。