Jak zbudować działającego agenta AI, nie tracąc przy tym zmysłów
Znasz to uczucie, gdy czytasz w mediach o kolejnym "przełomowym" agencie AI, otwierasz repozytorium i znajdujesz trzysta linii spaghetti code'u z LangChain, który pada przy najmniejszym prowokacji? Ja spotykam się z tym cały czas. W teorii wszystko brzmi prosto: daj modelowi dostęp do narzędzi, a on zrobi wszystko sam. W praktyce dostajemy nieskończone pętle halucynacji i rachunki za tokeny, które rosną szybciej niż nasze zrozumienie, jak to debugować.
Ostatnio natknąłem się na repozytorium ai-agent-book autorstwa Bojie Li. To nie jest tylko kolejna kolekcja linków. Autor napisał całą książkę o projektowaniu agentów, od teorii po twardą praktykę inżynieryjną, i udostępnił ją wraz z masą kodu. To tak, jakby ktoś zebrał całe doświadczenie z budowania prawdziwych systemów i spakował je w jeden przewodnik.
Co to w ogóle jest
Krótko mówiąc — to definitywny przewodnik dla twórców agentów AI. Projekt wypełnia ogromną lukę między "umiem pisać prompty" a "umiem budować niezawodne systemy". Autor przedstawia prostą formułę: Agent = LLM + Kontekst + Narzędzia. Cała narracja jest zbudowana wokół tego pomysłu.
Nie ma tu żadnego pustego gadania o "zmianach paradygmatu". Zamiast tego dowiesz się, dlaczego twój agent nagle zapomina instrukcje po pięciu minutach dialogu i jak pracować z KV Cache, żeby nie zbankrutować na inferencji. Projekt jest w języku chińskim, ale jest dostępne tłumaczenie angielskie, a kod mówi sam za siebie w uniwersalnym języku Pythona.
Najważniejsze funkcje, które naprawdę się przydadzą
Autor zorganizował projekt na rozdziały, każdy z działającymi demo. Oto kilka rzeczy, przez które straciłem poczucie czasu, zagłębiając się w kod.
Zbuduj własnego agenta codingowego od zera
Rozdział piąty zawiera pełnoprawną implementację asystenta do pisania kodu. W przeciwieństwie do wielu alternatyw, nie wymaga instalacji tuzina narzędzi systemowych. Cała funkcjonalność (nawet odpowiednik ripgrep) jest napisana w czystym Pythonie. To wygodne: możesz uruchomić to na dowolnej maszynie i od razu zobaczyć, jak agent czyta pliki, wprowadza zmiany i uruchamia lintery samodzielnie.
Protokół MCP w akcji
Projekt aktywnie wykorzystuje Model Context Protocol (MCP). Rozdział czwarty pokazuje, jak dzielić narzędzia na感知 (percepcję), 执行 (wykonanie) i 协作 (współpracę). Znajdziesz tu przykłady serwerów do operacji na systemie plików, wyszukiwania w internecie, a nawet kontrolowania przeglądarki. Jeśli zastanawiałeś się, jak standaryzować komunikację swoich agentów ze światem zewnętrznym, to jest miejsce, gdzie powinieneś zajrzeć.
Inżynieria kontekstu
To prawdopodobnie najbardziej przydatna część. Zamiast po prostu wrzucać wszystko do modelu, autor uczy cię tworzenia "dynamicznych umiejętności" (Agent Skills). Agent widzi tylko krótką listę możliwości, a dopiero gdy zdecyduje, że potrzebuje np. umiejętności generowania PPTX, system ładuje pełną dokumentację i kod dla tego narzędzia. To oszczędza tokeny i sprawia, że zachowanie modelu jest bardziej stabilne.
Samoewolucja bez fine-tuningu
Rozdział ósmy opisuje podejście, w którym agent uczy się na podstawie własnych sukcesów. Zapisuje udane łańcuchy działań i przekształca je w nowe narzędzia lub "doświadczenia", które później pobiera przez wektorową bazę danych. To tworzy warstwę, która sprawia, że system staje się mądrzejszy z każdym uruchomieniem, bez modyfikowania wag modelu.
Jak to jest zbudowane pod maską
Cały kod jest zorganizowany w foldery chapter1 — chapter10. Architektura przykładów jest dość przejrzysta. To głównie Python 3.10+ z użyciem FastAPI do rzeczy sieciowych i standardowych bibliotek do pracy z LLM.
Warto zajrzeć do sekcji ewaluacji jakości (rozdział 6). Zawiera nie tylko standardowe benchmarki jak SWE-bench, ale także narzędzia do analizy kosztów zadań i mierzenia czasu do pierwszego tokena (TTFT). To dokładnie to, czego potrzebują firmy, gdy pytają: "Ile to będzie kosztować w produkcji?"
Gdzie to wykorzystać
- Budowanie narzędzi wewnętrznych. Jeśli potrzebujesz zautomatyzować rutynowe zadania w firmie (jak parsowanie logów czy generowanie raportów), weź przykłady z rozdziałów 5 i 10.
- Szkolenie zespołu. Repozytorium świetnie sprawdza się jako program nauczania. Możecie przerabiać jeden rozdział tygodniowo i omawiać go na spotkaniach.
- RAG na wyższym poziomie. Rozdział trzeci zawiera solidne wyjaśnienie, jak przejść od prostego wyszukiwania tekstu do grafów wiedzy i wielowarstwowej pamięci.
Kto powinien zajrzeć do repozytorium
Przede wszystkim ci, którzy już pobawili się prostymi chatbotami i chcą zbudować coś autonomicznego. Jeśli pracujesz nad złożonymi systemami RAG lub próbujesz doczepić AI do istniejącego oprogramowania, te przykłady zaoszczędzą ci tygodnie pracy z taśmą klejącą i drutem.
Nie ma tu gotowego przycisku "Spraw, żeby było super", ale są blueprinty do zbudowania takiego. Jedyną wadą jest to, że część dokumentacji wciąż lepiej czytać przez tłumacz, ale struktura kodu jest tak logiczna, że każdy, kto pisał w Pythonie, się w niej nie zgubi.
<a href="https://star-history.com/#bojieli/ai-agent-book&Date">
Projekt ma już ponad pięć tysięcy gwiazdek, a społeczność aktywnie tłumaczy treści. Zdecydowanie warto dodać do zakładek, nawet jeśli nie planujesz pisać książki — praktyczna wartość tych zasobów przewyższa wszelkie bariery językowe.
Powiązane projekty