概要

LLM基礎からLLMOps本番運用までAIエージェントを一気通貫で実装する

想定読者

LLMやAIエージェントの実装経験が浅く、LangGraph・Amazon Bedrock・Mastraを使った開発から本番監視まで体系的に習得したいエンジニア

こんな人には向いていない

• LangChain/LangGraphをすでに実務で運用しており、マルチエージェントの高度な設計パターンや内部実装の深掘りを求める中上級者には基礎説明の比重が大きい
• Amazon Bedrock・AWS環境を前提としたハンズオンが中心のため、GCPやAzureのみで開発している場合はコードをそのまま適用しにくい
• LLMのモデルアーキテクチャや数学的背景を理論面から学びたい読者には向かない（本書は実装ファーストのアプローチ）

この本で身につくこと

• LangGraphを使ってステートフルなAIエージェントのワークフローを設計・実装できる
• Amazon BedrockとClaudeを組み合わせたAIエージェントをAWS上に構築できる
• MastraでAIエージェントをフルスタックWebアプリとしてデプロイできる
• LangfuseでLLMのトレーシング・評価パイプラインを構築し、本番監視の基盤を整備できる
• ガードレールとRagas評価によってAIエージェントの安全性と応答品質を定量的に担保できる

ハイライト(外部からの言及)

本書を通読することで、Amazon BedrockやClaude、LangChainやLangGraphの基本も習得でき、AIエージェント開発の主要技術を幅���くしっかりと学ぶことが可能です。 — 出典

本書がカバーするAWSエコシステムの技術スタックの幅広さを端的に示す記述

昨今話題の「Mastra」（AI開発フレームワーク）を用いたAIエージェントの開発手法、および、開発後の運用フェーズ（LLMOps）の技法についてもLangfuseを用いて解説するなど、実際の開発現場でも活用できる、実践的なレベルまでいっきに紹介しています。 — 出典

入門書でありながら最新フレームワーク（Mastra）と本番運用（LLMOps）まで扱う点が本書の差別化要素

章立て

第1章 LLMとAIエージェントの基本

概念整理と用語統一に有用。LLM経験者は速読でよい

第2章 LLMのAPIを使ってみよう

API呼び出しの基礎をOpenAI/Bedrock双方で確認できる。第4章以降のエージェント実装で前提となる接続パターンがここで完結するため、スキップ不可

第3章 主要フレームワークの紹介

LangChain・LangGraph・Mastraの位置づけを俯瞰する章。技術選定の判断軸になる

第4章 LangGraphでAIエージェントを作ってみよう

本書の核心。ステートフルなエージェント設計の実装はここで習得

第5章 MastraでフルスタックWebアプリを作ろう

TypeScript中心の構成。バックエンド〜UIまで通した実装経験を得られる

第6章 高度なAIエージェントの開発に挑戦しよう

第4・5章で構築した単一エージェントをマルチエージェント構成に発展させる章。実装難度が上がるため、第4章の内容が定着してから取り組むと詰まりにくい

第7章 LangfuseでLLMOpsに挑戦しよう

本番運用を視野に入れるなら第4章と並んで最優先で押さえたい章

第8章 ガードレールとRagas評価でAIエージェントの品質を高めよう

品質保証の観点から独立して参照できる。本番投入前に読み返す価値がある

関連記事 / 参考情報

• GWも勉強したい方向けに、よくオススメされる技術書をカテゴリ別にまとめてみた — GW向け技術書推薦まとめ。AIエージェント開発カテゴリで本書が取り上げられている
• ECSの新機能Expressモードで、認証つきStreamlitアプリを簡単にAWSデプロイしよう！ — AWS ECS Expressモードを使いStreamlit AIアプリをデプロイする実践ガイド（著者記事）。本書のAWSデプロイ実践と同一文脈
• 【AWS re:Invent 2025】CEOキーノートのBedrock AgentCoreアプデまとめ — Bedrock AgentCoreの新機能を解説。本書のBedrockエージェント実装の延長線上にある最新動向
• 【AWS re:Invent 2025】SwamiキーノートのStrands Agentsアプデまとめ — AWS Strands Agentsの概要と動向をまとめた著者記事。本書が対象とするAWSエージェント技術の最前線

学習のヒント

• 第1〜3章でLLMとフレームワークの基礎を確認したら、第4章（LangGraph）と第7章（LangfuseによるLLMOps）をセットで早めに読むと、実装と運用の全体像が早い段階でつかめる
• 第5章のMastraはTypeScriptによるフルスタック構成が前提のため、PythonメインのエンジニアはLangGraph中心の第4〜6章に集中し、Mastraはフロントエンド経験者と合わせて読み進めると効率が良い
• 第8章のガードレール・Ragas評価は他の章から独立性が高いため、本番投入前の品質チェック段階で単独参照する使い方にも適している

前提知識

• PythonまたはTypeScriptの基本的な文法と非同期処理（async/await）の理解
• REST APIの概念とHTTPリクエスト/レスポンスの基本的な扱い
• AWSの基本操作経験（IAMロール設定・マネジメントコンソールへのアクセス）があると第2〜4章のハンズオンをよりスムーズに進められる

次に読む本

LangChain / LangGraph 公式ドキュメント

本書はLangGraphの主要APIを刊行時点のバージョンで解説しているが、LangChain/LangGraphのリリースサイクルは速くAPIの破壊的変更が頻繁に起きる。本書でコアパターンを習得した後、公式ドキュメントを一次情報源として参照することで、バージョン差異を自力で吸収できるようになる

大規模言語モデルのシステム設計・アーキテクチャ関連書籍

本書は個別エージェントの実装（LangGraph/Mastra）と運用観測（Langfuse）に焦点を当てており、マルチエージェント間の役割分担・状態管理・障害伝播の設計論は扱いが薄い。本書で実装経験を積んだ後、システム設計書で大規模構成への判断軸を補うと設計の抜けが補完される