# Sekiban × AIエージェント基盤 Zenn本

## 本の構成

全14章構成でSekibanフレームワークを使ったAIエージェント基盤の構築方法を解説しています。

### 章立て

1. **00-intro.md** - イントロダクション・免責事項
2. **01-why-started.md** - 調査を始めた背景とAIエージェントの記憶問題
3. **02-sekiban-framework.md** - Sekibanフレームワークの概要と特徴
4. **03-eventsourcing-ai-agents.md** - イベントソーシングとAIエージェントの親和性
5. **04-implementation.md** - 実装方法（Aggregate, Event, Command, Projection）
6. **04-5-usecases.md** - 具体的なユースケースと活用事例
7. **05-ai-agent-examples.md** - AIエージェントへの適用例
8. **06-ddd-improvements.md** - DDDの改善策と関数型アプローチ
9. **07-architecture-patterns.md** - アーキテクチャパターン（AWS/GCP統合）
10. **08-best-practices.md** - ベストプラクティス（スナップショット、バージョニング等）
11. **09-python-rust.md** - Python/Rustでの実装パターン
12. **10-blockchain.md** - ブロックチェーン連携構想
13. **11-summary.md** - まとめと今後の展望
14. **12-references.md** - 参考文献・リソース

SekibanがAIエージェント時代のイベントソーシング・CQRSの親和性良さそうなので調べてみた

1. はじめに - なぜこの調査を始めたのか

2. Sekibanフレームワークを調べてみた

3. AIエージェント基盤でイベントソーシングが活きる理由

4. Sekibanで実際にどう実装するのか調べてみた

4.5. 具体的なSekibanユースケースと活用事例

5. AIエージェントへの適用例を見てみる

6. DDDの改善策を調べてみた

7. 実装アーキテクチャパターンを調査

8. ベストプラクティスをまとめてみた

9. Python/Rustでの実装も検討してみた

10. ブロックチェーンとの連携構想（これは面白い）

11. 調査結果のまとめと今後の展望

参考文献・リソース

cqrs

eventsourcing

sekiban

aiagent

Riu Tokiwa / Aezisai Inc