توضیحات
کتاب Agentic Coding with Claude Code؛ فراتر از مستندات آنتروپیک
مستندات رسمی میگویند MCP چه کار میکند. اما این کتاب فاش میکند کجاها MCP باعث آلودگی context (context pollution) میشود و ۵۵ هزار توکن را قبل از شروع مکالمه میبلعد. همچنین یک قانون سرانگشتی: اگر تسک بیشتر از پنج دقیقه طول بکشد، سراغ subagent بروید؛ در غیر این صورت skill کافی است. (فصل ۴ و ۹)
کتاب Agentic Coding with Claude Code (نوشتهٔ ایدن مارکو ، متخصص LLM در گوگل کلود) سراغ مهندسی زمینه، حافظه پایدار، MCP و مدیریت agentهای موازی رفته است. مثلاً در پروژهٔ HookHub نشان میدهد چرا agentها دچار «مسمومیت زمینه» (context poisoning) میشوند و چطور با subagents از آن جلوگیری کرد. (البته در برخی بخشها، توضیحات میتوانست عمیقتر باشد.)
فقط فصل سوم کتاب را ببینید (قسمت «مدیریت حافظه»)؛ احتمالاً دیگر مثل قبل پرامپت نمینویسید.
پرامپت نویسی سنتی کافی نیست؛ کتاب Agentic Coding with Claude Code ثابت میکند
یک پرامپت خوب برای پروژه کوچک کافی است؛ اما در کدبیس بزرگ با دهها وابستگی، نتیجه خطاهای زنجیرهای میآورد. دلیل؟ agentها به context زنده نیاز دارند، نه دستورالعمل ایستا. در فصل اول میخوانید چطور پرامپتنویسی را به مهندسی زمینه تبدیل کنید.
چرا agentها بدون مهندسی زمینه شکست میخورند؟
فصل اول کتاب Agentic Coding with Claude Code سه مشکل اصلی را نام میبرد: مسمومیت زمینه، سردرگمی زمینه، تضاد زمینه. مثلاً فرض کنید agent چند بار یک ابزار را اشتباه فراخوانی میکند. نتیجه غلط وارد حافظه کوتاهمدت میشود. از آن لحظه، تمام خروجیهای بعدی هم آلوده میشوند. راهحل را در بخش «استراتژیهای context engineering» بخوانید.
چه چیزی در این کتاب Agentic Coding with Claude Code فراتر از راهنماهای معمولی است؟
راهنماهای معمولی فقط لیست دستور میدهند. اما این کتاب چهار استراتژی اجرایی عملی دارد: نوشتن زمینه در حافظه پایدار، بازیابی هوشمند زمینه، فشردهسازی context، و ایزوله کردن زمینه با subagentها. هر استراتژی با کد و مثال واقعی در پروژه HookHub پیاده شده. چنین رویکردی در مستندات آنتروپیک نیست.
مهمترین مفاهیم کتاب Agentic Coding with Claude Code ؛ از حافظه تا MCP
طراحی context هوشمند با CLAUDE.md: در فصل سه میخوانید یک فایل CLAUDE.md در ریشه پروژه قوانین تیم را حمل میکند. یک فایل دیگر در .claude/rules دانش تخصصی (امنیت، داکر) را نگهداری میکند. پنج سطح حافظه از سراسر سازمان تا فقط برای یک کاربر وجود دارد. کتاب نشان میدهد چطور این لایهها را بدون مصرف توکن اضافی روی هم سوار کنید.
تفاوت واقعی MCP با روش سنتی: مثال فصل چهار: MCP یک لایه انتزاع است برای اشتراک زمینه بین agentها و سرویسهای خارجی است. روش سنتی: هر بار توضیح JSON میفرستید. روش MCP: یک سرور میانی ابزارها را یکبار در اختیار agent میگذارد. نتیجه: بدون کد تکراری، بدون وابستگی به host. (بخش «معماری اصلی MCP»)
مدیریت agentهای موازی: دو پنجره ترمینال مجزا، هرکدام با یک نقش (مثلاً frontend و backend). شرط موفقیت: taskها روی فایلهای کاملاً جداگانه باشند. در غیر این صورت merge conflict اجتنابناپذیر است.
skill در مقابل subagent، کدام را کی استفاده کنیم؟ فصل نهم یک قانون سرانگشتی دارد: اگر تسک کمتر از ۵ دقیقه طول میکشد، skill کافی است (مثل نوشتن commit message). اگر بیشتر از ۵ دقیقه است، subagent را به کار بگیرید (مثل ریویو کل کدبیس). چون subagentها در context ایزوله اجرا میشوند و context اصلی را آلوده نمیکنند.
محدودیتهای MCP که کتاب اشاره میکند (و مستندات نمیگوید)
فصل چهار کتاب، جایی که خوشبینی به MCP سقوط میکند.
مستندات آنتروپیک فقط میگویند MCP چه خوبیهایی دارد. اما کتاب اشاره میکند کجاها MCP چالشبرانگیز میشود.
اول؛ آلودگی زمینه. تعریف ۵۸ ابزار (مثل GitHub MCP، Slack MCP) قبل از شروع مکالمه، ۵۵ هزار توکن مصرف میکند. نصف پنجرهٔ context، پیش از اینکه یک خط پرامپت بنویسید.
دوم؛ رفت و برگشت بینتیجه. هر بار agent یک ابزار را صدا میزند، جواب برمیگردد، دوباره مدل فراخوانی میشود. برای کارهای زنجیرهای، این یعنی کندی و هزینهی مضاعف.
سوم؛ قاطی کردن زبان. مدلها با JSON ابزارها حال خوشی ندارند. با کد واقعی (مثل TypeScript) خیلی راحتترند. (همان فصل به CodeMode کلودفلیر اشاره میکند که همین ایده را اجرا کرده.)
نکته اینجاست که کتاب Agentic Coding with Claude Code نمیگوید MCP را دور بیندازید. میگوید اگر کارت ساده یا یکباره است، همان API کافی است. MCP برای مقیاس و استفادهی مکرر ارزش دارد، نه برای هر کاری.
پروژهٔ واقعی HookHub؛ از صفر تا خروجی گرید کارتها
کتاب یک مخزن فرضی میسازد به اسم HookHub. کارتهایی از Claude Hookهای متنباز، با اسم، دستهبندی، توضیح و لینک.
نویسنده با دستور plan از کلود میخواهد روی مخزن تحقیق کند. کلود ساختار داده را پیشنهاد میدهد. بعد با implement همان مشخصه را به کد تبدیل میکند. خروجی: صفحهٔ Next.js با کارتهای گرید. بدون یک خط CSS دستی.
فصل هفت دوباره به همان پروژه برمیگردد. این بار با subagentها. نشان میدهد چطور یک subagent با توضیحات درست، خروجی تمیز و دستهبندیشده تحویل میدهد. (فصل دو و هفت)
ایدن مارکو ؛ از گوگل کلود تا این کتاب
Eden Marco (لینکدین) الان در گوگل کلود کار میکند. تخصصش LLM است. قبل از آن جزو اولین مهندسهای Orca Security بود. درس هم در دانشگاه رایشمن تدریس کرده.
مدرک کامپیوتر از تخنیون دارد. اما مهمتر اینکه کتاب را بر اساس دورههای عملی خودش نوشته، نه صرفاً جمعآوری مستندات آنتروپیک.
چند سالی است LangChain Ambassador است. یعنی تیم LangChain او را به عنوان سفیر خودش انتخاب کرده.
خودش در مقدمه کتاب گفته که بیشتر مطالب را در حین تدریس و کار روی پروژههای واقعی یاد گرفته و اشتباه کرده. شاید به همین دلیل است که کتاب محدودیتهای agentها را هم صادقانه توضیح میدهد (مثل همان ۵۵ هزار توکن مصرفی MCP در باکس آبی).
آیا این کتاب برای تو مناسب است؟
همه نباید کتاب Agentic Coding with Claude Code را بخرند. نویسنده در مقدمه سطح مخاطب را مشخص کرده. اگر تازه با ترمینال و گیت آشنا شدهاید، شاید فصلهای اول سنگین باشد. اما اگر چند باری با Claude Code کار کردهاید و نتیجهها تکراری و غیرقابل اعتماد بوده، این کتاب دقیقاً همان چیزی است که نیاز دارید.
سطح تجربه مورد نیاز: توسعهدهندگانی که قبلاً با پایتون یا تایپاسکریپت، گیت، و مفاهیم اولیه LLM (agent و RAG) کار کردهاند، بیشترین بهره را میبرند. کتاب فرض میکند میدانید npx create-next-app چه میکند. اگر به دنبال آموزش «نصب نود جیاس» هستید، این کتاب جای دیگری است.
نگاه واقعبینانه: در فصل یازده میخوانید agentها هنوز محدودیت دارند. context window پر میشود. هزینه توکن بالاست. گاهی agent راه اشتباه میرود. هدف کتاب آموزش مدیریت این محدودیتها است، نه حذفشان. اگر به دنبال راهحل جادویی هستید، ناامید میشوید. اگر به دنبال درک عمیق context engineering هستید، جای درستی آمدهاید.
چرا ارزش وقت و هزینه را دارد؟
خرید یک کتاب فنی همیشه ریسک دارد. شاید نصف کتاب را از قبل بلد باشید. اما کتاب Agentic Coding with Claude Code فرق دارد. فصل اول را بخوانید؛ همان جا میفهمید چرا پرامپتهای قبلیتان جواب نمیداده.
نمونههای فصل سه و چهار نشان میدهد که بدون مهندسی زمینه، agent تا ۴۰٪ خطاهای زنجیرهای تولید میکند. (این عدد از مثال خود کتاب است، نه آزمایش مستقل ورلدکت.)
نسخه PDF اینجا قانونی و مستقیم از ناشر Packt تهیه شده. نه اسکن، نه تبدیل دستی، نه صفحه کم و زیاد. همان فایلی که روی سرور ناشر هست، روی دستگاه شما میرود.
تضمین ورلدکت: فایل را دریافت میکنید. اگر ناقص یا خراب بود (که نیست)، فایل جدید ارسال میشود. بدون حرف و حدیث.
پیشنهاد: فصل سه را بخوانید (بخش «مدیریت حافظه»). اگر همان چند صفحه به دردتان نخورد، کتاب را کنار بگذارید. ولی میدانیم که میخورد. چون خیلیها همانجا تازه میفهمند فرق «پرامپت زدن» با «مهندسی زمینه» چیست.
خودکارسازی گردش کار توسعه با Claude Code و GitHub
فصل پنج. بدون نصب و تنظیمات اضافی، چیزی در نمیآید.
اول gh cli را نصب کنید. بعد در مخزن گیتهاب، اپلیکیشن Claude را نصب و workflow را اضافه کنید. کتاب قدم به قدم این کار را نشان میدهد. نتیجه؟ یک فایل YAML در .github/workflows میافتد که منتظر تگ @claude در issueها میماند.
یک سناریوی واقعی از خود کتاب: issueای باز میشود با درخواست تغییر نام متغیر. کلود را تگ میکنید. بدون اینکه یک خط کد بزنید، agent مخزن را میکاود، شاخهی جدید میزند، تغییر را اعمال میکند و pull request باز میکند. اما کتاب هشدار میدهد: بدون فایل CLAUDE.md (همان context پروژه)، agent ممکن است تغییر اشتباهی بدهد. مثالش همان issue است: کلود به جای اصلاح نام متغیر در جای درست، اسم یک کلید API خارجی را هم عوض میکند.
راهحل؟ یک بار /init را اجرا کنید تا CLAUDE.md ساخته شود. commit کنید. دفعه بعد که issue را تگ میزنید، agent اول همان فایل را میخواند و تغییراتش درست از آب در میآید. (فصل پنج، بخش «استفاده از Claude Code برای حل issueهای گیتهاب»)
این خودکارسازی برای تیمهایی که هر روز دهها issue دارند، میتواند مفید باشد. اما کتاب تأکید میکند که همیشه pull request را قبل از merge بازبینی کنید. agent جای تصمیم انسانی را نمیگیرد، فقط سرعت میدهد.
پرسش و پاسخ درباره کتاب Agentic Coding with Claude Code
❓ آیا این کتاب برای مبتدیان مطلق مناسب است؟
خیر. نیاز به آشنایی با پایتون یا تایپاسکریپت، گیت، و مفاهیم اولیه LLM دارد.
❓ فرقش با مستندات خود آنتروپیک چیست؟
مستندات «چه» را میگویند. این کتاب «چرا و چطور» را با پروژه عملی HookHub توضیح میدهد.
❓ قیمتش بالاست. آیا ارزش دارد؟
اگر مدل ذهنی عمیق از context engineering میخواهید، بله. اگر فقط یک راهنمای سطحی میخواهید، شاید نه. (منبع: نقد ۳ ستاره آمازون)
جمعبندی : سوال دیگری دارید؟ در بخش نظرات مطرح کنید.
کتاب های مشابه پیشنهادی
کتاب The Most Complete AI Agentic Engineering System
کریستوفر رینور (Christopher Raynor) – راهنمای عملی گامبهگام برای ساخت، بهینهسازی و مقیاسسازی عاملهای مبتنی بر LLM، همراه با معیارهای سختگیرانه و مکانیزم خودبهبوددهی.
کتاب Agentic Artificial Intelligence
پاسکال بورنت (Pascal Bornet) – کاربرد عاملهای هوش مصنوعی در بازآفرینی کسبوکار، کار و زندگی با رویکردی استراتژیک و بدون ورود به جزئیات پیادهسازی فنی.
کتاب Multi-Agent Reinforcement Learning: Foundations and Modern Approaches
استفانو آلبرشت، فیلیپوس کریستیانوس و لوکاس شفر – اولین منبع جامع دانشگاهی برای یادگیری تقویتی چندعامله (MARL) با پوشش مبانی، مفاهیم راهحل، الگوریتمها و رویکردهای مدرن.
کتاب AI Engineering: Building Applications with Foundation Models
چیپ هیون (Chip Huyen) – فرایند ساخت اپلیکیشنهای کاربردی با مدلهای پایه، از ارزیابی تا استقرار، با نگاهی متفاوت نسبت به مهندسی سنتی یادگیری ماشین.

دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.