コンテキストエンジニアリングとは、LLMやAIエージェントのコンテキストウィンドウに「何を入れ、何を入れないか」を設計・管理する技術です。 指示文の書き方を工夫するプロンプトエンジニアリングの発展形で、指示だけでなく、ツール定義、参照データ、会話履歴まで含めた、モデルが見る情報の全体を継続的に整える営みを指します。 AIエージェントの実用化が進んだ2025年半ば以降、エージェント運用の中心的なスキルとして定着した言葉です。
コンテキストエンジニアリングとは何か
言葉が広く知られた契機は、2025年6月です。 Shopify CEOのトビ・リュトケが、LLMがタスクを解ける状態になるよう必要なコンテキストをすべて用意する技術としてこの語を使い、AI研究者のアンドレイ・カルパシーも「コンテキストウィンドウを、次のステップに必要な情報でちょうどよく満たす繊細な技芸であり科学」と支持したことで、一気に広まりました。 同年9月にはAnthropicが実務ガイド「Effective context engineering for AI agents」を公開し、エージェント開発の論点として広く参照されるようになりました。
背景にあるのは、プロンプトだけでは説明がつかなくなった現実です。 単発のチャット利用では、設計の対象はほぼ「指示文」だけでした。 しかしエージェントでは、システム指示、ツールの定義、ツールの実行結果、読み込んだファイル、これまでの作業履歴が、すべて同じコンテキストウィンドウに同居します。 同じ指示文でも、周りに何が載っているかで結果は大きく変わるため、「指示をどう書くか」から「モデルに何を見せるか」へ、設計の対象が広がったわけです。
プロンプトエンジニアリングとの違い
両者の関係は、対立ではなく包含です。
- プロンプトエンジニアリング：良い出力を得るための、指示文の書き方と構成の技術。一回の依頼を最適化します
- コンテキストエンジニアリング：指示文を含む、コンテキストに入るすべての情報の取捨選択と配置の技術。エージェントが動き続ける間、何を残し、何を捨て、何をいつ読み込むかを管理し続けます
前提になっているのは、モデルの注意力は有限だという事実です。 コンテキストウィンドウ自体は100万トークン級に拡大しましたが、無関係な情報や紛らわしい情報を詰め込むほどモデルの精度が落ちる傾向は、複数の研究で確認されています。 Anthropicはこの有限性を「注意の予算（attention budget）」と表現しました。 コンテキストは大きな倉庫ではなく限りある予算であり、良い出力は「たくさん見せる」ではなく「必要なものだけを見せる」から生まれる、というのがこの分野の出発点です。
代表的な技法
実務で使われる代表的な技法を、4つ紹介します。
- コンパクション（要約による圧縮）：会話や作業の履歴が長くなったら、要点を要約して古い履歴を捨て、ウィンドウを空けます。Claude Codeの自動コンパクションなど、主要なエージェント製品には標準搭載が進んでいます
- メモリ（外部への書き出し）：重要な決定事項や進捗を、コンテキストの外のファイルやデータベースに書き出し、必要なときに読み戻します。プロジェクトの前提を記した指示ファイル（CLAUDE.mdなど）を置く運用も、この技法の定着した形です
- ジャストインタイム取得：資料を最初に全部読み込ませるのではなく、ファイルパスや検索ツールだけを持たせ、必要になった時点で必要な部分だけを読ませます。人間が「本棚の場所だけ覚えておき、使うときに開く」のと同じ構造です
- サブエージェント分割：大量の資料を読む調査などを、独立したコンテキストを持つ別のエージェントに任せ、親には要約結果だけを返させます。読み込みの汚れを子に閉じ込める、コンテキスト分離の技法です
いずれも、必要な情報を必要な時点で渡し、それ以外で「モデルの作業机」を散らかさないための技法です。
実務での使いどころと注意点
コンテキストエンジニアリングが効果を左右する典型は、AIエージェントの長時間運用です。 エージェントの成果が不安定なとき、原因はモデルの能力よりも、コンテキストの汚れ（無関係な履歴の堆積、ツール定義の過剰、古い情報の残留）にあることが少なくありません。 モデルを乗り換える前に、モデルに何が見えているかを確認する方が、低コストかつ短時間で改善できる場合が多いのです。
社内でAI活用を進める立場では、次の3点が実務的な要点になります。
- 見せる情報を仕組みで管理する：エージェントに渡す社内文書や指示ファイルは、担当者の手癖ではなく、リポジトリ管理された共有資産として整備します。ここが属人的だと、AIの成果も属人的になります
- 「全部渡す」を疑う：ウィンドウが大きいからと無関係な資料まで丸ごと渡す設計は、コストを増やし、課題によっては精度も悪化させます。何を渡さないかの判断こそが設計です
- プロンプトエンジニアリングを捨てない：土台となる指示文の質は依然として重要です。コンテキストエンジニアリングは上書きではなく、範囲の拡張です
「AIをどう働かせるか」の設計技術
コンテキストエンジニアリングは、突き詰めれば「優秀な担当者に仕事を渡すとき、どの資料を机に置くか」という、昔からあるマネジメントの問題をAIに適用したものです。 モデルの性能が横並びに近づくほど、差がつくのはこの渡し方の設計になります。
AI駆動開発の文脈では、リポジトリの構成、指示ファイルの整備、ツールの選定まで含めて「AIが働きやすい環境を作る」仕事の中核がここにあります。 プロンプトの書き方を覚える段階の次に何を学ぶべきかと問われれば、現時点での答えはコンテキストエンジニアリングです。
関連して読める記事
コンテキストエンジニアリングは、コンテキストウィンドウという有限資源を、マルチエージェントやMCPと組み合わせて設計する技術です。AI駆動開発の全体像の中での位置づけとあわせて読むと、実務での勘所が見えてきます。
AI駆動開発（AIDD）とは？従来の開発との違いと導入の考え方
AI駆動開発（AIDD）とは、生成AIを開発工程の主役に置き、人間が方針決定と検証を担う開発スタイルです。コード補完との違い、開発工程がどう変わるか、導入の順序と注意点を解説します。
2026年7月25日
コンテキストウィンドウとは？LLMが一度に扱える情報量と実務への影響
コンテキストウィンドウとは、LLMが一度に扱える情報量の上限です。トークンの考え方、主要モデルの現在地、公称値と実効精度の差、RAGとの使い分けなど実務への影響を解説します。
2026年7月27日
マルチエージェントとは？サブエージェント構成の仕組みと使いどころ
マルチエージェントとは、1つの目標に対して複数のAIエージェントを役割分担で協調させる構成です。サブエージェントによるコンテキスト分離の仕組み、代表的な協調の型、コストと運用の注意点を解説します。
2026年7月27日
MCP（Model Context Protocol）とは？仕組みとできること
MCP（Model Context Protocol）とは、AIアプリと外部ツールをつなぐオープンな共通規格です。ホスト、クライアント、サーバの仕組みと、社内システム接続での使いどころ、セキュリティ上の注意点を解説します。
2026年7月25日