Context Engineering

この技術を一言で説明すると

モデルが回答や行動を決める時点で、どの情報を渡すかを継続的に設計することです。単一の規格や学習アルゴリズムではありません。

なぜこの技術が必要なのか

エージェントは作業を続けるほど会話、検索結果、ファイル内容、ツールの実行結果を蓄積します。入力上限に収まっていても、不要な情報や古い指示が判断の妨げになる場合があります。

従来は何が問題だったのか

プロンプトの言い回しだけを調整しても、取得する資料や長い履歴の管理が不適切なら改善には限界があります。すべてを追記する方式は、入力の増大と情報の陳腐化を招きます。

技術の仕組み

指示、例、ツール定義、会話履歴、検索した資料を、目的とトークン予算に応じて選びます。Anthropicの記事は必要時の情報取得、履歴の圧縮、構造化したメモなどを紹介しています。圧縮は情報を落とす操作でもあるため、決定事項や未解決の制約を残す設計が重要です。

具体的な使用例

大きなコードベースを修正する際、最初に概要と対象ファイルだけを渡し、必要な定義を検索します。完了した調査の生ログは短いメモに置き換え、未解決の不具合やユーザーの制約を維持します。

類似技術との違い

メリット・デメリット

不要な入力を減らし、根拠と目標を維持しやすくなります。一方、削除・要約した部分に必要な情報があると復旧が難しくなります。原資料への参照を保存し、必要なら取り直せるようにします。

実装方法

各入力を「維持する指示」「現在の課題」「根拠」「一時的なログ」に分け、使用量を測ります。評価には長い作業の途中に追加された制約を保持できるかを含めます。入力トークンを減らすだけを成功指標にしません。

最新動向

2025年9月29日公開の公式記事では、事前検索と必要時の検索を組み合わせる設計、compaction、構造化メモを紹介しています。これは当該組織の設計知見として扱い、すべてのモデルに同じ最適値があるとは解釈しません。