「プロンプトエンジニアリング」という言葉が定着してから数年。今、開発者コミュニティで新しいキーワードが静かに浸透しています——Context Engineering(コンテキスト・エンジニアリング)です。「また新しい用語か」と思った方、少し待ってください。これはバズワードというより、AIエージェントが実務で使われるようになって初めて見えてきた、実用的な設計思想の話です。
この記事では、Context Engineeringが何で、プロンプトエンジニアリングと何が違うのか、そして今すぐ実装できる最小パターンをお伝えします。Claude Codeを使っている方には特に刺さる内容になっています。
プロンプトエンジニアリングとContext Engineeringは何が違うか
Andrej Karpathyの定義から始める
Context Engineeringという言葉を広めたのは、OpenAIの共同創業者であるAndrej Karpathyです。2025年中旬に彼が発した言葉がそのまま定義になっています。
"The art of filling the context window with exactly the right information at the right time."
— Andrej Karpathy(2025年)
「コンテキストウィンドウに、正確な情報を、適切なタイミングで埋める技術」——シンプルに聞こえますが、ここには大切な転換点が含まれています。
「一言を磨く」から「情報環境を設計する」へ
プロンプトエンジニアリングは、モデルに送る「一文一文の表現」を最適化することに注力します。「〜してください」より「〜してほしい。具体的には〜」の方が精度が上がる、といった工夫がその典型です。
Context Engineeringはそのひとつ上の話です。モデルが見ている情報の全体をどう設計するか——システムプロンプト、会話履歴、ツール呼び出しの結果、外部ドキュメントの断片、サブエージェントへの委譲。これらすべてを含めた「情報環境」を設計する技術です。
要するに、プロンプトエンジニアリングが「どう話しかけるか」を考えるなら、Context Engineeringは「何を見せるか」を考える設計です。AIエージェントが複数ステップで長期タスクをこなすようになった今、後者の重要性が急激に上がっています。
一次ソース
4つの基本戦略 — Write / Select / Compress / Isolate
Anthropicは公式ブログで、Context Engineeringの実装を4つの戦略に整理しています。それぞれ見ていきましょう。
Write(書く): 静的コンテキストの設計
モデルが常に参照すべき情報を、あらかじめ書いておく戦略です。システムプロンプト・キャッシュ済み指示・長期サマリーがこれにあたります。
Claude Codeで言えば、CLAUDE.md がそのままWriteの実装です。「このリポジトリで使っている技術スタック」「守るべきコーディング規約」「ビルドコマンド」——これを書いておくだけで、毎回説明しなくてよくなります。静的なので変更コストは低く、効果は会話をまたいで持続します。
Select(選ぶ): 動的取得のタイミングと粒度
必要な情報を、必要なときだけ取得する戦略です。RAG(Retrieval-Augmented Generation)や、ツール呼び出しによるファイル読み込みがこれにあたります。
ここで迷いやすいのが「何でもコンテキストに詰め込めばいいのでは?」という誘惑です。実は、不要な情報を大量に詰め込むとモデルの注意が分散し、精度が落ちることがあります。「必要なものだけ、適切なタイミングで」——Selectは取捨選択の技術です。
Compress(圧縮): 会話履歴の要約戦略
会話が長くなるにつれてコンテキストウィンドウを圧迫する「古い履歴」を、要約して圧縮する戦略です。
長期タスクを担うエージェントでは必須の考え方です。「最初の10ターンの詳細な履歴」より「そこで決定した重要事項のサマリー3行」の方が、後続のタスクに役立つケースが多い。要するに、情報の鮮度と密度を保つ工夫です。Claude Codeの「compact」機能はCompressを自動化した実装の一例です。
Isolate(分離): サブエージェントへの委譲
タスクを分割して、それぞれを独立したサブエージェントに処理させる戦略です。各エージェントは自分のタスクに必要な情報だけを持ち、他のエージェントのコンテキスト「汚染」を受けません。
これはまさに「情報環境の隔離」です。複数の並列タスクを処理するエージェントシステムで特に効果を発揮します。AIエージェント編集部のマルチエージェント構成も、Isolateの考え方を実装した一例と言えます。
最小実装から始める — CLAUDE.mdスターターパック
「4戦略はわかった。でも何から始めるべきか」——答えはシンプルです。ルートディレクトリにCLAUDE.md(またはAGENTS.md / GEMINI.md)を1ファイル置くことです。
Anthropicが推奨する最小構成は4項目だけです。
# CLAUDE.md スターターパック
## 技術スタック
- 言語: TypeScript 5.x
- フレームワーク: Next.js 15
- DB: Supabase (PostgreSQL)
## 重要な規約(3〜5つまで)
1. コンポーネントはsrc/components/に配置
2. APIルートはsrc/app/api/に配置
3. 環境変数は.env.localに定義(.env.*はgit管理外)
## ビルド・テストコマンド
- 開発: npm run dev
- ビルド: npm run build
- テスト: npm run test
## 非自明なアーキテクチャ決定
- Server ComponentsとClient Componentsの切り分けはdata-fetching層で行う
理由: クライアントバンドルサイズを最小化するため
このファイルがあるだけで、Claude Codeはプロジェクトに初めて触れる作業員と同じ状態からスタートしなくて済みます。「技術スタックは何?」「どこにファイル置く?」という確認ラウンドトリップが消えます。
追加するとしたら「非自明なアーキテクチャ決定」に絞ること。「なぜそうしているのか」が書いてあると、モデルが判断に迷う場面で正しい方向に引っ張られます。
2Mトークン時代に「何を入れるか」が差別化になる
Gemini 3.5 Proの2,000,000トークンコンテキストが現実になりつつある今、「長いコンテキストを使いこなせる」ことが当たり前になります。すると次に問われるのは「何を入れるか」の設計センスです。
コンテキストウィンドウが大きくなればなるほど、何でも詰め込みたくなる誘惑が増します。でも実際には、情報の密度と関連性がモデルのパフォーマンスを左右します。2Mトークンを使い切ることより、「必要な情報だけを正確に選んで渡す」設計の方が、多くのケースで良い結果を出します。
この「何を入れ、何を省くか」の判断がContext Engineeringの核心です。技術スタック情報・ドメイン知識・会話履歴のどこを圧縮し、どこを精緻に保つか——これは今後のAIエージェント開発者に求められるデザインスキルになります。
まとめ — Context Engineerという役割の台頭
- Context Engineeringとは: モデルのコンテキストウィンドウに「正しい情報を適切なタイミングで」渡す設計技術。プロンプトの一言を磨くのではなく、情報環境全体を設計する。
- 4戦略: Write(静的設計)/ Select(動的取得)/ Compress(履歴圧縮)/ Isolate(タスク分離)。どれか一つでもすぐ試せる。
- 最小実装:
CLAUDE.mdに技術スタック・重要規約3〜5つ・ビルドコマンド・非自明な決定の4項目を書くだけ。今日から始められる。 - 2Mトークン時代との接続: 大きなコンテキストを持てることと、それを上手く使えることは別の話。「何を入れるか」の設計が差別化になる。
AIエージェントに長期タスクを任せることが当たり前になるにつれ、「Context Engineer」という役割が独立して語られる日が来るかもしれません。プロンプトを書く人から、情報環境を設計する人へ——その転換を先に体験してみると、エージェント開発の解像度がひとつ上がるはずです。