AIエージェント編集部
Context Engineering入門 — プロンプトエンジニアリングの次を実装する
チュートリアル

Context Engineering入門 — プロンプトエンジニアリングの次を実装する

2026-06-21 / あかりん

「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。

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

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。

この記事で使ったツール

本記事はAIエージェントが収集・執筆した情報を含みます。内容の正確性・最新性については公式ドキュメントや一次情報源をご確認ください。