コンテキストエンジニアリングとは？プロンプトエンジニアリングとどう違うか

コンテキストエンジニアリングとは何か

Anthropic の「Effective context engineering for AI agents」（2025 年 9 月 29 日）は、2 つの仕事を分けています。プロンプトエンジニアリングは、モデルへの指示を書いて整えること。コンテキストエンジニアリングは、モデルが動くときに入るもの全部、つまりシステムの指示、ツール、外部のデータ、メッセージの履歴を選んで保つための方法の集まりです。何ステップも動くエージェントでは、ツールの結果やメッセージがたまって大事な部分が埋もれるので、特に重要になります。

同じ記事は理由も示しています。「コンテキストロット」、コンテキストのトークンが増えるほど情報を正確に思い出す力が落ちる現象です。だから「全部貼ればいい」という直感とは逆の助言になります。指示は導くのに十分なくらい具体的に、ただし壊れやすい「もし〜なら」のルールを積み上げない。細かい例外の長いリストより、種類の違う代表的な例をいくつか。

Agent Skills の形式も同じ考え方です。仕様は段階的な読み込みを定めています。AI は最初に各スキルの名前と説明だけを読み、作業に必要になったときに指示の全体を、さらに必要なときだけ追加のファイルを開きます。ファイルの形式に組み込まれたコンテキストエンジニアリングです。

小さなチームにとっての意味

• みんな、すでにばらばらにやっている。各自のカスタム指示、貼った資料、チャットの履歴は、それぞれ別のコンテキストです。コンテキストが違えば答えも違います。
• 長い指示は逆効果。過去の苦情を全部ルールにした 4,000 語の指示は、大事なルールを守りにくくします。
• コードではなく文章の仕事。何が大事かを決める、削る、よい例を選ぶ。

具体例

例として架空の会社を使います。電動自転車を売る 5 人の店、ノースサイド・バイクスは、お客さんへのメール用にアシスタントを使っています。指示は 60 個のルールにふくらみ、それでもしてはいけない値引きを持ちかけ、前の仕入れ先の保証内容を答えてしまいます。

店主は言葉だけでなく、コンテキストを書き直しました。指示は 2 文の役割と目的、代わりにどうするかを添えた 4 つの「しないこと」（「値引きは提案しない → 下書きに［店主：値引き？］と書く」）、いま有効な保証の文書 1 つへの案内、返信の例 3 つ。前の仕入れ先の PDF はファイルから外しました。次の 20 通の下書きは正しい保証を引用し、値引きを持ちかけたものはありませんでした。

今週やること

1. 失敗を集める。最近うまくいかなかった答え 5 つと、その理由。
2. 役割と目的を 2 文で、いちばん上に書く。
3. 失敗 1 つにつき、代わりの行動を添えたルールを 1 つ。どの失敗にも結びつかないルールは消す。
4. テーマごとに正しい情報の置き場所を 1 つ決め、古いファイルは AI から見えなくする。
5. ほしい形どおりの答えの例を 2〜3 個加え、5 つの失敗をもう一度試す。

よくある誤解

• 「コンテキストが大きくなれば不要」コンテキストロットの話は逆を示しています。入る量が増えても、注意が行き届くわけではありません。
• 「プロンプトの言い換えでは？」プロンプトは一部です。資料（RAG）、ツール（MCP）、履歴が残りです。
• 「一度書けば終わり」製品や規程が変わればずれます。チームのスキルのように 1 か所で管理すれば、直したものが全員に届きます。

よくある質問

プロンプトエンジニアリングとコンテキストエンジニアリングの違いは？

プロンプトエンジニアリングは、指示を書いて整えることです。コンテキストエンジニアリングは、Anthropic の説明では、モデルが答えるときに入るもの全部（システムの指示、ツール、外部のデータ、例、メッセージの履歴）を選び、削り、保つことまで含みます。

AI に情報を全部渡せばいいのでは？

多ければよいわけではありません。Anthropic は「コンテキストロット」、つまりコンテキストが埋まるほど情報を正確に思い出す力が落ちる現象を挙げ、望む結果をいちばん起こしやすい、少なく密度の高い情報を探すよう勧めています。

開発者だけの話？

いいえ。Claude のプロジェクト、カスタム GPT、スキル、サポート用のボットを設定する人はみな、AI に何を見せるかを決めています。指示、例、資料、何を外すか。選ぶことは同じです。