「プロンプトエンジニアリングはもう古い、これからはコンテキストエンジニアリングだ」——2025 年半ばから 2026 年にかけて、AI 業界の最前線でこの言葉が急速に広まった。Andrej Karpathy（OpenAI 創業メンバーで元 Tesla AI ディレクター、2024年に独立し現在は Eureka Labs を創業）と Shopify CEO の Tobi Lütke が 2025 年 6 月に X で公開支持したのが起点で、Anthropic 公式エンジニアリングブログも「Effective context engineering for AI agents」という記事で正式に体系化した。

しかし日本市場での認知はまだ薄く、「プロンプトエンジニアリングとは具体的に何が違うのか」「業務 AI 設計でどう実装すればいいのか」「経営層に何を伝えるべきか」が整理されていない。本稿は、この用語の起源・正確な定義・Anthropic 公式の方法論・AX Boost 独自の3層モデル・業務 AI で起きる4つの失敗パターン を一気通貫で整理した、2026 年版の決定版実装ガイドである。

コンテキストエンジニアリングとは — 30秒で分かる定義

コンテキストエンジニアリング（Context Engineering） とは、LLM が応答を生成するために参照する コンテキスト（文脈）全体を設計・制御する技術 である。具体的には、コンテキストウィンドウに何を入れて何を入れないか、いつ入れていつ捨てるか、どの情報を優先するか、を一連の工学として扱う。

質問 簡潔な答え
コンテキストエンジニアリングとは？ LLM のコンテキストウィンドウに入れる情報全体を設計・制御する技術
プロンプトエンジニアリングと何が違う？ プロンプトエンジニアリングは「指示文」の最適化、コンテキストエンジニアリングは「指示文 + 履歴 + RAG + ツール + メモリ等」全体の最適化
誰が提唱した？ Andrej Karpathy・Tobi Lütke（Shopify CEO）が 2025 年 6 月に X で支持、Anthropic が公式に体系化
なぜ重要？ 長文脈モデルでも「Context Rot」現象で精度が落ちる。情報の取捨選択が業務 AI の成否を分ける
どこで使う？ RAG、AI エージェント、長期メモリ、マルチターン会話、ツール連携の全ての場面

つまり、「プロンプト1本を磨く」段階から、「LLM の情報環境全体を運用する」段階に AI 業界が進化した ことを示す用語である。

用語の起源 — 2025年6月の Karpathy・Tobi Lütke 宣言

「Context Engineering」という用語が定着したのは、2025 年 6 月の出来事が決定的だった。

Andrej Karpathy が X で投稿した内容（要旨）：

「プロンプトエンジニアリングよりも コンテキストエンジニアリング という呼び方を支持したい。人々はプロンプトを、日常的に LLM に与える短いタスク記述と関連付けて捉える。しかし、産業強度（industrial-strength）の LLM アプリでは、コンテキストエンジニアリングこそが、次のステップに必要な正しい情報をコンテキストウィンドウに詰め込む、繊細な技術と科学 なのだ。」

Shopify CEO Tobi Lütke も同時期に支持を表明し、AI コミュニティで急速に広まった。Karpathy の発言の重要なポイントは、「プロンプト = 短い指示」という素朴な理解に対し、本番運用される LLM アプリでは、コンテキスト全体の設計が決定的に重要 であると指摘したことにある。

Anthropic 公式の位置づけ

Anthropic は公式エンジニアリングブログ「Effective context engineering for AI agents」で、コンテキストエンジニアリングを 「プロンプトエンジニアリングの自然な進化形」 と定義した。両者は対立する概念ではなく、プロンプトエンジニアリングはコンテキストエンジニアリングの中核的な構成要素 として包含関係にある。

つまり 2026 年時点では、

コンテキストエンジニアリング ⊃ プロンプトエンジニアリング
   （広い概念）           （その中の一部）

という関係で整理されている。AI エージェント、RAG（RAGとは）、MCP（MCP完全解説）、長期メモリなどの技術は、すべてコンテキストエンジニアリングの傘下にある。

プロンプトエンジニアリングとの違い — 4軸で整理

両者の違いを4つの軸で整理する。

軸 プロンプトエンジニアリング コンテキストエンジニアリング
対象範囲 プロンプト（指示文）の最適化 プロンプト + 履歴 + RAG + ツール + メモリ全体
時間スコープ 1回の問いかけ単位（静的） セッション全体・複数セッション（動的）
代表手法 Few-shot、Chain of Thought（CoT）、Role Prompting RAG、ツール使用、メモリ管理、Compaction、Multi-Context
設計者の関心 「どう聞くか」 「何を見せて、何を見せないか」

プロンプトエンジニアリング は「1 回の問いかけで最高の回答を引き出す」ことが目的で、Few-shot 例示や CoT 推論などのテクニックが中心。コンテキストエンジニアリング は「LLM が動作する情報環境全体を設計する」ことが目的で、データ取得・履歴管理・ツール連携・メモリ運用までを含む工学領域である。

業務 AI 設計の文脈で言えば、プロンプトエンジニアリングは「個別タスクの精度を上げる」段階で有効、コンテキストエンジニアリングは「継続運用される業務エージェントを設計する」段階で不可欠になる。AI エージェントの全体設計論は AIエージェント業務導入の設計論 で論じている。

Anthropic 公式の方法論 — Compaction から Multi-Context まで

Anthropic 公式が体系化した手法は、突き詰めれば「コンテキストに何を残し、何を捨て、必要なものをいつ呼び戻すか」という一つの問いへの答えに収束する。会話が長くなったときに要約で畳むのが Compaction、肥大したツール結果を間引くのが Tool Result Clearing、最初から詰め込まず必要時に取りに行くのが Just-In-Time Context、そして一つのコンテキストに収まらない仕事を複数に分けて連携させるのが Multi-Context Window Workflows である。順に見ていく。なお、これらは Claude を使う場面に限らず、GPT-4o / Gemini / Llama 等の他モデルでも同様に適用できる原則である。

Compaction（圧縮）

Compaction（コンパクション）とは、コンテキストウィンドウの上限に近づいた会話を 要約して新しいコンテキストに再開 する手法。会話履歴が長くなりすぎる前に、要点を凝縮した「高密度な要約」を作り、それを次のコンテキストの起点にする。

[長い会話履歴 50,000 トークン]
   ↓ Compaction
[要約 3,000 トークン] + [継続会話のための新しいコンテキスト]

Anthropic 公式は「Compaction はコンテキストエンジニアリングの第一の手段」と位置づけている。ポイントは、要約の品質を最大化するために プロンプトを慎重にチューニングする こと。最初に「Recall（網羅性）を最大化」する要約プロンプトを書き、次に「Precision（精度）を最大化」する方向に反復改善する設計が推奨されている。

Tool Result Clearing（ツール結果消去）

AI エージェントが外部ツール（検索 API、計算ツール、データベースクエリ等）を使うと、その結果がメッセージ履歴に蓄積される。長いセッションでは ツールの生結果がコンテキストを圧迫し、ノイズになる。これを定期的に消去するのが Tool Result Clearing で、Anthropic Developer Platform は 最も安全で軽量な圧縮手法 として最新機能に組み込んでいる。

実装の発想はシンプルで、直近 3 ステップ程度のツール結果はそのまま保持しつつ、それより古い結果は「ツール名 + 取得済み」というメタデータだけ残して本体を削除する。エージェントが「以前ここを調べた」という事実は覚えているので、本当に再び中身が必要になったときだけツールを呼び直せばよい。Compaction が会話全体を要約で畳むのに対し、こちらは肥大しやすいツール出力だけを狙って間引く軽量策、と位置づけると使い分けが見えてくる。

Just-In-Time Context（必要時取得）

事前に全データをコンテキストに詰め込むのではなく、軽量な識別子（ファイルパス、保存済みクエリ、URL 等）だけを保持し、必要なタイミングで動的にロード する手法。

[事前ロード型]
コンテキスト = システムプロンプト + 全データベース内容（10万トークン）
   → Context Rot で精度低下

[Just-In-Time型]
コンテキスト = システムプロンプト + ファイルパス一覧（500トークン）
   → 必要時に "read_file(path)" でロード

これは Claude Code のような長期実行エージェントで標準的に採用されている設計。RAG の世界でも、「全部詰め込む RAG」から「段階的に取得する Agentic RAG」への進化を牽引している考え方である。

Multi-Context Window Workflows（複数コンテキスト連携）

1 つのタスクを複数のコンテキストウィンドウに分割し、専門化した複数エージェントが連携する設計。Anthropic は 「Initializer Agent」+「Coding Agent」 の二段構成を例示している。

エージェント 役割
Initializer Agent 初回実行時に環境セットアップ、コンテキスト初期化
Coding Agent 各セッションで漸進的に作業を進め、次セッションのために明確な artifact を残す

これは 「人間チームの分業」を AI エージェントに持ち込んだ設計 で、長時間の複雑タスクで威力を発揮する。MCP（Model Context Protocol）を使うと、各エージェントが共通の文脈・ツールにアクセスできる（MCP完全解説 参照）。

Context Rot（コンテキスト腐敗）— 知っておくべき現象

Anthropic の研究で確認されている重要な現象が 「Context Rot」。これは コンテキストウィンドウのトークン数が増えるほど、モデルの情報想起精度が落ちる という現象である。

「Needle in a haystack（干し草の中の針）」ベンチマーキングで確認されており、たとえ 100 万トークンの長文脈モデルでも、情報を詰め込みすぎるとモデルが情報を見落とす。「少量の高シグナルトークン」が常に最適解になる、というのが Anthropic 公式の結論。

これは「長いコンテキスト = 高性能」という素朴な前提を否定する重要な知見で、コンテキストエンジニアリングの必要性そのものの根拠になっている。

AX Boost 独自フレーム — コンテキスト3層モデル

業務 AI の実装現場で観察される設計パターンを、AX Boost では 「コンテキスト3層モデル」 として整理している。Static / Dynamic / Retrieved の 3 層に分け、各層の役割と運用ルールを明確化する。

Layer 1 / Static Context（静的層）

特徴: セッション開始時に固定され、原則として変更しない情報。

含まれる内容 例
システムプロンプト エージェントの役割定義、出力フォーマット、禁止事項
ツール定義 利用可能な外部 API・関数のスキーマ
業務ルール 業界用語集、社内ポリシー、コンプライアンス要件
出力スキーマ JSON Schema、レスポンス形式

運用ルール: 慎重に設計し、変更時はバージョン管理。Few-shot 例示はここに含まれる場合と Dynamic 層に置く場合がある。1,000〜5,000 トークン程度 が目安。

Layer 2 / Dynamic Context（動的層）

特徴: セッション中に蓄積される情報で、適切に圧縮・破棄が必要。

含まれる内容 例
会話履歴 ユーザーとエージェントの直近 N ターン
ツール実行結果 API レスポンス、計算結果
中間推論 エージェントが考えたステップ
短期メモリ 「ユーザーが好む形式」「現在の作業対象」等

運用ルール: Compaction（要約による圧縮）と Tool Result Clearing（古い結果の削除）を積極適用。コンテキストウィンドウの 30〜50% に収まるよう自動管理。

Layer 3 / Retrieved Context（取得層）

特徴: 必要時に外部から動的に取得され、使用後は破棄される情報。

含まれる内容 例
RAG で取得した文書チャンク 社内マニュアル、過去案件レポート
データベースクエリ結果 顧客情報、在庫データ
Web 検索結果 最新ニュース、競合情報
MCP 経由のリソース 他社システムの API レスポンス

運用ルール: Just-In-Time で取得、使用後はメタ情報のみ残して本体を破棄。長期メモリに保存すべきものは Dynamic 層に昇格させる。

3層モデルの実装イメージ

[コンテキストウィンドウ 全体]
┌─────────────────────────────────┐
│ Layer 1: Static (固定)           │  ← 1,000-5,000 tok
│  - システムプロンプト              │
│  - ツール定義                     │
│  - 業務ルール                     │
├─────────────────────────────────┤
│ Layer 2: Dynamic (自動圧縮)       │  ← 30-50% of window
│  - 会話履歴 (Compaction 対象)      │
│  - 中間推論                       │
│  - 短期メモリ                     │
├─────────────────────────────────┤
│ Layer 3: Retrieved (Just-In-Time) │  ← 必要分のみ
│  - RAG 取得チャンク                │
│  - DB クエリ結果                  │
│  - Web 検索結果                   │
└─────────────────────────────────┘

この 3 層モデルを設計の起点にすると、「どの情報がどの層に属するか」「いつ追加/破棄するか」を一貫して整理 できる。業務 AI エージェントの全体設計と組み合わせる方法論は AIエージェント業務導入の設計論 で詳しく論じている。

業務 AI で起きるコンテキストの典型的なつまずき

実装現場で繰り返し観察される失敗には、共通する病理がある。いずれも「情報は多いほど、残すほど、見せるほど安全だ」という直感が裏目に出るところから生じる。3層モデルのどの層が崩れたときに何が起きるかを、現場で目にする順に見ていきたい。

最も多いのは Retrieved 層の入れすぎ、いわば情報過多型である。「100 万トークンの長文脈モデルなのだから関連資料を全部入れてしまおう」という判断が、先述した Context Rot を呼び込み、かえって精度を下げる。たとえば法務 AI に過去の契約書を丸ごと流し込むと、本案件と無関係な条項を引いてしまう（仮想例）。手当ては量より精度で、Retrieved 層には関連度上位 5〜10 件だけをロードし、コンテキストを膨らませるよりも RAG の検索精度を磨く方に投資する。実装の詳しさは Fine-tuning vs RAG と ハルシネーション対策の実装論 に譲る。

次に頻発するのが Dynamic 層を畳まずに溜め込む履歴の抱え込みだ。会話履歴を消さずに積み上げると、エージェントはセッション冒頭の話題に引きずられ続ける。カスタマーサポート AI が最初の問い合わせ内容を引きずったまま、続く別件に的外れな回答を返すのは典型例といえる。ここで効くのが Compaction で、最新 N ターンの生履歴に圧縮済みの要約を添える構造にすれば、文脈の連続性を保ちながら古い情報の引力を断てる。Anthropic Developer Platform の自動 Compaction 機能はその実装手段になる。

ツールを多用するエージェントでは、Dynamic 層にツール結果が沈殿する問題が起きる。何度もツールを呼ぶうちに生結果がメッセージ履歴に積み上がり、本質的な判断材料がノイズに埋もれてしまう。データ分析 AI が SQL を繰り返し実行し、結果の海に溺れて最終回答が支離滅裂になる、といったケースだ（仮想例）。先に挙げた Tool Result Clearing で直近数ステップ以外を間引き、必要になれば実行し直す設計にしておけば、判断に効く情報だけが残る。

そして見落とされがちなのが、Retrieved 層そのものが間違いを運び込む検索の取り違えである。RAG の検索ロジックが弱いと質問と無関係なチャンクを拾い、それが Static 層のシステムプロンプトより強く効いて、誤った前提に立つ回答を生む。医療 AI が古いガイドラインのチャンクを取得し、現行指針に反する助言をしてしまうのは、まさにこの種の事故だ。RAG を入れた事実は情報の正しさを保証しない、という前提に立ち、チャンキング戦略・検索精度・ランキングを継続的に改善しながら、LLM-as-Judge による評価フレームで誤検索を検知し続ける必要がある（AI評価フレームの実装論 参照）。

これら四つを並べると、失敗の根は「層をまたいだ情報の流れを設計していないこと」に行き着く。AX Boost が現場で重視するのも、個々の手法の有無よりも、どの情報をどの層に置き、いつ捨てるかという運用の規律である。人手で要らない仕事を引き算して空いた工数を価値ある仕事へ振り直すのと同じ発想で、コンテキストもまた「足し続ける」のではなく「削って残す」設計に転じることが成否を分ける（AIは足し算より引き算→再配置 参照）。

業務 AI 実装での段階的な組み込み方

コンテキストエンジニアリングは最初から全力で作り込む類のものではなく、プロジェクトの成熟に合わせて重心を移していくのが現実的だ。プロトタイプ、PoC、本番運用、スケールという四つの段階で、どこに労力を割くべきかは大きく変わる。

プロトタイプ期（〜1ヶ月）— まず動くものを

この時期の主役はプロンプトエンジニアリングに近い。Static 層のシステムプロンプト（役割定義・出力フォーマット・禁止事項）を丁寧に書き、チャンク 5〜10 件を取る簡易 RAG で動作を確認し、Dynamic 層は直近会話のみの最小構成にとどめる。コンテキスト設計を凝るのは次の段階でよく、まずは「動くものを作る」ことを優先したい。

PoC 期（1〜3ヶ月）— 3層モデルへ移行する転換点

動くものが見えたら、3層モデルを明示的に設計し始める。Compaction を試験導入して要約品質を測り、Tool Result Clearing を自動化し、LLM-as-Judge で出力品質を継続的に測定する。この段階で Context Rot が顕在化 することが多い。「長コンテキストにすれば賢くなるはず」という素朴な前提が崩れ、量を入れる設計から層で管理する設計へと舵を切る分岐点になる。

本番運用期（3〜12ヶ月）— 定着するかどうかが分かれる

運用に乗せる段では、Just-In-Time Context へ移行し、複雑な長時間タスクには Multi-Context Window Workflows を検討する。短期メモリと長期メモリを分けるメモリ運用ルールを確立し、A/B テストでコンテキスト構成を最適化していく。「使われ続ける AI」と「使われなくなる AI」が分かれる のはこの時期で、コンテキスト設計の品質が最終的に ROI を決める。なぜ定着しないのかという観点は AI定着失敗の典型7パターン を参照。

スケール期（1年以降）— 継続改善を体制に組み込む

複数業務へ広げる段階になると、マルチエージェントのオーケストレーション、MCP 経由の組織横断コンテキスト共有、業務領域別の専用 Coordinator Agent、そしてコンテキストウィンドウの定常モニタリングと改善の KPI 化が課題になる。ここで問われるのは個別技術より、コンテキストエンジニアリングを継続的に改善し続ける組織体制 をどう作るかである。AI CoE の組成と運用は AI Center of Excellence (CoE) で論じている。

経営層がコンテキストエンジニアリングを意識すべき理由

「これは技術用語だから経営層には関係ない」と思われがちだが、実際にはコスト構造・モデル選定・内製方針・ベンダー選定という、いずれも経営判断に直結する論点が背後に控えている。

まず効いてくるのが AI 投資の費用構造 である。LLM 利用料金はトークン課金が基本のため、コンテキストエンジニアリングを怠ると無駄なトークンを大量に消費し、AI 利用コストが想定の数倍に膨らむことがある。逆に Compaction や Just-In-Time が機能すれば消費は大きく抑えられ、業界では Compaction 等で 5〜7 割の削減事例も報告される。ROI を語るうえで外せない論点だ（AI ROIの測定方法 参照）。

次に、「長コンテキスト = 高性能」という思い込み を捨てる必要がある。ベンダーが掲げる「100 万トークン対応」「200 万トークン対応」は、それだけでは性能を意味しない。Context Rot を回避できる設計能力こそが業務 AI の実成果を左右するため、モデル選定に加えてコンテキスト設計そのものを評価軸に据えるべきである。

そして、こうした設計が 継続改善を要する工学領域 である事実は、内製と外注の判断軸を変える。コンテキスト設計は一度作って終わりではなく、使われ方の変化・データの追加・業務ルールの更新に合わせて磨き続ける必要がある。これを担える内製チームを育てるのか、FDE 型コンサルで継続支援を受けるのかが、長期の競争力を分ける（AI内製化 vs 外注 参照）。

最後に、ベンダーへの問いかけ方 も変わる。「どのモデルを使っていますか」という質問だけでは不十分で、「Compaction はどう実装していますか」「Tool Result Clearing はありますか」「Just-In-Time Context に対応していますか」といった、コンテキストエンジニアリング能力を見抜く質問を選定プロセスに織り込みたい。選定の詳細は AIコンサル発注前に確認すべき7つの質問近日公開 と AIコンサル会社の選び方完全ガイド 2026年版 を参照。

よくある質問（FAQ）

Q1. コンテキストエンジニアリングはプロンプトエンジニアリングの置き換えですか？

A. 置き換えではなく 包含関係。プロンプトエンジニアリングはコンテキストエンジニアリングの中核的な構成要素として位置づけられている。「プロンプトを書く能力」は依然として基礎スキルだが、本番運用される AI エージェントでは 「コンテキスト全体の運用設計」 が決定的になる。

Q2. 長文脈モデル（Claude Opus / Gemini 2M context）を使えばコンテキストエンジニアリングは不要では？

A. むしろ逆。Anthropic が確認した 「Context Rot」 現象により、長コンテキストモデルでも情報を詰め込みすぎると精度が落ちる。「使える容量があるから全部使う」のではなく、「必要最小限の高シグナルトークンを選ぶ」 ことが常に最適解。

Q3. Compaction の要約品質をどう担保しますか？

A. Anthropic 推奨は 「Recall 最大化 → Precision 最大化」の二段階チューニング。最初に「全ての関連情報を捕捉できる要約プロンプト」を作り、次に「冗長な情報を削る」方向に反復改善する。LLM-as-Judge で要約後の情報損失を継続測定する仕組みも有効。

Q4. Just-In-Time Context と RAG はどう違いますか？

A. RAG は Just-In-Time Context の 典型的な実装パターンの一つ。広く言えば、「事前ロード」vs「必要時取得」の対立軸で、Just-In-Time が後者を指す総称。RAG 以外にも、ファイルシステム読み込み、DB クエリ、MCP 経由のリソース取得などが含まれる。

Q5. Multi-Context Window Workflows は中小企業でも実装可能ですか？

A. シンプルな用途では過剰投資。複数エージェントの連携設計・状態管理・エラーハンドリングが必要で、実装コストが高い。まずは単一エージェント + 3層モデルで十分、複雑な長時間タスクが必要になってから検討するのが現実的。

Q6. コンテキストエンジニアリングを社内で学ぶには？

A. 第一段階は Anthropic 公式エンジニアリングブログ（"Effective context engineering for AI agents"）の精読。第二段階は Claude / GPT で実際にエージェントを作る。第三段階は LLM-as-Judge での評価フレーム導入。社内研修プログラムへの組み込みは AIリテラシー人材育成近日公開 で論じている。

Q7. AX Boost は具体的にどう支援しますか？

A. AX Boost は FDE 型コンサルとして、(1) 業務要件からの 3 層モデル設計、(2) Anthropic 公式手法の実装、(3) LLM-as-Judge による継続評価、(4) コンテキスト設計の運用 KPI 化、までを現場常駐で一気通貫に支援する。料金体系は月額固定・成果報酬・ハイブリッドから選択可能で、初回相談は無料。

Q8. コンテキストエンジニアリングは AI 規制とどう関係しますか？

A. 経産省・総務省『AI 事業者ガイドライン第 1.1 版』（2025 年 3 月 28 日）が求める 「説明可能性」「監査可能性」 は、コンテキストエンジニアリングの設計品質に直結する。「なぜこの回答が生成されたか」を遡及できるかは、どの情報がコンテキストにあったか をログ化できているかに依存する。詳細は 企業のAIガバナンス実務ガイド を参照。

まとめ — コンテキストエンジニアリングは「次のプロンプトエンジニアリング」ではなく、それを包含する新しい工学

コンテキストエンジニアリング は、業務 AI の本番運用フェーズで決定的に重要になる工学領域である。プロンプトエンジニアリングを否定する概念ではなく、それを内包しつつ、LLM が動作する情報環境全体を設計する という、より広い視野の技術体系だ。

実務として押さえるべき骨格はそう多くない。Anthropic 公式の四手法（Compaction / Tool Result Clearing / Just-In-Time / Multi-Context）を理解し、Context Rot 現象を踏まえて「長コンテキスト = 高性能」という前提を捨て、AX Boost の「コンテキスト3層モデル」（Static / Dynamic / Retrieved）で設計を整理する。そのうえで、情報過多・履歴の抱え込み・ツール結果の沈殿・検索の取り違えという典型的なつまずきを層単位で防ぎ、経営層は AI 投資の費用構造・モデル選定軸・ベンダー選定基準が変わったことを認識する——この流れが押さえられていれば、本番運用に耐える設計の土台になる。

業務 AI を本気で運用フェーズに乗せるなら、コンテキストエンジニアリングは避けて通れない。AX Boost では FDE 型コンサルとして、戦略策定〜実装〜定着まで現場常駐で支援している。お困りの方は 無料相談 をご利用いただきたい。

関連記事

主要参照ソース

本稿の用語の起源・定義・公式手法・規制論点は、以下の一次ソースおよび専門メディアの記事に基づいて記述している。