コンテキストエンジニアリングとは、AI が仕事をするときに参照する情報(指示・資料・過去のやり取り・使える道具)を、何を・どの順で・どれだけ渡すかを設計する取り組みのことです。指示文の書き方を工夫するプロンプトエンジニアリングより範囲が広く、企業では参照資料の整備と、権限に応じた情報の出し分けまでが対象になります。
コンテキストエンジニアリングは、AI に渡す情報の全体を選び続ける設計
コンテキストエンジニアリングが扱うのは、指示文だけでなく、AI がその時点で目にしている情報の全体です。
ここでいうコンテキストは、生成 AI を動かすときに一緒に渡す情報のまとまりを指します。Anthropic は、コンテキストを LLM(大規模言語モデル)に回答を生成させるときに含める トークン の集まりとし、コンテキストエンジニアリングを、その最適な集まりを選んで保ち続けるための方策の集まりと定義しています。対象に挙げているのは、システムへの指示、道具(ツール)、MCP(AI を社内外のツールやデータにつなぐための接続の仕組み)、外部のデータ、会話の履歴です(Anthropic「Effective context engineering for AI agents」2025年9月29日)。
同じ記事は、目指すところを、望む結果が得られる見込みを最も高くする、できるだけ小さく情報の濃いトークンの集まりを見つけること、としています。
渡せば渡すほど良い、という考え方とは逆です。Anthropic は、コンテキストのトークンが増えるにつれて、モデルがその中の情報を正確に思い出す力が落ちる現象(コンテキストの劣化、英語で context rot)を挙げています。LLM には大量の情報を読むときに使う「注意の予算」があり、トークンが1つ増えるたびにその予算が減っていく、という説明です。コンテキストは限りある資源で、足すほど得られるものが小さくなっていくものとして扱う必要があります。
これより前に、AI エージェントの開発基盤を提供する LangChain は、2025年6月23日の記事「The rise of context engineering」(コンテキストエンジニアリングの台頭)で、コンテキストエンジニアリングを、LLM が仕事をやり遂げられるよう、適切な情報と道具を適切な形式で渡す動的な仕組みを作ること、と定義しました。
同じ記事は、エージェントがうまく動かないときの原因について、多くの場合はモデルの性能よりも、適切な文脈・指示・道具がモデルに渡っていないことのほうにあり、モデルの性能が上がるほどその傾向は強まる、と述べています。
2つの定義はどちらも、AI に何と書くかより、AI が何を見ているかに目を向けています。業務で AI の答えがずれたときは、モデルを替える前に、渡した情報が正しく足りていたかを確かめるのが先、という考え方です。
プロンプトエンジニアリングとの違いは、扱う範囲と選び直す回数
プロンプトエンジニアリングが扱うのは指示文の書き方で、コンテキストエンジニアリングが扱うのは指示文を含めて AI に渡す情報の全体です。
Anthropic は、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が自然に発展したものと位置づけています。プロンプトを書くことが一度で区切りのつく作業なのに対して、コンテキストエンジニアリングは、モデルに何を渡すかを決めるたびに選び直す、繰り返しの作業だと説明しています(Anthropic「Effective context engineering for AI agents」2025年9月29日)。LangChain も、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一部だという立場です。
| 項目 | 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 |
|---|---|---|
| 扱う対象 | 指示文の言葉選び・構成・例の示し方 | 指示文に加えて、参照資料・過去のやり取り・道具の説明と実行結果 |
| 選び直す回数 | 書いて試し、直す。決まれば使い回す | AI が次の作業に移るたびに、渡す情報を選び直す |
| 中心の問い | どう書けば意図が伝わるか | 何を・どの順で・どれだけ渡し、何を外すか |
| 企業での担い手 | AI を使う人・アプリを作る人 | アプリを作る人に加え、資料の持ち主・権限を管理する情報システム部門 |
| うまくいかないときの形 | 指示の取り違え・出力の形の崩れ | 古い資料を根拠にした回答、見せてはいけない資料の混入、情報が多すぎて要点を外す回答 |
表の下の2行が、企業の業務で差が出るところです。指示文をどれだけ磨いても、AI が読む規程が改訂前のままなら、答えは改訂前の内容になります。答えのずれを ハルシネーション(AI がもっともらしい誤りを作ること)と決めつける前に、渡した資料そのものが正しかったかを確かめる必要があります。
渡す情報は、指示・資料・過去のやり取り・道具の4種類
AI が仕事をするときに参照する情報は、指示・資料・過去のやり取り・道具の4種類に分けて考えると、設計で決めることが見えやすくなります。
| 種類 | 中身 | 企業の業務での例 | 設計で決めること |
|---|---|---|---|
| 指示 | 役割・目的・守る決まり・出力の形 | 問い合わせ対応の方針、答えてはいけない話題 | 業務の判断基準をどこまで書くか、例外をどう扱うか |
| 資料 | 社内規程・マニュアル・仕様書・議事録 | 経費精算の規程、製品の仕様書 | どの資料を正とするか、どの範囲を渡すか |
| 過去のやり取り | 会話の履歴・前の作業の結果 | 前回の問い合わせの内容、作業の途中経過 | どこまで残すか、何を要約して引き継ぐか |
| 道具 | AI が呼び出せる検索・システム操作と、その結果 | 社内文書の検索、在庫の照会、チケットの起票 | どの道具を持たせるか、結果のどこを AI に返すか |
何を渡すかと同じくらい、いつ・どれだけ渡すかも設計の対象です。Anthropic は、長い作業を続ける AI エージェントのための方法として、次の4つを挙げています(Anthropic「Effective context engineering for AI agents」2025年9月29日)。
- 必要になった時点で取りに行く: 資料の中身を最初から全部渡さず、ファイルの場所・保存した検索条件・Web のリンクのような軽い目印だけを持たせ、作業の途中で道具を使って読み込ませる
- 要約して引き継ぐ: 会話がコンテキストの上限に近づいたら中身を要約し、その要約から新しいコンテキストを始める
- 作業のメモを外に残す: AI に定期的にメモを書かせてコンテキストの外に保存し、あとでコンテキストに読み戻す
- 役割を分ける: 特定の作業に絞った別のエージェントに、余計な情報の無いコンテキストで作業させ、結果の要約だけを全体を取りまとめるエージェントへ返す
4つとも、コンテキストを小さく保ちながら、必要な情報を落とさないための工夫です。どれを使うかは業務の長さと資料の量で変わり、問い合わせに1回答えるだけの業務なら、資料の選び方と指示の書き方だけで足りることも多いでしょう。複数のエージェントに役割を分ける構成は マルチエージェント で扱っています。
企業の業務で品質を決めるのは、参照資料の整備・権限に応じた出し分け・更新の持ち主
企業の業務でコンテキストの品質を左右するのは、AI の設定よりも、参照させる資料が整っているか、見てよい人にだけ見せられるか、資料を新しく保つ担当が決まっているか、の3つです。
参照資料の整備では、どれを正とするかを先に決める
AI に社内の資料を読ませると、人が暗黙に区別していたことが表に出てきます。改訂前と改訂後の規程が同じフォルダに並んでいる、部署ごとに似た手順書が別々にある、といった状態では、AI はどちらも根拠として使いかねません。
整備で最初に決めるのは、業務ごとに「この資料が正」という1つを指定することです。古い資料は消すか、AI が読む範囲から外すのが基本です。そのうえで、表や画像だけで書かれた資料、略語や社内の呼び名が説明なしに出てくる資料を、AI が読める形に直していきます。資料の整え方は AI に読ませるデータの準備 で詳しく扱っています。
権限に応じた出し分けでは、AI に見える範囲を人の権限と揃える
AI が社内の資料を読めるようになると、共有設定の甘さがそのまま回答に出ます。人が探しにいかなかったファイルでも、AI は検索で見つけて回答に使えるためです。
Microsoft は、Microsoft Copilot が個々の利用者が少なくとも閲覧の権限を持つ組織のデータだけを表示すると説明しており、SharePoint などのアクセス許可の仕組みを使って、適切な人やグループが適切な情報にだけアクセスできるようにしておくことが重要だとしています(Microsoft Learn「Microsoft Copilot のデータ、プライバシー、セキュリティ」2026年11月6日確認)。
裏を返せば、AI は利用者の権限の範囲で見えるものを使うので、権限が広すぎれば、見せるはずのない情報も回答に混ざり得ます。人事評価や給与、顧客との契約のような情報を扱う業務に AI を入れる前に、共有設定を棚卸しし、全社公開のまま残っているファイルを洗い出しておくのが安全です。
外から取り込む資料には、AI への指示を紛れ込ませる プロンプトインジェクション の危険もあります。社外のメールや Web ページをコンテキストに入れる業務では、その中身を指示として扱わない設計と組み合わせて考えます。
更新の持ち主を決め、資料を新しく保つ
資料を一度整えても、規程や料金表、手順は変わっていくものです。更新されない資料を読み続ける AI は、正しい手順で古い答えを返すことになります。
そこで、AI に読ませる資料ごとに、更新の持ち主(どの部署の誰が直すか)・最終更新日・AI に読ませる範囲を一覧にしておきます。制度や手順を変えたときに、AI が読む資料も同じ日に直すことを業務の手順に組み込んでおくと、抜けが減るでしょう。持ち主の決まっていない資料を AI に読ませる範囲から外しておくのも、1つの方法です。
| 決めること | 中身 | 決めないまま始めると |
|---|---|---|
| 正とする資料 | 業務ごとに根拠とする資料を1つ指定する | 改訂前の資料と改訂後の資料が混ざった回答が出る |
| 読ませる範囲 | 業務と利用者ごとに、AI が参照してよい資料の範囲 | 見せるはずのない情報が回答に混ざる |
| 更新の持ち主 | 資料ごとに直す担当と、直す契機 | 制度を変えても AI の答えが古いまま残る |
| 振り返りの方法 | 誤った回答を、足りなかった情報・余計だった情報で分けて記録する | 指示文だけを直し続け、同じ誤りが繰り返される |
企業がコンテキストエンジニアリングを進める手順
進め方は、業務を1つに絞り、人がその仕事で何を見て判断しているかを書き出すところから始めます。
- 業務を1つ選ぶ: 問い合わせへの回答や社内規程の案内のように、参照する資料がはっきりしている業務が始めやすい
- 人が見ているものを書き出す: 担当者がその仕事で開く資料・確かめるシステム・過去の対応記録を並べ、どれが判断に要るかを分ける
- 渡すもの・渡さないものを決める: 指示・資料・過去のやり取り・道具の4種類ごとに、渡す範囲と順番を決める
- 権限と持ち主を決める: 利用者ごとに読める範囲を揃え、資料ごとに更新の持ち主を置く
- 誤った回答から直す: 誤りを、資料が古かったのか・足りなかったのか・多すぎたのかで分け、指示文より先に渡す情報を直す
社内の問い合わせに答える 社内 AI チャットボット は、この手順を最初に試しやすい業務です。社内のシステムを操作する AI エージェントへ広げるときの設計は AI エージェント開発の進め方 に、回答の品質の測り方は AI エージェントの評価 にまとめています。
株式会社overflow の Offers AX は、コンサルティング・AI エージェント開発・内製化支援の3つを、戦略立案と実装を業務の現場に近い距離で一体で進める FDE 型で支援するサービスです。AI の処理基盤は認証や監査ログを含めてお客様の既存環境(GCP・Azure・AWS)に構築し、当社の環境には顧客データを抱えません。数週間で動くプロトタイプを作って実際の業務で確かめてから本実装へ進み、社内で運用を続けられるよう、引き継ぎを最初から設計に含めています。
支援の進め方は Offers AX のサービスページ をご覧ください。AI に読ませる資料の選び方や権限の揃え方を、既存の業務やシステムとあわせて相談したい場合は、無料相談を申し込む からお申し込みいただけます。
コンテキストエンジニアリングと似た語との違い
似た語との違いは、AI に渡す情報のどの部分を扱うかという範囲です。
| 語 | 指すもの | コンテキストエンジニアリングとの関係 |
|---|---|---|
| プロンプトエンジニアリング | 指示文の書き方の工夫 | コンテキストエンジニアリングの一部 |
| RAG(検索拡張生成) | 質問に合う資料を検索し、その中身を AI に渡して答えさせる方式 | 資料を渡す方法の1つ。何を検索の対象にするかはコンテキストエンジニアリングで決める |
| AI エージェント | 目的に向けて、道具を使いながら複数の手順を自分で進める AI | 作業が長く、情報が積み上がるため、コンテキストの設計が品質を大きく左右する |
| AI オーケストレーション | 複数の AI やシステムの呼び出し順と受け渡しを管理する仕組み | 各 AI にどの情報を渡すかの設計を、仕組みの側で実行する |
| AI ガードレール | AI への入力と、AI の出力・操作を検査して止める仕組み | 渡してはいけない情報や出してはいけない回答を、機械で止める側の仕組み |
コンテキストエンジニアリングと一緒に使われる用語
- コンテキスト: 生成 AI を動かすときに一緒に渡す情報のまとまり。指示・資料・会話の履歴・道具の結果を含む
- コンテキストウィンドウ: AI が一度に扱える情報の量の上限。トークンの数で表される
- トークン: 生成 AI が文章を処理する単位。詳しくは トークン
- AI エージェント: 道具を使いながら複数の手順を自分で進める AI。詳しくは AI エージェント
- ハルシネーション: AI がもっともらしい誤りを作ること。詳しくは ハルシネーション
- AI オーケストレーション: 複数の AI やシステムの呼び出しを管理する仕組み。詳しくは AI オーケストレーション
- AI ガードレール: 入力・出力・操作を機械で検査して止める仕組み。詳しくは AI ガードレール
- プロンプトインジェクション: AI に読ませる文書に指示を紛れ込ませ、AI の動作を乗っ取る攻撃。詳しくは プロンプトインジェクション
AI エージェントを業務に入れるときの設計と運用は、AI エージェントのカテゴリ の記事にまとめています。