コンテキストエンジニアリング（Context Engineering）Context Engineering　—　読み：こんてきすとえんじにありんぐ

コンテキストエンジニアリング（Context Engineering）は、AIに渡す情報の一式を、目的に合わせて選び、並べ、削る設計のことです。指示文の言い回しを磨くプロンプトエンジニアリングより一段広く、参照資料・会話の履歴・ツールの実行結果まで含めて扱います。このページでは、定義・仕組み・出典・使い分け・プロンプト例・FAQ をまとめて解説します。

① コンテキストは「作業机」だと考えます

モデルは、渡された情報の範囲でしか答えられません。机の広さには限りがあり、載せられる書類の量も決まっています。この机の広さがコンテキストウィンドウで、そこに何を載せるかを決めるのがコンテキストエンジニアリングです。プロンプトエンジニアリングが「頼み方」の設計だとすれば、こちらは「渡す材料」の設計にあたります。

② 載せる材料は4種類に分かれます

第一に指示と制約（何をしてほしいか、してはいけないこと）。第二に参照資料（社内文書、商品情報、表データ）。第三に会話の履歴（ここまでのやり取り）。第四にツールの実行結果（検索結果、計算結果、APIの応答）です。この4種類は性質が違い、混ぜ方によって結果が変わります。とくに第三と第四は、自分で書いた指示ではないぶん、古い情報や不要な前置きが紛れ込みやすい領域です。

③ 並べ方と削り方が効きます

長い資料を丸ごと貼ると、肝心の指示が埋もれます。基本は「目的→制約→資料→出力形式」の順に置き、資料が長い場合は先に要約を作ってから渡します。また、同じ内容でも「今の質問に関係する部分だけ」を抜き出して渡すほうが、モデルは迷いません。この絞り込みの考え方はRAG（検索して必要な部分だけを渡す仕組み）と共通です。逆に、関係の薄い資料を大量に足すと、指示の優先順位が崩れて出力がぶれます。

④ 溢れたときに何が起きるか

材料が多すぎると、机から書類が落ちます。モデル側では、古い履歴や中間の資料が実質的に読まれなくなり、「さっき言ったのに無視された」という現象になります。対策は2つです。ひとつは、やり取りが長引いたら要点だけを残して会話を整理すること。もうひとつは、資料を毎回貼り直すのではなく、必要な箇所を抜き出して渡す運用に変えることです。消費量の目安はトークンの項目で確認できます。

プロンプトエンジニアリングという語は、指示文の書き方を指すものとして広まりました。しかし参照資料やツールの出力を扱うようになると、指示文だけを磨いても結果が安定しない場面が増えます。そこで、渡す情報の全体を設計対象にする語としてコンテキストエンジニアリングが実務者のあいだで使われるようになりました。背景には、検索して根拠を渡す仕組み（RAG）と、外部ツールを呼び出す仕組み（Function Calling）の普及があり、渡す情報の質がそのまま出力の質になる構造がはっきりしたためです。教材としては、Learn Prompting が指示・例示・役割・出力形式・補足情報というプロンプトの構成要素として整理しており、DeepLearning.AI は RAG のコースで検索結果の扱いを講義に含めています。

• Learn Prompting「Basic Prompt Structure and Key Parts」
• DeepLearning.AI「Courses」（RAG・Agents のコース一覧）
• OpenAI Academy（公式・役割別の学習コンテンツ）

• プロンプトエンジニアリング
• コンテキストウィンドウ
• RAG（検索拡張生成）
• トークン
• プロンプト
• ハルシネーション（AI 幻覚）
• 関数呼び出し
• AIエージェント
• チュートリアル：AIに渡す情報を仕分けて絞る →

用語同士は相互リンクされています。未掲載の用語は用語一覧の該当項目へリンクします。

実務でそのまま使えるプロンプト例です。コピーして〔　〕内を置き換えてください。同じカードはプロンプト集にも掲載されています。

次の作業をAIに任せます。渡す予定の情報を「指示」「参照資料」「履歴」「ツール結果」の4種類に仕分け、
それぞれについて「今回の判断に必要か」「古くなっていないか」を判定してください。
不要と判定したものは、理由を1行添えてください。

作業：（ここに書く）
渡す予定の情報：（箇条書きで貼る）

次の資料から、下の質問に答えるために必要な箇所だけを抜き出してください。
抜き出しは見出し単位で行い、「該当見出し／抜き出した本文／なぜ必要か」の3列の表にしてください。
該当がない場合は「該当なし」と書いてください。

質問：（ここに書く）
資料：（ここに貼る）

次の作業を毎週繰り返します。1回分の依頼を、そのまま貼って使える形で書いてください。
構成は「目的」「守る条件」「参照資料の場所」「出力形式」の4つとし、
各項目は3行以内にしてください。変わる部分は〔　〕で示してください。

作業：（ここに書く）

• Learn Prompting「Basic Prompt Structure and Key Parts」
• DeepLearning.AI「Courses」
• OpenAI Academy（公式サイト）

定義・出典の記述は一次資料に基づきます。リンク先の内容は公開時点のものです。

コンテキストエンジニアリングは、AIに渡す情報の一式を設計する考え方です。指示・参照資料・履歴・ツール結果の4種類を仕分け、必要な箇所だけを順序立てて渡します。量を増やすのではなく削ることが精度につながり、何を渡したかを記録しておくと、外れたときの原因を追えます。

• 渡す材料は「指示・資料・履歴・ツール結果」の4種類に分ける
• 長い資料は抜き出す。丸ごと貼らない
• 会話が長引いたら要点だけ残して整理する