--- title: "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の後継、文脈設計の技術。 | AI用語集 - ai-garage" description: "コンテキストエンジニアリング（Context Engineering）を初心者向けにやさしく解説。プロンプトエンジニアリングの後継、文脈設計の技術。 コンテキストエンジニアリングとは、プロンプトだけでなくシステムプロンプト・履歴・参考資料・ツール出力を含む『文脈全体』をどう組み立ててAIに" source: https://ai-garage.jp/glossary/context-engineering/ --- LLM 🔥 HOT # コンテキストエンジニアリングとは？ 最終更新 2026年7月6日 別名: Context Engineering プロンプトエンジニアリングの後継、文脈設計の技術。 ⚡ 30秒でわかる ## コンテキストエンジニアリング の主なポイント - 1 コンテキストエンジニアリングとは、プロンプトだけでなくシステムプロンプト・履歴・参考資料・ツール出力を含む『文脈全体』をどう組み立ててAIに渡すかを設計する技術のこと。 - 2 従来のプロンプトエンジニアリング（指示文の工夫）を一部に含む、より広い概念で、2025年ごろからAIエージェント運用の鍵として注目された。 - 3 AIが一度に読める情報量には上限があるため、必要な情報を過不足なく渡すこと（足りなくても多すぎても精度が落ちる）が肝心。 - 4 RAGは『外部データを検索して文脈に足す手法』で、コンテキストエンジニアリングはそれも含めて文脈全体を最適化する上位の考え方。 - 5 Anthropicは2025年にこれを『推論時に最適なトークン群を選び保つための戦略』として整理し、エージェント設計の中心テーマと位置づけた。 📖 詳しく ## コンテキストエンジニアリング とは コンテキストエンジニアリング（Context Engineering）とは、AI に渡す指示文（[プロンプト](https://ai-garage.jp/glossary/prompt/)）だけでなく、[システムプロンプト](https://ai-garage.jp/glossary/system-prompt/)・会話履歴・検索で取ってきた資料・ツールの実行結果といった「文脈（コンテキスト）全体」を、どう組み立ててモデルに渡すかを設計する技術のことです。なぜ重要かというと、最近の AI は賢くなった一方で、一度に読み込める情報量（[コンテキストウィンドウ](https://ai-garage.jp/glossary/context-window/)）には限りがあり、必要な情報が足りなければ的外れな答えになり、逆に余計な情報を詰め込みすぎても精度が落ちてしまうからです。たとえるなら、優秀な新人に仕事を頼むとき、ひとことだけ指示するのではなく「関連資料・過去のやりとり・使ってよい道具」を過不足なく手渡してあげるイメージで、その「渡し方」を整えるのがコンテキストエンジニアリングです。従来の「プロンプトエンジニアリング（指示文の書き方の工夫）」は、この大きな枠組みの一部分という位置づけになり、2025 年ごろから AI [エージェント](https://ai-garage.jp/glossary/agent/)を安定して動かすための鍵として注目されるようになりました。似た概念の [RAG（検索拡張生成）](https://ai-garage.jp/glossary/rag/)は「外部データを検索して文脈に足す手法」で、コンテキストエンジニアリングはそれも含めて文脈全体を最適化する、より広い考え方です。 ❓ FAQ ## よくある質問 Q. コンテキストエンジニアリングとは何ですか？ A. AIに渡す情報を、指示文（プロンプト）だけでなくシステムプロンプト・会話履歴・検索した資料・ツールの実行結果まで含めた『文脈全体』として設計する技術のことです。必要な情報を過不足なく組み立てることで、AIの答えの精度を安定させるのが目的です。 Q. プロンプトエンジニアリングとの違いは何ですか？ A. プロンプトエンジニアリングは『一回の指示文をどう書くか』に注目する工夫で、コンテキストエンジニアリングはそれを含めて、履歴や参考資料も合わせた文脈全体をどう整えるかを扱う、より広い概念です。指示文の書き方は今も重要ですが、エージェント運用では全体の文脈設計のほうが結果を左右します。 Q. RAGとの違いは何ですか？ A. RAG（検索拡張生成）は『外部のデータを検索してAIに渡す情報に加える手法』で、コンテキストエンジニアリングの中でよく使われる一手段です。コンテキストエンジニアリングは、そのRAGで取ってきた資料も含め、何をどれだけ渡すかという文脈全体の最適化を指す上位の考え方だと捉えるとわかりやすいです。 Q. 初心者は何に気をつければよいですか？ A. まずは『AIに必要な情報を渡せているか』と『余計な情報で文脈を埋めすぎていないか』の両面を意識するのが第一歩です。関連する資料や前提を簡潔に添えると精度が上がりますが、無関係な長文を大量に貼ると逆に答えがぶれるため、過不足のないバランスを心がけましょう。 🔗 関連 ## あわせて読みたい 関連用語 [プロンプト](https://ai-garage.jp/glossary/prompt/)[AIエージェント](https://ai-garage.jp/glossary/agent/)[プロンプト](https://ai-garage.jp/glossary/prompt/)[RAG（検索拡張生成）](https://ai-garage.jp/glossary/rag/)[コンテキストウィンドウ](https://ai-garage.jp/glossary/context-window/)[AIエージェント](https://ai-garage.jp/glossary/agent/) 関連 AI モデル [Claude Code — Anthropic Claude Opus 5.5 を既定に、長い大仕事向けの Claude Fable 5.1 も呼べるエージェント開発のフラッグシップ。ターミナルからスマホまで同じセッションで続けられる。](https://ai-garage.jp/models/claude-code/)[Cursor — Anysphere（SpaceX 傘下） VS Code ベースのAIネイティブエディタ。自社モデル Composer＋クラウドで自走するエージェント＋Visual Editor。](https://ai-garage.jp/models/cursor/)[Claude — Anthropic 長文・コード・推論で定評。主力は 9/22 に出た Opus 5.5（API の公式ドキュメントは迷ったらこれと案内）、重い推論や長時間の自走には Fable 5.1、日常使いは 9/28 に出た Sonnet 5.5、軽量は 10/7 に出た Haiku 5.5。](https://ai-garage.jp/models/claude/) 関連トピック [AIエージェント時代の本格幕開け 「指示するAI」から「自分で動くAI」へ。2026年は、AIがコードを書き、画面を操作し、Slackに常駐して仕事を片づける「エージェント」が本番運用に入った年。](https://ai-garage.jp/topics/ai-agent-era/)[ロングコンテキスト戦争 Google が先に100万トークンを当たり前にし、Anthropic と OpenAI が追いついた。次の争点は「長さ」から「使いこなし」へ。](https://ai-garage.jp/topics/long-context-war/) 📰 この用語が登場する記事 ## 「コンテキストエンジニアリング」が出てくるニュース [![ベンチマークのスコアが3倍・出力トークンは6分の1に——ARC-AGI-3 で効いた「考えを残す」と compaction の2設定](https://ai-garage.jp/images/news-heroes/arc-agi-3-retained-reasoning-compaction-card.webp) 2026/7/30 ベンチマークのスコアが3倍・出力トークンは6分の1に——ARC-AGI-3 で効いた「考えを残す」と compaction の2設定](https://ai-garage.jp/news/arc-agi-3-retained-reasoning-compaction/)[![AIへの指示は書きすぎが逆効果！？指示文を8割カットした話](https://ai-garage.jp/images/news-heroes/claude-5-context-engineering-new-rules-card.webp) 2026/7/26 AIへの指示は書きすぎが逆効果！？指示文を8割カットした話](https://ai-garage.jp/news/claude-5-context-engineering-new-rules/) 📎 SOURCES ## 一次ソース - [→ Anthropic：Effective context engineering for AI agents](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) - [→ Simon Willison：Context engineering](https://simonwillison.net/2025/Jun/27/context-engineering/) LLM カテゴリの用語 [Chain-of-Thought（思考の連鎖）](https://ai-garage.jp/glossary/cot/)[Few-shot プロンプト](https://ai-garage.jp/glossary/few-shot/)[LLM（大規模言語モデル）](https://ai-garage.jp/glossary/llm/)[SFT（教師あり微調整）](https://ai-garage.jp/glossary/sft/)[Zero-shot](https://ai-garage.jp/glossary/zero-shot/)[コンテキストウィンドウ](https://ai-garage.jp/glossary/context-window/)[システムプロンプト](https://ai-garage.jp/glossary/system-prompt/)[トークナイザ](https://ai-garage.jp/glossary/tokenizer/)[トークン](https://ai-garage.jp/glossary/token/)[ハルシネーション](https://ai-garage.jp/glossary/hallucination/)[プロンプト](https://ai-garage.jp/glossary/prompt/)[ロングコンテキスト](https://ai-garage.jp/glossary/long-context/)[温度（Temperature）](https://ai-garage.jp/glossary/temperature/)[推論モデル](https://ai-garage.jp/glossary/reasoning-model/) [← 前の用語 コンテキストウィンドウ](https://ai-garage.jp/glossary/context-window/) [次の用語 → システムプロンプト](https://ai-garage.jp/glossary/system-prompt/) NEXT [FOR BEGINNERS AI初心者ガイド 用語が多くて混乱したら、まず全体像から。AI初心者が「何から始める？」を5分で。](https://ai-garage.jp/beginners/) [GLOSSARY AI用語集 一覧へ 96語をカテゴリ・検索で引ける。気になる用語をまとめてチェック。](https://ai-garage.jp/glossary/)