コンテキストエンジニアリングとは？意味・方法と主要モデルの長さ（2026年11月時点）

ひとことで言うと

コンテキストエンジニアリングは、AI のモデルが答えをつくるときに読む情報の全体を選び、整え続ける工夫のことだ。指示の文面だけでなく、ツール、外部のデータ、会話の履歴まで含めて、何を渡すかを決める。

Anthropic の Engineering ブログは、コンテキストを「モデルが応答を生成するときに含まれるトークンの集まり」としている。そのうえで、コンテキストエンジニアリングを、推論の間に最適なトークン（情報）の集まりを選んで保つための戦略の集まりと定義している。たとえば社内の資料を調べて報告書をまとめる AI に、資料を全部渡すのか、必要な部分だけを探して読ませるのかを決めるのがこの作業にあたる。

仕組み

Anthropic は、コンテキストを限りのある資源として扱うよう求めている。同社によると、コンテキストウィンドウ（1回の応答で参照できる範囲）のトークンが増えるほど、モデルがそこから情報を正しく思い出す力は落ちる。この現象は「context rot」と呼ばれ、長い文章から1つの情報を探させる評価の研究で見つかった。そのため、望む結果に近づく情報を、できるだけ少ないトークンで渡すことを目指す。

同社の説明では、コンテキストの中身ごとに次の点に気をつける。

1. システムプロンプト（AI の役割や決まりを書いた指示）：はっきりした簡単な言葉で書く。細かい条件分岐を書き込みすぎても、あいまいな方針だけでもうまくいかない。
2. ツール：返す情報をトークンの面で効率よくする。機能が重なるツールを増やしすぎない。
3. 例：起こりうる例外を並べ立てず、期待する振る舞いを示す代表的な例をいくつか選ぶ。
4. 必要な情報をその場で取りにいく：ファイルのパスや保存した検索条件のような目印だけを持ち、必要になったときにツールで読み込む。Anthropic はこれを「just in time」の方法と呼んでいる。

長く続く作業のためには、さらに3つの方法を挙げている。会話がコンテキストウィンドウの上限に近づいたら内容を要約して新しく始める「コンパクション」、コンテキストウィンドウの外にメモを書いて後で読み戻す「構造化されたメモ」、作業を担当ごとのサブエージェントに分ける方法だ。

表で見る最新の状況

上の表は、TRAIL が各社の公式ドキュメントから集めた20モデルのコンテキスト長を、長い順に並べたものだ。確認日は2026年10月12日から11月1日。

GPT-6.1 Terra など OpenAI の5モデルは1,050,000トークンだ。Gemini 4 Argon など Google の3モデルと Meta の Muse の2モデルは1,048,576トークン、Claude Opus 5.5 など Claude の4モデルと DeepSeek の2モデルは1,000,000トークンになる。Grok の3モデルは500,000トークン、Sakana Namazu は256,000トークンだ。

TRAIL の表では、Grok の3モデルと Sakana Namazu を除くモデルが、100万トークン前後の値で並ぶ。それでも上限はある。Anthropic は、長く続く作業ではトークンの数がコンテキストウィンドウを超えると書いている。同社は、どの大きさのコンテキストウィンドウでも、当面は関係のない情報が混ざる問題が残るとみている。

コンテキストエンジニアリングとプロンプトエンジニアリングの違い

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から自然に進んだものと位置づけている。同じ記事でも、システムプロンプトの書き方と、例を示す少数ショットのプロンプトは、コンテキストの一部として引き続き扱われている。

仕事でどう関係するか

社内で AI エージェントを作るとき

AI エージェントは、ツールを繰り返し使いながら作業を進める。Anthropic はエージェントを「LLM がループの中で自律的にツールを使うもの」と説明している。そのループの中で、次の推論に関係しそうなデータが増え続けるので、何を残すかを毎回選び直す必要がある。

Anthropic は機能を詰め込みすぎたツールの組み合わせと、どのツールを使うか迷う分かれ目を、よくある失敗に挙げている。同じ場面でどのツールを使うべきか人のエンジニアでも言い切れないなら、AI のエージェントにもそれ以上は期待できないと書いている。

長い調査や移行の作業を任せるとき

大きなコードの移行や広い調査のように数十分から数時間続く作業では、コンテキストウィンドウの大きさの制約を避ける工夫が要る。Anthropic は作業の性質で方法を選ぶとし、やり取りが長く続く作業にはコンパクション、区切りのはっきりした開発の繰り返しには構造化されたメモが合うとしている。並行して調べる価値がある調査や分析には、サブエージェントを挙げている。

サブエージェントは数万トークン以上を使って調べても、まとめた結果だけを返す。Anthropic によると、その長さは1,000〜2,000トークンのことが多い。

Claude の API で長い会話を扱うとき

Claude の API には、この考え方を形にした機能がある。Anthropic のドキュメントによると、コンテキスト編集（ベータ）は、会話の履歴から古いツールの結果や思考の部分を消す。サーバー側のコンパクションは、古いやり取りを Claude が書いた要約に置き換える。ドキュメントは、長い会話のコンテキストを管理する方法として、多くの場合はサーバー側のコンパクションを第一に挙げている。

これまでのやり取りを要約してください。決めたこと、まだ解決していない問題、次に読むファイルは必ず残し、すでに済んだ作業の細かい出力は省いてください。

注意点と限界

• 要約しすぎると、あとで大事だと分かる情報まで消えることがある。Anthropic は、まず漏れなく拾うように要約の指示を調整し、それから余分なものを削るよう勧めている。
• 必要な情報をその場で取りにいく方法は、あらかじめ用意したデータを読むより遅い。Anthropic は、案内がないとエージェントがツールを使い誤ったり、行き止まりを追ったりしてコンテキストを無駄にすると書いている。
• Claude のコンテキスト編集で古いツールの結果を消すと、プロンプトキャッシュの先頭部分が使えなくなる。消すたびにキャッシュを書き込む費用がかかる。
• この語の定義と方法は、今回読んだ Anthropic の記事とドキュメントによる。ほかの会社が同じ語をどう定義しているかは、ここでは扱っていない。

よくある質問

関連する用語

• プロンプトエンジニアリング：指示の書き方を工夫すること。コンテキストエンジニアリングの出発点
• コンテキストウィンドウ：一度に参照できる範囲。コンテキストエンジニアリングが扱う器
• AIエージェント：ツールを繰り返し使って動く AI。コンテキストの管理が最も必要になる
• システムプロンプト：コンテキストの中で、AI の役割や決まりを伝える部分
• マルチエージェント：作業を複数のエージェントで分ける仕組み
• プロンプトキャッシュ：同じ入力を使い回す仕組み。コンテキストを消すと影響を受ける
• ツール：Claude、Claude Code