概要

AIエージェントにおけるコンテキストの概念、コーディングエージェントとチャットエージェントでの管理方法の違い、効果的なコンテキストエンジニアリングの原則を説明する。

コンテキストとは

定義

AIエージェントにおけるコンテキストは、モデルが適切な応答生成するために必要な最小限のデータセットである。計算機科学では「タスクコンテキスト」と呼ばれ、タスクが中断され、後で同じポイントから再開できるようにするために保存される最小限のデータを指す(参照: Wikipedia - Context (computing))。

コンテキストの役割(3軸)

軸説明例
情報の範囲指定「何について答えるべきか」を定義プロジェクトのコードベース、ユーザーの質問
行動の制約「どのように答えるべきか」を規定コーディング規約、出力形式の指定
状態の維持会話やタスクの経緯を保持会話履歴、以前の操作結果

コンテキストの構成要素

システムプロンプット(役割・動作規則)
    ↓
コンテキスト(プロジェクト情報、コードベース構造)
    ↓
インストラクション(具体的なタスク指示)
    ↓
入力(ユーザーの入力)

エージェントタイプ別 コンテキスト管理の違い

基本的な違い

観点コーディングエージェントチャットエージェント
文脈の主成分コード、ファイル構造会話、個人情報
指示の永続化CLAUDE.md、ルールファイルメモリ機能
動的文脈ツール結果、git差分会話履歴
管理必要性高(コンテキストプルーニング必要)低(自然に蓄積)
取得方法ジャストインタイム検索(JIT)推論前取得(事前埋め込み)
記憶の範囲プロジェクト/ワークスペース単位ユーザー単位(全会話)

コーディングエージェント(Claude Code等)

テンプレート構造

1. CLAUDE.md(プロジェクト指示)
   - ビルドコマンド、テスト手順
   - コーディング規約、アーキテクチャ
   - 常に守るべきルール

2. システムプロンプット
   - 役割定義(コーディングアシスタント)
   - ツール使用規則

3. コードベース文脈
   - ファイル構造、シンボル情報
   - 現在のファイル、カーソル位置

4. 会話履歴
   - ユーザーの要求と以前の操作

特徴

  • 永続的指示: CLAUDE.mdファイルでプロジェクト固有のルールを保存
  • パスマッチング: .claude/rules/でファイルタイプに応じたルールを適用
  • ツール結果の管理: ファイル読み取り、grep結果などを動的に取得・クリア
  • コンテキストプルーニング: 古いツール結果を削除して容量を確保

Claude CodeのCLAUDE.md

CLAUDE.mdは200行以内に収めることが推奨される。長すぎるファイルはコンテキストウィンドウを圧迫し、指示の準拠率が低下する(参照: Claude Code Memory)。

チャットエージェント(ChatGPT、Claude等)

テンプレート構造

1. システムプロンプット
   - 役割と動作規則

2. 会話履歴
   - ユーザー/アシスタントの交互メッセージ

3. アタッチメント
   - ドキュメント、画像等

4. メモリ
   - ユーザーの設定、個人情報

特徴

  • 会話の線形蓄積: 新しいターンが以前の会話に追加される
  • グローバルメモリ: ユーザーの設定や好みを全会話で保持
  • FIFOローリング: 古いメッセージが自動的に削除される

コンテキストテンプレート

基本構造(XMLタグ使用)

Anthropicのベストプラクティスでは、XMLタグでコンテキストを構造化することが推奨される(参照: Prompt Engineering Best Practices)。

<system_prompt>
  役割と動作規則
</system_prompt>
 
<context>
  プロジェクト情報、コードベース構造、制約事項
</context>
 
<instructions>
  具体的なタスク指示(番号付きステップ推奨)
</instructions>
 
<examples>
  入出力例(3〜5個)
</examples>
 
<input>
  ユーザーの入力
</input>

モデル別の違い

モデル特徴コンテキスト設計の注意点
Claude Opus 5デフォルトで思考機能オン、冗長な傾向冗長さを制御する指示が必要
Claude Fable 5.1エージェント作業中にユーザー向け進捗報告が少ない進捗報告を明示的に指示
Claude Sonnet 5簡潔、思考深度の調整に敏感簡潔さは默认だが、思考深度の調整が有効
GPT-5.x272k〜1Mトークン、独自のキャッシュ戦略キャッシュ戦略の違いを理解

モデルによる違い

モデルが異なっても、コンテキストの役割(情報の範囲指定、行動の制約、状態の維持)は共通。モデルの違いは「どの程度詳細な指示が必要か」「どのような構造が効果的か」に現れる。

コンテキスト最小化の原則

なぜ最小限が必要か

  1. 計算コストの問題

    • アテンションメカニズムはO(n²)の計算コスト
    • コンテキストが大きいほど処理が遅くなり、コストが増加
    • 200kトークン vs 1Mトークンでは数百倍の計算差
  2. コンテキストロットの防止

    • トークン数が増えるとモデルの精度が低下する現象
    • コードは自然言語よりもトークン密度が高く、この問題が顕著
    • ツール結果(ファイル読み取り、grep結果等)が大量に蓄積すると問題に
  3. 効果的なコンテキストエンジニアリング

    • Anthropicは「最小限の高シグナルトークン」で最大の結果を出すことを推奨
    • “find the smallest possible set of high-signal tokens that maximize the likelihood of your desired outcome”

推奨事項

項目推奨根拠
CLAUDE.mdファイル200行以内準拠率の低下防止
メモリファイル200行または25KB以内コンテキストウィンドウの効率的利用
システムプロンプット簡潔で明確に計算コストの削減
ツール結果古いものはクリアコンテキストロットの防止
例(few-shot)3〜5個効果と多様性のバランス

Before/After 比較

Before: システムプロンプット + 全会話履歴 + 全ツール結果 → コンテキストロット発生
After:  最小限のシステムプロンプット + 直近の会話 + 必要なツール結果のみ → 高精度維持

実例:Claude Codeのコンテキスト管理

CLAUDE.mdのスコープ

スコープ場所用途
管理ポリシー/Library/Application Support/ClaudeCode/CLAUDE.md組織全体の指示
ユーザー指示~/.claude/CLAUDE.md個人の設定
プロジェクト指示./CLAUDE.mdチーム共有の指示
ローカル指示./CLAUDE.local.md個人のプロジェクト設定

パスマッチングルール

---
paths:
  - "src/api/**/*.ts"
---
 
# API開発ルール
- すべてのAPIエンドポイントには入力バリデーションを含める
- 標準エラーレスポンス形式を使用

参考情報

参照元

ソースURL内容
Anthropic Prompt Engineeringdocs.anthropic.comプロンプトエンジニアリングのベストプラクティス
Claude Code Memorydocs.anthropic.comCLAUDE.md、メモリシステムの詳細
Wikipedia - Contexten.wikipedia.org計算機科学におけるコンテキストの定義
OpenAI Key Conceptsplatform.openai.comトークン、コンテキストウィンドウの説明

関連項目

用語集

用語定義
コンテキストウィンドウモデルが一度に処理できるトークンの最大数
コンテキストロットトークン数増加に伴う精度低下現象
トークンテキストを処理するための最小単位
アテンション入力トークン間の関係を計算するメカニズム
JIT取得ジャストインタイムで必要な情報を動的に取得する手法