Agentic Loopの心臓部：Context Engineeringの実装パターンを徹底解説

AIエージェントが「ログインテストが落ちています。原因を直してください」という曖昧な指示から、自律的に問題を特定し、コードを修正し、検証まで完了する——こうした自律的な問題解決サイクルを「Agentic Loop」と呼びます。

今回は、このAgentic Loopの実装において最も重要な要素である**Context Engineering**の具体的な設計パターンを、Claude Codeの実例をもとに深掘りします。多くの開発者がプロンプトの「内容」に注目する一方で、コンテキストの「構造化」こそが、エージェントの自律性を左右する決定的な要素なのです。

Agentic Loopを効果的に回すためには、コンテキストを戦略的に層分けする必要があります。Claude Codeの実装から見えてくるのは、以下の3層構造です。

1. System Prompt層：エージェントの「人格」を定義する

systemPrompt: Claude Codeの基本指示、ツール利用方針、検証方針など

この層は、AIエージェントの行動原則そのものを規定します。単に「あなたはコーディングアシスタントです」と伝えるだけでなく、以下を明確化する必要があります：

2. User Context層：プロジェクト固有の「文脈」を提供する

userContext: CLAUDE.md、今日の日付など

この層が、汎用的なAIモデルを「あなたのプロジェクト専用」のエージェントに変えます。重要なのは：

3. System Context層：「今この瞬間」の状態を反映する

systemContext: git status、最近のcommitなど

この層は動的に変化する情報を扱います：

4. Tools層：エージェントの「手足」を揃える

tools: Read, Grep, Glob, Bash, Edit, To...

ツールセットは、エージェントができることの範囲を決定します。重要なのは、ツールの「粒度」と「組み合わせ可能性」です。

従来のプロンプトエンジニアリングとの決定的な違い

従来のプロンプトエンジニアリングは「1回の入力→1回の出力」を最適化する技術でした。しかし、Agentic Loopにおけるコンテキスト設計は、**複数ターンにわたる自律的な意思決定プロセス**を支える必要があります。

ChatGPTのCode Interpreterと比較すると、違いは明確です：

この違いを実現しているのが、**QueryEngine側での事前コンテキスト構築**です。ユーザーが「ログインテストが落ちています」と言った瞬間に、エージェントは既に：

1. どのツールが使えるかを知っている

2. プロジェクトのコーディング規約を理解している

3. 現在のgit状態を把握している

この「準備された状態」があるからこそ、エージェントは迷わず行動できるのです。

この設計パターンの強力なメリット

1. **再現性の確保**：コンテキスト構造が標準化されているため、同じ問題に対して一貫した対応が可能

2. **拡張性の高さ**：新しいツールを追加する際も、既存の層構造を崩さず統合できる

3. **デバッグのしやすさ**：問題が起きた時、どの層に原因があるか特定しやすい

注意すべき設計上の落とし穴

一方で、この設計には慎重に扱うべき側面もあります：

1. **トークンコストの増大**：3層すべてを毎回送信すると、コストが膨らむ可能性があります。System Context層は動的に更新されるため、差分のみを送信する工夫が必要です。

2. **コンテキストの競合**：System PromptとUser Contextで矛盾する指示があった場合、エージェントが混乱します。優先順位を明確にする必要があります。

3. **過剰な情報による判断の鈍化**：git履歴を100件も渡すと、重要な情報が埋もれます。「最近のcommit」は直近5〜10件程度に絞るべきです。

どんな開発シーンに最適か

この設計パターンは、以下のような場面で特に威力を発揮します：

逆に、創造的な設計判断が必要な場面（アーキテクチャ決定、UX設計など）では、人間の介入が各ステップで必要になるため、オーバーヘッドになる可能性があります。

アクション1：あなたのプロジェクトの「3層コンテキスト」を設計する

以下のテンプレートで、自分のプロジェクトのコンテキストを整理してみましょう：

## System Prompt層
- あなたはXXプロジェクトのコーディングアシスタントです
- 修正後は必ずテストを実行してください
- エラーが出たら、ログを確認してから再試行してください

## User Context層
- コーディング規約: [CODING_STYLE.md]
- 今日の日付: [動的に挿入]
- プロジェクトの目的: [PROJECT_GOALS.md]

## System Context層
- 現在のブランチ: [git branch]
- 未コミットの変更: [git status]
- 直近5件のコミット: [git log -5]

アクション2：ツールセットの「粒度」を見直す

ツールは細かすぎても粗すぎても使いにくくなります。以下の基準で見直してください：

1つのツールで複数の責務を持たせないことが重要です。

アクション3：コンテキストの「鮮度」を管理する仕組みを作る

System Context層は頻繁に変化します。以下のような更新タイミングを設定しましょう：

class ContextManager:
    def __init__(self):
        self.cache_duration = 60  # 秒
        self.last_updated = None
        
    def get_system_context(self):
        if self._is_cache_expired():
            self.system_context = self._fetch_git_status()
            self.last_updated = time.now()
        return self.system_context

毎回git statusを実行するのではなく、適切なキャッシュ戦略を持つことで、パフォーマンスとコストを最適化できます。

---

この情報は @ymd さんの投稿を参考にしています。