context-engine

Context Engine - AI エージェントのコンテキスト管理

Context Engine は、AI エージェントが知っていること、記憶していること、取得する情報を管理するための、本番環境に対応したパターンを提供します。プロジェクトの知識の取り込み、コンテキストウィンドウへの最適なパッキング、セッションをまたいだ永続メモリ、大規模なコードベースに対する検索拡張生成まで、ライフサイクル全体を網羅します。有用なエージェントと幻覚を起こすエージェントを分けるのは、コンテキスト管理です。

主な機能

• コンテキストウィンドウのアーキテクチャ — トークン予算の割り当てに加え、貪欲法、階層型、適応的圧縮によるパッキング戦略。
• メモリアーキテクチャ — 3 層モデル（作業用／セッション／ナレッジベース）、昇格プロトコル、古さの検出。
• コード検索 — ファイルレベル、チャンクレベル（RAG）、依存関係を考慮した検索に加え、コードのチャンク化と埋め込みに関するガイダンス。
• ナレッジグラフの構築 — コードベースのグラフスキーマ（ノード＋エッジ）と、エージェントの質問に答えるグラフクエリ。
• ウィンドウ最適化パターン — アンカー付きスライディングウィンドウ、段階的な要約、ツール結果の選択的キャッシュ。
• メモリツールとコンテキスト編集 — セッションをまたいで使えるファイルベースの永続メモリに加え、長いループでウィンドウを使い切らないようにするコンテキストの圧縮（古くなったツール出力の削除、履歴の要約と置換）。
• 長いコンテキストに関する戦略 — 100 万トークンのウィンドウ、RAG、ハイブリッドなエージェントループの使い分け、大きなウィンドウ全体への予算配分、位置や注意機構の影響。
• マルチエージェントのコンテキスト共有 — 共有コンテキストバスと、5 要素からなる引き継ぎプロトコル。

使用する場面

• 新しいコードベースのエージェントコンテキストを初期設定する（インデックス化 → グラフ化 → 要約 → 階層化）。
• 特定のタスク（バグ修正、機能追加、リファクタリング、レビュー）に合わせてコンテキストを最適化する。
• セッションをまたいでセッションメモリを記録、昇格、整理する。
• コード検索用の RAG パイプラインを設計する。
• 複数の連携するエージェント間でコンテキストを調整する。

まず確認すること

設計や分析を始める前に、次の入力項目を確認してください。不明または曖昧な項目があれば、推測せずに質問してください。

• タスクの種類 — コードベースのコンテキストを初期設定する、特定のタスク向けに最適化する、永続メモリを設計する、コード用 RAG を構築する、のいずれか（分析ツール／剪定ツール／インデクサーとプレイブックを選択します）
• トークン予算 — コンテキストウィンドウの上限（--budget の値と適用するパッキング戦略を決定します）
• ソースコンテンツ — インデックス化するファイル／コードベースまたはナレッジベース（スクリプトが処理する入力）

中断ルール：出力に最も大きく影響する 2～3 項目だけを質問してください。ユーザーが「とりあえず草案を作って」と言った場合は作業を進め、成果物の冒頭に前提条件を列挙してください。

ツール

ツール	目的	コマンド
context_analyzer.py	ファイル／プロンプトのトークン使用量、関連性、最適化の提案を分析します	python scripts/context_analyzer.py src/ --budget 128000 --json
context_pruner.py	コンテキストから関連性の低い内容、冗長な箇所、冗長なパターンを剪定します	python scripts/context_pruner.py src/main.py --aggressive --json
memory_indexer.py	TF-IDF 関連性スコアを用いて、メモリ／ナレッジベースをインデックス化して検索します	python scripts/memory_indexer.py docs/ --query 'auth middleware' --top 5
context_budget_planner.py	ウィンドウを各コンポーネントに割り当て、超過を警告し、最初に圧縮／削除すべき項目を提案します	python scripts/context_budget_planner.py --window-size 200000 --system 4000 --history 60000 --tools 90000 --rag 40000 --reserve-output 8000

参考資料

タスクに合った参考資料を読み込んでください。このファイルは簡潔に保ち、詳細は必要に応じて参照します。

• references/context-window-strategies.md — 予算の割り当て、詰め込み戦略、ウィンドウ最適化のパターンを解説しています。予算を計画するときや、長い会話を最適化するときに読みます。
• references/memory-architecture-guide.md — 3 層メモリモデル、昇格プロトコル、古さの検出、共有コンテキストバスと引き継ぎプロトコルを解説しています。永続メモリを設計するときや、エージェント間で連携するときに読みます。
• references/code-retrieval-patterns.md — ファイル、チャンク、依存関係を考慮した検索、チャンク化と埋め込みの指針、ナレッジグラフのスキーマとクエリを解説しています。コード向けの RAG を構築するときに読みます。
• references/memory-and-context-editing.md — メモリツールのパターン（ファイルベースのメモリ、保存する情報と再計算する情報の区別、保持、セキュリティ）とコンテキストの編集・圧縮（破棄の優先順位、要約して置き換える方法、トークン削減の効果）、およびそれらをエージェントのループに組み込む方法を解説しています。セッションをまたいで状態を保持するときや、長時間のループでウィンドウが枯渇するのを防ぐときに読みます。
• references/long-context-strategies.md — 長文コンテキスト、RAG、ハイブリッドの選択、100 万トークンのウィンドウにおける予算の割り当て、位置やアテンションの影響、ウィンドウの拡大が逆効果になる場合（コスト、レイテンシ、注意散漫）を解説しています。ウィンドウと検索のどちらを使うか決めるときに読みます。
• references/workflows-and-quality.md — 3 つのワークフロー、アンチパターン、評価指標、トラブルシューティング、成功基準を解説しています。ワークフローの実行前とリリース前に読みます。

対象範囲と制限事項

このスキルの対象範囲：

• AI コーディングエージェント向けのコンテキストウィンドウのトークン予算計画、割り当て戦略、詰め込みアルゴリズム。
• 昇格と古さに関するプロトコルを備えた、多層メモリアーキテクチャ（ワーキングメモリ、セッションメモリ、ナレッジベース）の設計。
• RAG パイプライン向けの、ファイル単位、チャンク単位、依存関係を考慮した検索など、コード固有の検索戦略。
• コードベースからのナレッジグラフの構築と、エージェントのワークフロー向けのグラフベースのコンテキストクエリ。

このスキルの対象外：

• ベクトルストアのインフラストラクチャのセットアップ、埋め込みモデルの選定、データベースのデプロイ。ベクトルストアの設計と埋め込み戦略については rag-architect を参照してください。
• エージェントの役割定義、パーソナリティ設計、マルチエージェントのオーケストレーションロジック。エージェントのアーキテクチャについては agent-designer を、オーケストレーションのパターンについては agent-workflow-designer を参照してください。
• エージェントシステムのランタイム可観測性、メトリクスダッシュボード、アラート。監視と計装については observability-designer を参照してください。
• プロンプトエンジニアリング技法、思考の連鎖の設計、指示チューニング。プロンプト構築のパターンについては prompt-engineer-toolkit を参照してください。

統合ポイント

スキル	統合	データフロー
rag-architect	Context Engine が検索戦略を定義し、RAG Architect がベクトルストアと埋め込みパイプラインを実装します	検索クエリは Context Engine から RAG Architect のインデックス済みストアへ流れ、ランキングされた結果はコンテキストチャンクとして返されます
agent-designer	Agent Designer がエージェントの役割と機能を定義し、Context Engine がエージェントごとのコンテキスト予算とメモリレイヤーを管理します	エージェントの仕様によってコンテキスト要件が定まり、Context Engine はエージェントの役割ごとに調整されたコンテキストウィンドウを返します
self-improving-agent	Self-Improving Agent が繰り返し現れるパターンと修正を特定し、Context Engine が学習内容を永続メモリに昇格するタイミングを判断します	候補となる学習内容は Self-Improving Agent から送られ、昇格の判断とメモリの更新は Context Engine の陳腐化および昇格プロトコルを介して返されます
observability-designer	Observability Designer がコンテキスト利用メトリクス（関連性、陳腐化、キャッシュヒット）を計測し、Context Engine がメトリクスエンドポイントを公開します	生のメトリクスイベントは Context Engine から送られ、Observability Designer が集約してダッシュボードとアラートを作成します
agent-workflow-designer	Agent Workflow Designer が複数エージェント間の引き継ぎシーケンスを定義し、Context Engine が共有コンテキストバスと引き継ぎプロトコルを実装します	ワークフロー定義で、コンテキストを共有するエージェントを指定し、Context Engine がコンテキストバス、シリアライズ、引き継ぎペイロードを管理します
codebase-onboarding	Codebase Onboarding がプロジェクトの概要とアーキテクチャマップを生成し、Context Engine がこれらを Tier 0 のブートストラップコンテキストとして使用します	オンボーディング成果物（プロジェクト概要、ディレクトリマップ、エントリーポイント）が、Context Engine の初期ナレッジグラフとコンテキスト階層に取り込まれます