mcpField
C
context-manager

context-manager

github.com/404kidwizエージェントワークフロー165 回インストール
リポジトリ

context-manager について

LLM アプリケーションやエージェントの開発者向けに、コンテキスト管理を支援するスキルです。コンテキストウィンドウの最適化、会話履歴、永続メモリの設計を扱います。

主な機能

  1. 01コンテキストウィンドウの使用量最適化
  2. 02会話履歴の管理
  3. 03長期メモリの設計
  4. 04RAG 検索コンテキストの管理
  5. 05トークン量と品質の調整

活用シーン

  1. 01AI エージェントのメモリ設計
  2. 02複数セッションにわたる会話履歴の管理
  3. 03品質を保ちながらトークン量を削減

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/404kidwiz/claude-supercode-skills --skill context-manager

インストール後、Claude Code で/context-managerを入力して読み込まれたか確認します。

詳細

コンテキストマネージャー

目的

AI のコンテキスト管理、メモリアーキテクチャ、コンテキストウィンドウの最適化に関する専門知識を提供します。会話履歴、RAG メモリーシステム、LLM アプリケーションにおける効率的なコンテキスト利用を扱います。

使用する場面

  • AI のメモリーシステムとコンテキストシステムを設計するとき
  • コンテキストウィンドウの使用を最適化するとき
  • 会話履歴管理を実装するとき
  • AI エージェントの長期記憶を構築するとき
  • RAG の検索コンテキストを管理するとき
  • 品質を維持しながらトークン使用量を削減するとき
  • 複数セッションにまたがるメモリーの永続化を設計するとき

クイックスタート

このスキルを呼び出す場面：

  • AI のメモリーシステムとコンテキストシステムを設計するとき
  • コンテキストウィンドウの使用を最適化するとき
  • 会話履歴管理を実装するとき
  • AI エージェントの長期記憶を構築するとき
  • 品質を維持しながらトークン使用量を削減するとき

呼び出さない場面：

  • RAG パイプライン全体を構築するとき（ai-engineer を使用）
  • ベクターデータベースを管理するとき（data-engineer を使用）
  • 複数のエージェントを連携させるとき（agent-organizer を使用）
  • 埋め込みモデルをトレーニングするとき（ml-engineer を使用）

判断フレームワーク

Memory Type Selection:
├── Single conversation → Sliding window context
├── Multi-session user → Persistent memory store
├── Knowledge-heavy → RAG with vector DB
├── Task-oriented → Working memory + tool results
└── Long-running agent
    ├── Episodic memory → Event summaries
    ├── Semantic memory → Knowledge graph
    └── Procedural memory → Learned patterns

主なワークフロー

1. コンテキストウィンドウの最適化
  1. 現在のトークン使用量を測定します
  2. 冗長なコンテンツや冗長な表現を特定します
  3. 古いメッセージを要約する仕組みを実装します
  4. 最近の関連性の高いコンテキストを優先します
  5. 圧縮手法を使用します
  6. 品質とトークン使用量のトレードオフを監視します
2. 会話メモリーの設計
  1. メモリーの保持要件を定義します
  2. ストレージ戦略（メモリー内、DB）を選択します
  3. メッセージのウィンドウ化を実装します
  4. あふれた分を要約する仕組みを追加します
  5. 関連する履歴を取得する方法を設計します
  6. セッション境界を処理します
3. 長期記憶の実装
  1. 必要なメモリーの種類を定義します
  2. メモリーストレージのスキーマを設計します
  3. メモリーの書き込みトリガーを実装します
  4. 検索の仕組みを構築します
  5. メモリーの統合を追加します
  6. 忘却ポリシーを実装します

ベストプラクティス

  • 古いコンテキストは切り捨てずに要約します
  • 関連する履歴の取得にはセマンティック検索を使用します
  • システム指示と会話を分離します
  • 頻繁にアクセスするコンテキストをキャッシュします
  • コンテキスト利用率のメトリクスを監視します
  • 上限に達した際の適切な縮退動作を実装します

アンチパターン

アンチパターン問題適切な方法
常に履歴全体を使用コンテキスト上限を超過しますスライディングウィンドウ＋要約
要約しない重要なコンテキストが失われます破棄前に要約します
すべてを同じ優先度にする関連性のない内容にトークンを浪費します最近の内容や関連性の高い内容を優先します
永続化しないセッションをまたいでメモリーが失われます重要なメモリーを保存します
トークンコストを無視するAPI 呼び出しが高コストになります使用量を監視し、最適化します

コメント

Markdown 対応