Context engineering как ключевая практика AI агентов

Context engineering как ключевая практика AI агентов

Context engineering — это инженерная дисциплина проектирования того, что AI-агент видит в каждый момент работы: какие файлы кода, документация, тесты, стайл-гайды (CLAUDE.md, AGENTS.md), MCP-источники и история диалога попадают в контекстное окно модели. В отличие от prompt engineering (формулировка запроса), context engineering работает с окружением рассуждения: одинаковый промпт с разным контекстом даёт радикально разные результаты. Anthropic кодифицировала эту дисциплину, выпустив Claude Agent SDK (бывший Claude Code SDK, переименован в сентябре 2025) — инструментарий для построения агентов с явным управлением контекстом.

Данные и источники

Кто формализовал термин:

• Anthropic, "Building effective agents" — пост в Anthropic Engineering Blog (декабрь 2024), один из первых публичных манифестов перехода от prompt к context engineering. Утверждает, что для агентов важнее правильное окружение, чем хитрая формулировка.
• Andrej Karpathy — публично продвигал тезис «context is the new code» в выступлениях 2024-2025: качество AI-системы определяется тем, какой контекст вы соберёте, а не какую модель используете.
• Claude Agent SDK (TypeScript + Python) — выпущен Anthropic в 2025; включает примитивы для управления контекстом: subagents (изоляция), compaction (сжатие истории), memory (внешнее хранение), MCP (стандартизованные источники).

Из чего состоит context engineering на практике:

• Code-as-context: в окно модели передаётся не весь репозиторий, а целевые файлы + их зависимости (через grep/AST/import-граф).
• Documentation-as-context: CLAUDE.md, AGENTS.md — структурированные правила проекта, которые модель видит первыми.
• Memory: долговременная память между сессиями (например, ~/.claude/projects/<project>/memory/).
• MCP-серверы (Model Context Protocol, Anthropic, ноябрь 2024): стандартизованные источники контекста — Linear, GitHub, Postgres, любой внешний API.
• Compaction: автоматическое сжатие старых сообщений при приближении к лимиту контекстного окна.

Эффект на качество:

• Метаанализ практик с Claude Code показывает, что правильно собранный CLAUDE.md (с правилами проекта, антипаттернами и каноническими примерами) снижает количество regression-багов на десятки процентов по сравнению с «голой» моделью.
• Без context engineering агент быстро накапливает «мусор» (см. ) и теряет фокус.

Первоисточники:

• Anthropic, "Building Effective Agents" (Dec 2024)
• Claude Agent SDK documentation
• Model Context Protocol specification (anthropic.com/news/model-context-protocol)

Связи

• Context engineering как метод управления стабильностью AI-агентов — Прямое развитие темы: детализирует практическое применение context engineering для надежности
• От prompt engineering к context engineering — Объясняет эволюцию парадигмы: переход от промптов к управлению контекстом
• Выбор между AI workflow и AI agent как ключевое решение — Контекстное архитектурное решение: выбор паттерна влияет на управление контекстом агента
• Профиль AI Engineer: три ключевых блока компетенций — Context engineering как часть необходимых компетенций AI Engineer для работы с агентами

Подробнее

• LLM для разработчиков: пиллар-гайд — как использовать context engineering на практике: CLAUDE.md, MCP, subagents, compaction.
• Курс AI Product Engineer — 8-недельная программа, где context engineering — одна из ключевых тем.

---

Источник: Telegram, 2025-10-05