> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/ja/2025/w31-context-engineering-for-ai-agents.md).

# W31-『Context Engineering for AI Agents』

Manusのブログ『Context Engineering for AI Agents』から、AIアプリ開発をより実務的に理解できた。

以前は単純に「APIを呼ぶこと」と捉えがちだった。今は、従来の決定的なソフトウェア工学で、本質的に不確実なAIをどう扱うかが本当の課題だと分かる。無数の試行錯誤から蓄積した経験こそ、モデルの不確実性に向き合う技術的な参入障壁だ。この壁はコードや製品demoだけでは判断しにくい。経験の深いエンジニアと話して初めて、体系的な優位が実在するか確かめられる。

アプリを作る中核の競争力は、曖昧な人の意図を、機械が安定して実行できるワークフローへ正確に翻訳する能力だ。

複雑系の本『Discovered, Not Designed』を読み、Context Engineeringという言葉にしにくい「決定的な編成の技」を、より整合的に理解できた。本は問題を2種類に分ける。difficult problemは、従来の工学で明確に設計して解ける。hard problemは説明しにくいことが多く、明確な設計では解けず、試行錯誤と自己調整を重ねて実現する。

飛行機は十分に複雑な工業製品だが、複雑系ではなく、明確に設計する複雑さの範囲にある。大規模モデルは複雑系に近く、「発見される」産物だ。言語モデルの訓練では、内部パラメータを直接変更するのではなく、外からのフィードバックで自己調整を促し、望む出力を得る。同様に市場価格も、人が精密に設計するのではなく、無数の取引者の相互作用と駆け引きから自然に生まれる。

不確実さは祝福であって、呪いではない。モデルの不確実性の根を理解し、正しい問題領域に置くことが重要だ。これは新しい工学領域で、まだ初期にあり、具体的で泥くさい仕事も多い。difficult problemの決定的な思考様式に固執してはいけない。