컨텍스트 엔지니어링

핵심 아이디어

컨텍스트는 AI가 현재 답변과 작업을 만들 때 실제로 전달받아 사용할 수 있는 시스템 지침, 대화, 검색·선별한 자료, 파일 내용, 예시, 도구 설명과 실행 결과입니다. 컨텍스트 엔지니어링은 제한된 컨텍스트 창에 무엇을 어떤 순서와 시점으로 넣을지 설계하고, 확정된 결정은 보존하며, 오래되거나 폐기된 정보는 요약하거나 제외하는 일입니다. 문서를 저장하는 것만으로는 충분하지 않고, 필요할 때 그 내용을 다시 찾아 AI의 입력에 포함해야 합니다.

쉽게 말하면

공동 수업을 준비할 때 모든 과거 회의 기록을 매번 읽는 대신, 확정한 학습 목표와 오늘 맡은 자료를 펼쳐 놓는 것과 비슷합니다. AI에도 현재 계획, 관련 파일, 입력·출력 예시를 주고 이미 버린 아이디어나 무관한 오류 기록은 줄입니다.

왜 필요한가

대화가 길어지면 현재 결정과 이전 계획이 섞일 수 있습니다. 그러면 AI가 폐기한 기능을 다시 만들거나 지금 기준과 맞지 않는 코드를 덧붙일 수 있습니다. 입력할 정보가 늘면 처리할 토큰도 늘어납니다. 프롬프트 캐시는 제공자 정책에 따라 비용이나 지연을 줄일 수 있지만 컨텍스트 길이와 정보 충돌을 없애지는 않습니다. 필요한 정보의 양과 품질은 따로 관리해야 합니다.

실제 작업 방법

• 확정한 목표와 결정은 AGENTS.md나 docs/의 문서에 기록하고, 새 작업에서 명시적으로 다시 읽힙니다.
• 긴 대화는 결정과 미해결 사항을 중심으로 요약하고, 폐기한 계획은 제외합니다.
• 담당 작업마다 필요한 자료, 예시, 도구와 결과 형식을 구분합니다.
• 서로 연결되는 작업에는 공유할 데이터 형식과 공통 기준을 남깁니다.
• 컨텍스트 창과 토큰 한도를 고려해 정보의 우선순위와 갱신 시점을 정합니다.
• 검색 문서와 도구 결과는 지침이 아니라 검토할 데이터로 취급하고, 출처·작성 시점·버전과 우선순위를 확인합니다.

멀티 에이전트와의 관계

멀티 에이전트는 작업을 나누는 구성이고, 컨텍스트 엔지니어링은 각 작업에 어떤 정보를 줄지 정하는 방법입니다. 개별 에이전트의 입력이 짧아져도 여러 호출과 결과 통합이 추가되면 전체 비용은 늘 수 있습니다.

실제 IT 용어와의 연결

관련 용어로 context window, prompt engineering, retrieval, 메모리, conversation compaction, handoff가 있습니다. 프롬프트 엔지니어링은 개별 입력의 표현을, 검색 증강은 외부 자료 검색을, 메모리는 세션을 넘어 정보를 보존하는 방법을 다룹니다. 컨텍스트 엔지니어링은 이 요소들을 포함해 정보의 선택·배치·갱신·폐기를 설계하며, 코딩뿐 아니라 챗봇과 일반 LLM 앱에도 적용됩니다.

이 블로그에서의 역할

이 시리즈에서는 지침을 AGENTS.md에, 계획과 결정은 docs/에, 검토 결과는 별도 기록에 남깁니다. 새 대화가 필요한 단계에서는 이 파일을 다시 읽혀 현재 작업의 기준을 복원합니다.