Диалоговые агенты с RAG и памятью стабильно работают на коротких сессиях - и начинают путаться уже через несколько десятков итераций. Причина не в модели и не в промпте. Причина в том, что никто не управляет тем, что именно попадает к модели на каждом шаге.
Когда промпт перестаёт спасать
Классическая картина: агент выбирает не тот инструмент, тянет в ответ старые вызовы, строит логику на ошибке, которая осела в контексте три шага назад. Переписать системный промпт не помогает. Проблема глубже - в том, как собирается контекст перед каждым следующим вызовом модели.
Именно это и называют контекстной инженерией. Anthropic определяет её как набор стратегий для формирования и поддержки оптимального набора токенов во время инференса. Ключевое слово - «оптимальный». Не максимальный, а минимально достаточный: только высокоинформативные токены, которые реально повышают шанс получить нужный результат.
Не RAG и не MCP - но рядом
Контекстную инженерию часто путают с RAG и MCP, потому что все три концепции живут в одном пространстве агентных систем. Но это разные вещи с разными задачами.
- RAG отвечает на вопрос «какие знания достать» - подтягивает релевантные фрагменты из баз, документации, репозиториев.
- MCP стандартизирует канал доступа: откуда агент берёт данные и какие действия может выполнять.
- Контекстная инженерия решает, как собрать всё это в единый контекст для конкретного следующего шага.
RAG приносит знания, MCP подключает источники, а контекстная инженерия определяет, что из этого попадёт к модели - и в каком виде.
Что реально работает на практике
Несколько приёмов, которые удерживают агента от деградации в длинных сценариях. Фильтрация по релевантности - не вся история нужна каждый раз. Суммаризация tool calls - вместо полного лога действий достаточно краткого саммари: что проверено, что найдено, что осталось. Структурирование контекста с явными маркерами секций снижает путаницу между инструкцией, историей и результатами поиска.
Отдельный момент - описания инструментов. Если у нескольких тулов размытые названия и похожие docstring, модель будет ошибаться в выборе. Это не проблема архитектуры - это проблема контекста.
Почему это стало профессией
Рынок уже платит за эти навыки. Компании, которые тащат агентные системы в продакшн, быстро обнаруживают: промпт-инжиниринга недостаточно. Нужен человек, который умеет проектировать архитектуру контекста, выстраивать стратегии суммаризации и отлаживать поведение агента не через переписывание инструкций, а через контроль над тем, что модель вообще видит. Контекстная инженерия - это не модное слово. Это следующий слой работы с LLM, который определяет, выживет ли агент в реальных условиях.