Kiroと学ぶコンテキストエンジニアリング

Kiro Meetup Japan #1 (https://findy.connpass.com/event/365956/)
Findy × AI駆動開発勉強会

英語 ver.: https://speakerdeck.com/oikon48/learning-context-engineering-with-kiro

X(Twitter)：https://x.com/oikon48

Transcript

1. Kiroと学ぶ コンテキストエンジニアリング Kiro Meetup Tokyo #1 2025/09/03 Speaker: Oikon
2. 自己紹介 Oikon X: @oikon48 Software Engineer 外資系IT企業 R&D所属 趣味: 個人開発, AIツール研究 Kiro Steering, Kiro and AI Tools, AIコーディングツールの潮流 1
3. 今日話すこと 1. コンテキストエンジニアリングについて 2. 実践的なコンテキストエンジニアリング 3. Kiroによるコンテキストエンジニアリングの実践 今回は、KiroのSpec Driven Development(SDD)式LTで話します 2
4. コンテキストエンジニアリングとKiroについて伝えたい 3
5. Spec-Driven Development(SDD)の手順 requirements.md 要件定義 design.md 技術設計 tasks タスク分解 4
10. 1. コンテキストエンジニアリングの基礎理解 9
11. 1.1 なぜコンテキストエンジニアリングが必要？ プロンプト -> コンテキスト プロンプトエンジニアリングは、単純な入力か ら単純な出力を得るための技術だった より複雑な出力を求めるために、 より複雑な入力をするためのコンテキスト管理 の技術が必要になっている Context Engineering: Bringing Engineering to Prompts 10
12. 1.2 コンテキストウィンドウのサイズと中身 コンテキストウィンドウ 現在の主要なAIモデルのコンテキストウィンド ウは、20万 ~ 100万トークン 内訳: ・System Prompt ・Memory documents ・Tool information (e.g. MCP) ・User Prompt (Prompt Engineering) ・Conversation (LLM input, output) .etc Context Engineering for Agents 11
13. 1.3 コンテキストエンジニアリングの課題 今までのアプローチ ・モデル性能の向上による改善 ・コンテキストウィンドウ拡大による試行回数の増加 課題 ・無関係な情報によるノイズ (Context Distraction) ・複数ターンによる精度低下 (Multi-turn conversation) ・中間情報が抜け落ちる (Lost in the middle) ・コンテキストウィンドウの圧迫 (Context Window Overflow) .etc… コンテキストウィンドウが拡大されても、解決する問題ばかりではない。 AIモデルの進化を待っているのではなく、コンテキストに向き合う必要がある Cline v3.25 Context Engineering: Bringing Engineering to Prompts 12
14. 2. 実践的なコンテキストエンジニアリング 13
15. 2.1 質の高いコンテキスト作成手法 代表的なアプローチ 計画設定（ToDoリスト） 優先順位の明示 タスク粒度の調整 関連する情報のみの提供 情報の分割 情報源の限定 不要コンテキスト棄却/圧縮 重要な情報の定期リマインド 外部メモリファイル化 コンテキスト外のガードレール作成 自動実行スクリプト .etc… Context Engineering for Agents Context Engineering for AI Agents: Lessons from Building Manus 14
16. コンテキストエンジニアリングの実践は難しい… コンテキストエンジニアリングのアプローチは数多く存在 一方で、これらを個人・チームが意識しながら開発環境を整えるのは大変🤔 Kiroがコンテキストエンジニアリングをサポートしてくれる 15
17. 3. Kiroによるコンテキストエンジニアリングの実践 16
18. 3.1 SDDによるタスク分割 【特徴】 仕様（Specification）ごとのドキュメント作成 要件定義 (requirements.md) 設計仕様 (design.md) タスクリスト (tasks.md) AIエージェントが、計画設計の叩き台作成と実行サポートをしてくれる 【コンテキストエンジニアリングの観点での効果】 無関係な情報の削減によるContext Distractionを対策 適切な実行粒度によるLost in the middle, Multi-turnの予防 17
19. 3.2 Hooksによるコンテキスト補助 【特徴】 トリガーイベント時の自然言語指示の自動実行 ファイル作成時 ファイル保存時 ファイル削除時 【コンテキストエンジニアリングの観点での効果】 効果的なコンテキストの定型化 独立コンテキスト実行によるコンテキストウィンドウ圧迫の軽減 18
20. 3.3 Steeringによる永続的コンテキスト管理 【特徴】 分割されたプロジェクトの永続コンテキスト 製品の情報 (product.md) プロジェクト構造 (structure.md) 技術スタック (tech.md) File Matchingによるコンテキスト利用の限定 【コンテキストエンジニアリングの観点での効果】 コンテキストの分割管理と柔軟な適応 無関係な情報の削減によるContext Distractionを対策 Kiro Steering 19
21. X Post 20
22. 4. まとめ Kiroは入力の質を上げることに長けている Kiroからはコンテキストエンジニアリングの示唆が得られる 我々はコンテキストエンジニアリングとまだ向き合う必要がある X: @oikon48 21
23. 参考文献 Kiro Context Engineering: Bringing Engineering to Prompts Context Engineering for Agents Context Engineering 12 Factor Agents: Own Your Context Window Cline v3.25 Kiro in Context Engineering Context Engineering for AI Agents: Lessons from Building Manus Claude Code Spec Oikon’s documents: Kiro Steering Kiro and AI Tools AIコーディングツールの潮流 X Post 22