コンテキスト = 解釈を経た情報の束
再定義
コンテキストとは、ある目的に対して解釈・選択・整形を経た情報の束である
素材プールそのものはコンテキストではなく、コンテキストの原料にすぎない。選択と整形の関数(=解釈)が挟まって初めてコンテキストになる。
①②を貫通する定義
- ① AI向け: LLM全種・ツール全種の直積ではなく、「このエージェントにはこれ」と選ばれた束がBlock/Pipe
- ② 人間向け: 組織の全データ投入は非現実的。Custodia Labsも「全データではなく各クエリに適切なデータ」と明言
両者の違いは解釈の対象だけ:
- ①の対象 = エージェント構成の素材プール(モデル・ツール・メモリ)
- ②の対象 = 人間や組織が生み出したデータの素材プール
解釈の階層(例: フルリモート年収600万転職)
- 選択: 日記・家計簿・Slack等から労働観・収入・時間の使い方に関わるものを拾う
- 圧縮: 3年分の日記を「可処分時間の推移」「ストレス源の頻出パターン」に畳む
- 関連づけ: 固定費と年収600万ラインの妥当性を接続
- 目的適合化: 制約から見て過去データのどの側面が効くかで重み付け
既存概念との接続
- RAG の retrieval + rerank + 要約 = ②の機械的解釈工程
- 業界用語の “context engineering” はこの解釈行為そのものを名指す
- ①側でも「このタスクにはこのツールだけ露出」は解釈行為
含意: ②に組み込める「解釈レイヤー」
現状のMCPは配管(素材をAIに渡す口)は標準化したが、目的に照らして素材を選び整形する層は各アプリ任せ。ここが空白地帯。
埋めるのは: 個人向け「ライフログ解釈エージェント」、法人向けGlean系進化版、あるいは “context engineering as a service”。②のさらに一段上のレイヤーとして切り出せる。