モデルコンテキストの基礎｜MCP入門 第1章｜生成AIが文脈を理解する仕組み
第1章 モデルコンテキストの基礎
大規模言語モデル（LLM）が驚くほど自然な文章を生成するのは、「単語」や「文法」だけではなく、 文脈（コンテキスト）を捉えているからです。 では、AIにとって「文脈」とは何を意味し、どのように与えるべきなのでしょうか。
第１章では、モデルが意味を理解するうえでの土台となる「コンテキスト」について基礎から学びます。 プロンプトとの違い、ウィンドウ制限、記憶の概念など、後続のMCP設計の理解に必要な土台を見ていきましょう。
1.1 モデルはなぜ文脈を必要とするのか？
AIは入力されたテキストを処理するだけの“関数”ではなく、 前提や背景、目的を読み取って出力を変える「コンテキストセンシティブ」な存在です。 このセクションでは、なぜ文脈が出力の質に大きな影響を与えるのかを、具体例とともに探ります。
1.2 PromptとContextの違い
一見同じように見える「プロンプト」と「コンテキスト」ですが。 しかし、プロンプトは“入力の一部”であり、コンテキストは“状況そのもの”です。 本セクションでは、設計者が明確に区別すべきこの2つの概念を整理します。
1.3 コンテキストウィンドウとその制約
LLMは「すべてを記憶できる」わけではありません。 トークン数に制限があるため、入力可能な文脈情報にも限界があります。 本セクションでは、この制約を乗り越えるための設計視点を紹介していきます。
1.4 モデルにとっての「記憶」とは何か
AIには人間のような記憶はありません。 それでも、まるで記憶しているかのように振る舞うのはなぜでしょうか？ 擬似的な“状態保持”の仕組みや用語（セッション、エフェメラル、パーシステントなど）を解説します。
文脈とは、直前の言葉だけではなく「目的」「意図」「役割」など、AIが推論の前提とする“背景そのもの”です。 次のセクション 「1.1 モデルはなぜ文脈を必要とするのか？」 では、 モデルの“賢さ”を支える文脈処理の本質に迫っていきます。
下田 昌平
開発と設計を担当。1994年からプログラミングを始め、今もなお最新技術への探究心を持ち続けています。カテゴリー
タグ
検索履歴
チーム
任 弘毅
株式会社レシートローラーにて開発とサポートを担当。POSレジやShopifyアプリ開発の経験を活かし、業務のデジタル化を促進。
下田 昌平
開発と設計を担当。1994年からプログラミングを始め、今もなお最新技術への探究心を持ち続けています。