もう“プロンプト職人”だけでは戦えません。

いまどき「プロンプト職人です」と胸を張るだけでは、LLM 界隈の荒波で一夜干しにされます。真に強いのは“コンテキストを自在に操れる人”――この記事では、Google が提唱した sufficient context 理論から 1 M トークン窓 GPT-4.1、そして MCP 標準まで、“聞いたことはあるけど触ってない” 初心者を 6 レベルで一気に中級者へテレポート させるロードマップをお届けします。

ウォームアップ：コンテキストって要は何？

• プロンプト＝モデルへの“お手紙”。
• コンテキスト＝その手紙にホチキス留めする「資料・メモ・前回の手紙・安全ブリーフィング」全部。
• 手紙の書体をいじる（Prompt Engineering）より、 資料の選び⽅と順序（Context Engineering） が成否を分けるとGoogle が証明しました。
• しかも GPT-4.1 は 100 万トークンを丸飲みできる大胃袋。資料セットをちゃんと盛り付けないと、お腹を壊して幻覚（ハルシネ）を吐きます🤮

レベル別ロードマップ（0→5）

レベル0：紙コップ電話フェーズ

「とりあえずプロンプトを書いてみた」状態。
出力が毎回ブレる？　モデルのせいじゃなくて紙コップが潰れてるだけ。

レベル1：テンプレ職人フェーズ

LangChain なしでも Auto Prompt Selection で A/B テスト！
JSON Schema でカチッと型押し。これで フォーマット遵守率 95 % を狙う。

レベル2：“検索貼り付け”フェーズ（静的 RAG）

Pinecone公式の Chunking 戦略どおり 512 token＋64 overlap でぶつ切り。
top_k=5 をベタ貼り――まるでコタツにミカンを置く手軽さ。
達成条件：Recall@5 ≥ 80 %。

レベル3：RAG 2.0＝ウォーターサーバー導入

Google の sufficient context 判定で「水は出し過ぎても足りなくてもダメ」を数値化。
LangChain Expression Language (LCEL) で if/else 分岐を書くと “おかわりください” が自動化。
Multi-Step や SIM-RAG で再検索→精度ブースト。
KPI：ハルシネ ≤ 1 %、レイテンシ ≤ 2 × 単体 LLM。

レベル4：自律エージェント＝「俺の分まで働け」フェーズ

CrewAI などで“研究者くん🔍”と“ライターさん🖋”を雇う。
毎朝ダッシュボードで TTFT を見るのが日課――遅い日はブラックコーヒーを注ぎましょう。

レベル5：MCP＋安全ガード

MCP は「USB-C みたいに何でもつながる規格」と公式が豪語。
実装企業が増えすぎて Axios も「ホットだぜ」と報道。
最後の砦は Azure OpenAI Safety System Messages。ドラえもんの四次元ポケット並みに頼れるガードレール。
ゴール：権限ログが自動で残り、情シスさんから「今年の MVP」と褒められる。

いま押さえるべき4大メトリクス

カテゴリ	指標	ざっくり目安
検索	Recall@k, MRR	≥ 80 %
生成	FActScore	≥ 0.9
システム	TTFT, Throughput, $/1k token	予算内でキープ
安全	未許可出力率	≤ 0.5 %

よくあるモンスターと討伐法

1. “長文全部突っ込んじゃえ”ドラゴン

• 1M トークン窓でもコストは地獄。Sufficient Context センサーで首を刈る。

2. “安全？なんとかなるっしょ”スライム

• Azure Safety ガイドを無視するとリジェクト地獄。盾を装備。

3. “マイクロマネジメント社長”ゴーレム

• レベル4で CrewAI の可視化 UI を見せ「こいつら自律してます」と説得。

次の一歩

• レベル2 の Pinecone ぶった切り＆貼り付けを “写経” する
• うまく動いたら sufficient context 判定を挟みレベル3へ
• 予算と野望が膨らんだら MCP＋安全レイヤー を乗せて天空へ

まとめ

• コンテキストを盛る量は「ラーメンの背脂」と同じ——少ないと味気ない、多すぎると胃もたれ。
• レベルを 1 つ上げるたびに “新しい道具” ではなく “新しいクセ” を体得せよ。
• 最終目標は 「ハルシネせず、速く、安く、安全に」。

さぁ、Docker を回してベクトル DB を立ち上げたら、あなたも今日から コンテキスト錬金術師。失敗したらこの記事を思い出して 「まぁ最初は紙コップ電話だったしな」 と笑い飛ばしてください。