Context Engineering: Gestaltung dessen, was Ihr KI-Agent sieht

Was ist Context Engineering?

Context Engineering ist die Disziplin, den gesamten Informationsumfang zu gestalten, den ein Modell bei jedem Schritt der Ausführung eines Agenten erhält. In einer Agenten-Laufzeitumgebung ist der Kontext alles, was das Modell in einem bestimmten Schritt sieht – dazu gehören Systemanweisungen, verfügbare Fähigkeiten, Tool-Definitionen, der Gesprächsverlauf sowie die von Tools zurückgegebenen Ergebnisse.

Das ist ein weitaus größerer Bereich als ein einzelner Prompt. Zudem ist er dynamisch: Jeder Tool-Aufruf fügt im nächsten Schritt ein Ergebnis zum Kontext hinzu, sodass sich die Informationsumgebung während der Arbeit des Agenten ständig verändert. Context Engineering sorgt dafür, dass diese Umgebung fokussiert, relevant und innerhalb des Budgets bleibt, anstatt sie mit Rauschen zu überladen.

Was zum Kontext eines Agenten gehört

• Systemanweisungen. Die grundlegenden Richtlinien für das Verhalten des Agenten.
• Fähigkeiten. Wiederverwendbare Abläufe, die der Agent für spezifische Aufgaben abrufen kann, anstatt jedes Handbuch in den System-Prompt zu stopfen.
• Tool-Definitionen. Die Tools, oft über MCP bereitgestellt, die der Agent aufrufen darf, sowie deren Schemata.
• Gesprächsverlauf. Der laufende Dialog und die eigenen Zwischenschritte des Agenten.
• Tool-Ergebnisse. Die Ausgabe jedes Aufrufs, die wieder in den Kontext einfließt und den nächsten Schritt bestimmt.

Context Engineering vs. Prompt Engineering

Beide sind miteinander verwandt, operieren jedoch auf unterschiedlichen Ebenen. Sie zu vermischen ist der Grund, warum manche Teams nicht weiterkommen. Beim Prompt Engineering stellt man sich die Frage: „Wie formuliere ich diese eine Anfrage?“ Beim Context Engineering fragt man: „Was muss dem Modell bei jedem Schritt vorliegen, damit es diese Aufgabe gut erledigen kann?“

Keines ersetzt das andere. Man formuliert Anweisungen weiterhin sorgfältig, aber für einen Agenten ist das nur ein kleiner Teil eines viel größeren Designproblems. Mit wachsenden Kontextfenstern ist die Versuchung groß, einfach alles hineinzupacken – genau in diese Falle tappt man ohne Context Engineering: Mehr Kontext bedeutet nicht besserer Kontext, und ein überladenes Fenster verschlechtert die Abrufqualität und erhöht die Kosten.

Techniken, die wirklich etwas bewirken

Einige wenige Vorgehensweisen machen den Großteil des Nutzens bei der Kontext-Entwicklung für Agenten aus.

• Verschieben Sie Abläufe in Skills, nicht in den System-Prompt. Alles, was wie ein Workflow oder ein Playbook klingt, gehört in einen Skill, den der Agent bei Bedarf lädt. Das hält den Basiskontext schlank. Laden Sie kurze, immer relevante Anweisungen (Stilrichtlinien, Sicherheitsvorgaben) direkt, und überlassen Sie lange oder nur gelegentlich benötigte Abläufe dem bedarfsgesteuerten Laden.
• Halten Sie den Umfang von Tools eng begrenzt. Je mehr Tools Sie bereitstellen, desto mehr Token verbrauchen deren Definitionen und desto mehr Möglichkeiten gibt es für den Agenten, Fehler zu machen. Geben Sie einem Agenten nur die Tools, die für seine Funktion erforderlich sind – nicht mehr.
• Verwalten Sie den Verlauf gezielt. Fassen Sie alte Interaktionen zusammen oder kürzen Sie diese, damit das Kontextfenster auf das Wesentliche fokussiert bleibt, anstatt jeden Schritt wortwörtlich mitzuschleppen.
• Behandeln Sie Tool-Ergebnisse als nicht vertrauenswürdigen Kontext. Ergebnisse fließen im nächsten Schritt wieder in den Kontext des Modells ein. Daher müssen sie genauso wie Eingaben auf Relevanz und Sicherheit geprüft werden.

Wie TrueFoundry Sie bei der Kontext-Entwicklung unterstützt

Kontext-Entwicklung ist nur dann nachhaltig, wenn die einzelnen Komponenten verwaltet und nicht für jeden Agenten manuell zusammengestellt werden. TrueFoundry bietet Ihnen Kontrollpunkte für jeden Teil des Kontexts.

Im Agent Harnesskonfigurieren Sie den Kontext bereits beim Erstellen des Agenten: den System-Prompt, die verfügbaren Skills und die eingebundenen MCP-Server. Dadurch wird der Kontext zu einer expliziten, überprüfbaren Konfiguration, anstatt in Code verborgen zu sein.

• Skills. Skills stammen aus einer zentralen Skills-Registry. Die Abläufe im Kontext eines Agenten sind somit versioniert, zugriffsgeschützt und wiederverwendbar, anstatt sie per Copy-and-Paste zu vervielfältigen. Sie können kurze, immer relevante Skills vorab laden und lange Skills bei Bedarf abrufen – das ist die grundlegende Technik für einen schlanken Kontext, direkt als Einstellung umgesetzt. Lesen Sie unter Claude Skills nach, wie das Skill-Format funktioniert.
• Tools. Das MCP Gateway entscheidet, auf welche Tools ein Agent zugreifen kann, und kann den Zugriff auf einzelne Tools beschränken, sodass die Tool-Definitionen im Kontext auf das begrenzt bleiben, was der Agent tatsächlich benötigt.
• Sicherheit bei Tool-Ergebnissen. Da Tool-Ergebnisse wieder in den Kontext einfließen, KI-Agenten-Leitplanken überprüfen diese beim Post-Tool-Hook auf Injektionen und sensible Daten, bevor sie den nächsten Schritt beeinflussen.
• Beobachtbarkeit. Jeder Schritt wird nachverfolgt, sodass Sie genau sehen können, was sich im Kontext befand, als der Agent eine Entscheidung traf. Das macht Context Engineering zu einem iterativen Prozess statt zu einem Ratespiel.

Im Hintergrund AI Gateway leitet das Gateway jeden Aufruf an über 1.000 Modelle mit einem Overhead von etwa 3 bis 4 ms weiter, sodass die Wahl des am besten geeigneten Modells für einen bestimmten Schritt eine Routing-Entscheidung ist und kein Umschreiben erfordert. Das Ergebnis ist, dass der Kontext zu etwas wird, das Sie an einem zentralen Ort entwerfen und steuern, anstatt ein Nebenprodukt der individuellen Programmierung jedes Agenten zu sein.

Fazit

Context Engineering bedeutet den Wandel von der Formulierung eines einzelnen Prompts hin zur Gestaltung von allem, was ein Modell während der gesamten Laufzeit eines Agenten sieht. Wenn Anweisungen, Fähigkeiten, Tools, Historie und Tool-Ergebnisse stimmen, bleibt der Agent fokussiert und kosteneffizient; stimmen sie nicht, hilft auch kein noch so intensives Prompt-Tuning. TrueFoundry verwandelt diese Komponenten durch das Agent Harness, die Skills Registry, das MCP Gateway und vollständiges Tracing in eine verwaltete Konfiguration, sodass der Kontext zu etwas wird, das Sie aktiv gestalten und steuern, anstatt es passiv hinzunehmen.

Erfahren Sie, wie TrueFoundry Ihnen die Kontrolle über den Kontext Ihrer Agenten über eine zentrale Steuerungsebene ermöglicht. Demo buchen oder kostenlos starten.