지식 · AI 기초
컨텍스트 엔지니어링
Context Engineering
📂AI 기초⏱읽기 1분📊실무🔗관련 4
컨텍스트 엔지니어링이란?
한 줄 정의
LLM에게 주는 '맥락(문서·데이터·이력)'을 어떻게 구성·공급할지 설계하는 기술. 프롬프트 엔지니어링의 확장.
⚡ 3줄 요약
- LLM에 줄 '맥락'을 설계·공급
- 프롬프트를 넘어 무슨 정보를 어떻게
- RAG·에이전트 품질 좌우
컨텍스트 엔지니어링은 LLM이 좋은 답을 내도록 '어떤 정보를, 어떻게, 얼마나' 컨텍스트 창에 넣을지 설계하는 것입니다. 단순히 질문을 잘 쓰는 프롬프트 엔지니어링을 넘어, 관련 문서 검색(RAG), 대화 이력 관리, 도구 결과, 지식베이스를 적절히 조합해 공급합니다.
핵심은 '제한된 컨텍스트 창에 꼭 필요한 정보만 정확히 담기'입니다 — 너무 적으면 근거가 부족하고, 너무 많으면 중요한 것이 묻히거나 비용·지연이 커집니다. 에이전트·RAG 시스템의 품질이 여기서 갈립니다. LLM 활용이 고도화되며, 프롬프트를 넘어 '맥락 설계'가 실무의 핵심 역량으로 떠오르고 있습니다.
💡 쉽게 말하면
AI에게 '무엇을 알려주고 시키느냐' — 좋은 재료(맥락)를 줘야 좋은 답이 나옵니다.
실무에서 왜 중요한가
LLM의 답 품질은 '무엇을 아느냐(맥락)'에 달려 있습니다. 맥락 설계가 실무 AI 성능을 좌우합니다.
유래와 출처
프롬프트 엔지니어링과 RAG·에이전트의 발전 속에서 부상한 개념으로, LLM 실무 고도화와 함께 강조되고 있습니다.
사례로 이해하기
예를 들어, 사내 문서 QA 봇에 컨텍스트를 설계한다고 해봅시다.
- 검색 — 질문에 관련된 문서를 찾습니다(RAG).
- 선별 — 꼭 필요한 부분만 추립니다.
- 구성 — 이력·지침과 함께 컨텍스트를 짭니다.
- 공급 — 창 한도 내로 LLM에 넣습니다.
- 최적화 — 정확도·비용·지연을 조율합니다.
관련 용어
프롬프트 엔지니어링생성형 AI가 원하는 결과를 내도록 지시문(프롬프트)을 설계·개선하는 기술. 역할·맥락·예시·형식을 명확히 줄수록 품질이 올라간다.RAG · 검색증강생성AI가 답하기 전에 사내 문서·데이터베이스 등 외부 지식을 먼저 검색해 그 근거 위에서 답을 생성하게 하는 기법.토큰 · 컨텍스트 윈도우토큰은 AI가 글을 처리하는 최소 단위(대략 단어 조각), 컨텍스트 윈도우는 AI가 한 번에 기억·참고할 수 있는 토큰의 최대 길이.에이전틱 워크플로우하나의 AI가 한 번에 답하는 대신, 여러 단계·역할의 AI가 계획-실행-점검을 반복하며 복잡한 업무를 자동 처리하는 방식.
이 용어와 연결된 교육
📚클로드 코워크 핵심기능 활용나눔경영컨설팅 기업교육 · 대면/온라인과정 보기 →이 주제로 사내 교육이 필요하신가요?
담당자 맞춤 커리큘럼·견적을 바로 받아보세요.
자주 묻는 질문
프롬프트는 '질문을 잘 쓰기', 컨텍스트 엔지니어링은 '무슨 정보를 어떻게 공급할지'까지 설계하는 넓은 개념입니다.
RAG·에이전트가 늘며, 답 품질이 '어떤 맥락을 주느냐'에 크게 좌우되기 때문입니다.
프롬프트는 '질문 잘 쓰기', 컨텍스트 엔지니어링은 '무슨 정보를 어떻게 공급할지'까지 설계입니다.
RAG·에이전트가 늘며 답 품질이 '어떤 맥락을 주느냐'에 크게 좌우되기 때문입니다.