Context engineering

El context engineering es la práctica de decidir qué información ve el modelo en cada llamada: instrucciones, herramientas, documentos, historial y resultados. Con una llamada suelta se parece mucho al prompting. Con un agente que da cincuenta pasos se convierte en el problema principal, porque el contexto crece en cada paso y lo que entra condiciona todo lo que sale.

Este curso trata el contexto como lo que es: un recurso finito. Aprenderás a medirlo, a llenarlo con lo que aporta, a vaciarlo cuando estorba y a construir agentes que trabajan más allá de lo que cabe en una sola ventana de contexto. La referencia de fondo es Effective context engineering for AI agents (Anthropic, 2025).

Para quién

Para quien ya tiene un agente o un RAG funcionando y nota que empeora con conversaciones largas, se vuelve caro o se olvida de cosas. También para quien diseña agentes que deben trabajar durante horas. Si no sabes qué es un token o cómo funciona la ventana de contexto, empieza por La ventana de contexto y qué cabe en ella.

Requisitos

• Nivel Nivel 00 · Fundamentos, sobre todo tokens y ventana de contexto.
• Nivel Nivel 40 · Tu primer agente: necesitas un bucle agéntico propio para hacer los ejercicios.
• Recomendable: Memoria entre sesiones y Prompt caching.

Temario

1. El contexto como presupuesto. Por qué más contexto no siempre es mejor, qué dice Lost in the Middle y cómo medir cuánto ocupa cada componente.
2. Qué meter en el contexto y qué no. Prompt de sistema, herramientas, ejemplos y resultados de herramientas: cómo dejar solo lo que aporta señal y cargar el resto bajo demanda.
3. Compactación y memoria. Limpiar resultados antiguos, resumir el historial sin romper pares tool_use/tool_result y tomar notas fuera del contexto.
4. Contexto para agentes de larga duración. Combinar compactación, notas y subagentes, con puntos de control para reanudar.

Qué construyes

Un conjunto de utilidades que puedes añadir a cualquier bucle agéntico:

• un medidor que desglosa los tokens por componente (sistema, herramientas, historial, resultados);
• un recortador de resultados de herramientas con paginación;
• un compactador que limpia resultados antiguos y resume el historial al pasar un umbral;
• un sistema de notas persistentes y puntos de control para reanudar una tarea larga con contexto limpio.