概要
GitHub Copilotの精度向上とコスト最適化に向け、単なる文字数削減ではなく、情報の寿命や用途に応じた「コンテキストの階層設計」とツールの出力量制御の重要性を説く実践的ガイド。
詳細内容
GitHub Copilotを高度に活用するための「コンテキスト設計」に焦点を当てた解説記事です。主な内容は以下の通りです。
1. **コンテキストの分解と配置**: 常設ルールは`AGENTS.md`、特定作業の手順は`Agent Skills`、デザインシステムは`DESIGN.md`のように、情報の寿命（寿命が長いか一時的か）と適用範囲で配置を分けるべきです。
2. **MCPとCLIの使い分け**: AIにツールを選ばせるならMCP（Model Context Protocol）、手順が固定ならCLIを活用します。いずれも、実行結果を全件返さず`limit`や`fields`で絞り込む「出力量の制御」がAIの判断ノイズを減らす鍵となります。
3. **Prompt Cachingと圧縮**: 共通の接頭辞（prefix）をキャッシュする仕組みを理解しつつ、会話が長くなれば要約（圧縮）を行うことで、トークン消費と精度のバランスを取ります。
4. **CDQRフレームワーク**: 自動化の導入判断として、Cost（コスト）、Delivery（速度）、Quality（品質）、Review（人間による確認の境界）の4軸で評価することを提唱しています。
「トークンを削る」ことが目的ではなく、AIが正しい判断を下すための情報を「適切なタイミングと粒度で渡す」設計の重要性を強調しています。