Ingeniería de contexto para agentes

La ingeniería de contexto es la disciplina de decidir, en cada paso de un agente, qué información ocupa la ventana de contexto del modelo. Es la evolución de la ingeniería de prompts: ya no basta con redactar bien una instrucción, porque un agente acumula historial, resultados de herramientas y memoria que compiten por un espacio limitado. En esta guía verás qué es la ingeniería de contexto, por qué la ventana es un recurso escaso, cómo se compacta y se recupera información de forma selectiva, qué es el context rot y qué prácticas mantienen fiable a un agente de larga duración. La misma explicación está disponible en inglés.

Puntos clave

• La ingeniería de contexto es, según Anthropic, el conjunto de estrategias para "curar y mantener el conjunto óptimo de tokens durante la inferencia del modelo": instrucciones, herramientas, datos externos e historial de mensajes.
• La ventana de contexto es un recurso escaso: por la atención cuadrática del Transformer, cada token añadido resta señal a los demás, así que el objetivo es el conjunto más pequeño de tokens de alta señal.
• El estudio Context Rot de Chroma Research (julio de 2025) probó 18 modelos de frontera y todos empeoran de forma monótona al crecer la entrada, con caídas del 30 al 50 % mucho antes de llegar al límite anunciado.
• Las tres técnicas centrales son la compactación (resumir y reiniciar el historial), la recuperación selectiva (cargar datos solo cuando hacen falta) y las notas persistentes (memoria externa fuera de la ventana).
• Para Cognition, la ingeniería de contexto es "el trabajo número uno de quien construye agentes": sin el contexto adecuado, ni el modelo más capaz resuelve la tarea.

¿Qué es la ingeniería de contexto?

La ingeniería de contexto es la práctica de curar y mantener el conjunto óptimo de tokens que un modelo ve en el momento de generar su siguiente paso. Anthropic la definió con precisión en su artículo de ingeniería del 29 de septiembre de 2025, y la sitúa como el paso siguiente a la ingeniería de prompts. La diferencia es de alcance. Un prompt es un texto que escribes una vez; el contexto de un agente es todo lo que entra en la ventana en cada turno: el mensaje de sistema, las definiciones de las herramientas, los documentos recuperados, la memoria del agente y el historial completo de la conversación, que crece con cada llamada.

Esa distinción importa porque un agente no hace una sola llamada, sino decenas o cientos en un bucle. Con cada iteración se acumulan resultados de herramientas, mensajes intermedios y observaciones, y la ventana se llena de material que compite por la atención del modelo. La ingeniería de contexto es el conjunto de decisiones sobre qué conservar, qué resumir y qué descartar en cada paso. Como resume el propio equipo de Anthropic, "una buena ingeniería de contexto consiste en encontrar el conjunto más pequeño de tokens de alta señal que maximice la probabilidad del resultado deseado".

¿Por qué la ventana de contexto es un recurso escaso?

Aunque los modelos de 2026 anuncian ventanas de cientos de miles o incluso un millón de tokens, tratarlas como un cubo infinito es un error. La razón es arquitectónica: la atención del Transformer establece relaciones entre cada par de tokens, un coste que crece de forma cuadrática. Cada token nuevo que añades reparte la atención del modelo entre más elementos, así que la señal por token disminuye. Anthropic lo llama presupuesto de atención: un recurso finito con rendimientos marginales decrecientes.

La evidencia empírica es contundente. El trabajo Lost in the Middle de Liu y colegas, publicado en 2023, demostró que los modelos aprovechan mejor la información situada al principio y al final del contexto, y que su rendimiento cae de forma notable cuando el dato relevante queda en el medio: una curva en forma de U. Dos años después, el estudio Context Rot de Chroma Research amplió el hallazgo a 18 modelos de frontera y encontró que todos degradan su precisión a medida que crece la entrada, con caídas que van del 30 al 50 % bastante antes de agotar la ventana anunciada. En los modelos de un millón de tokens, el efecto suele notarse ya en torno a los 300.000 o 400.000 tokens. La conclusión práctica es clara: llenar la ventana no mejora al agente, lo empeora.

¿Cómo se gestiona el contexto: compactación, resumen y recuperación selectiva?

Ante un recurso escaso, la ingeniería de contexto aplica tres técnicas complementarias que puedes combinar en un mismo agente.

• Compactación: cuando el historial se acerca a un umbral de tokens, se resume la conversación y se reinicia el bucle con esa versión comprimida. Claude Code, por ejemplo, conserva las decisiones de arquitectura y los errores sin resolver mientras descarta las salidas de herramientas ya redundantes, y mantiene a mano los cinco archivos accedidos más recientemente.
• Recuperación selectiva (just-in-time): en lugar de precargar todos los documentos, el agente guarda identificadores ligeros (rutas de archivo, consultas, enlaces) y solo carga el contenido cuando lo necesita. Aquí encajan las bases de datos vectoriales, que devuelven únicamente los fragmentos relevantes para la consulta actual.
• Notas persistentes: el agente escribe su progreso en una memoria externa a la ventana, por ejemplo un archivo NOTAS.md, y la relee cuando la necesita. Así el estado sobrevive a las compactaciones sin ocupar contexto de forma permanente.

Un bucle de contexto acotado se expresa en muy pocas líneas de pseudocódigo. La idea es medir el tamaño antes de cada paso y compactar en cuanto se supera el presupuesto:

PRESUPUESTO = 8000  # tokens reservados para el historial vivo

def paso_agente(historial, tarea):
    if contar_tokens(historial) > PRESUPUESTO:
        resumen = modelo.resumir(historial, conserva=["decisiones", "errores"])
        historial = [resumen] + historial[-4:]  # resumen + últimos turnos
    contexto = construir_contexto(tarea, historial, notas="NOTAS.md")
    return modelo.responder(contexto)

El detalle clave está en la línea del resumen: no se comprime todo por igual, sino que se conservan las decisiones y los errores (la señal alta) y se descartan las salidas verbosas de las herramientas (la señal baja). Ese criterio de qué merece un token es el corazón de la ingeniería de contexto.

¿Qué es el context rot y por qué falla el contexto largo?

El context rot (deterioro del contexto) es la degradación medible del rendimiento de un modelo a medida que aumenta la longitud de la entrada, incluso cuando la ventana está lejos de llenarse. El término lo popularizó el informe homónimo de Chroma Research en julio de 2025, firmado por Kelly Hong, Anton Troynikov y Jeff Huber. Su hallazgo es incómodo para quien confía en las ventanas gigantes: más tokens de entrada producen peores salidas, y ningún modelo mantiene una precisión uniforme en toda su ventana anunciada.

Las causas se combinan. Está el sesgo posicional de Lost in the Middle, que entierra la información del medio. Está la dilución de la señal: instrucciones importantes se pierden entre miles de tokens de ruido. Y está la interferencia entre datos parecidos, que confunde al modelo cuando el contexto contiene fragmentos contradictorios o casi duplicados. El equipo de Cognition, en su artículo de junio de 2025, lo enmarca desde el diseño: sostiene que compartir el contexto completo entre pasos y evitar decisiones implícitas contradictorias es "el trabajo número uno de quien construye agentes", y por eso desaconseja repartir una tarea entre subagentes que no comparten su historial.

¿Qué prácticas necesitan los agentes de larga duración?

Un agente que trabaja durante horas (revisar un repositorio, investigar un tema, procesar una cola) desborda cualquier ventana si no gestiona su contexto de forma activa. Estas prácticas lo mantienen fiable:

1. Escribe el estado fuera de la ventana. Usa un archivo de notas o una base de datos como memoria a largo plazo y trae solo lo necesario en cada paso.
2. Compacta con criterio, no por antigüedad. Al resumir, conserva decisiones, restricciones y errores pendientes; descarta el ruido de herramientas.
3. Recupera bajo demanda. Guarda referencias ligeras y carga el contenido en el momento de usarlo, no antes.
4. Coloca lo importante en los bordes. Pon las instrucciones críticas al principio y el objetivo inmediato al final, donde el modelo atiende mejor.
5. Aprovecha la caché. Estructurar el prompt con un prefijo estable permite reutilizar el prompt caching para reducir costes y latencia entre pasos.
6. Delega en subagentes que devuelven resúmenes. Un subagente especializado puede explorar y devolver un resumen breve, de mil a dos mil tokens, en vez de volcar toda su traza en el agente principal.

Con estas reglas, un agente puede ejecutar miles de pasos sin que su ventana se degrade, porque en cada turno solo ve lo que de verdad necesita.

Preguntas frecuentes

¿En qué se diferencia la ingeniería de contexto de la ingeniería de prompts?

La ingeniería de prompts optimiza un texto de instrucciones que escribes una vez y que se mantiene más o menos fijo. La ingeniería de contexto gestiona todo el conjunto de tokens que ve el modelo en cada paso de un agente, incluidos el historial que crece, las salidas de herramientas y la memoria recuperada. En un chatbot de un solo turno basta con la primera; en un agente que hace decenas de llamadas, la segunda es imprescindible porque el contexto cambia sin parar.

¿Cuánto contexto es demasiado?

No hay un número fijo, pero la regla útil es que menos suele ser más. El estudio Context Rot observó caídas de precisión del 30 al 50 % mucho antes de agotar la ventana, y en modelos de un millón de tokens el deterioro se nota ya a partir de unos 300.000. En la práctica conviene mantener el historial vivo muy por debajo del límite anunciado y descargar el resto a memoria externa, en lugar de confiar en que una ventana enorme lo resuelva sola.

¿La ingeniería de contexto sustituye al RAG?

No, lo integra. La recuperación aumentada (RAG) es una de las herramientas de la ingeniería de contexto: sirve para traer justo los fragmentos relevantes en el momento adecuado, en lugar de precargar documentos enteros. La ingeniería de contexto es el marco más amplio que decide cuándo recuperar, cuándo resumir, cuándo escribir notas y qué descartar en cada paso del agente.

Conclusión

La ingeniería de contexto reconoce una verdad incómoda de los agentes de IA: la ventana de contexto es un recurso escaso, no un cubo infinito, y llenarla degrada al modelo en lugar de ayudarlo. Frente a eso, la disciplina ofrece un conjunto de tácticas concretas, compactar con criterio, recuperar bajo demanda, escribir notas persistentes y colocar lo importante en los bordes, con un objetivo común: el conjunto más pequeño de tokens de alta señal que resuelva la tarea. El siguiente paso natural es instrumentar tu agente para medir cuántos tokens gasta en cada paso y empezar a recortar el ruido antes de que aparezca el context rot.

Fuentes: [1] Ingeniería de contexto eficaz para agentes de IA, Anthropic^[1], [2] Lost in the Middle: How Language Models Use Long Contexts^[2], [3] Context Rot: How Increasing Input Tokens Impacts LLM Performance, Chroma Research^[3], [4] Don’t Build Multi-Agents, Cognition^[4].

Fuentes

1. Ingeniería de contexto eficaz para agentes de IA, Anthropic
2. Lost in the Middle: How Language Models Use Long Contexts
3. Context Rot: How Increasing Input Tokens Impacts LLM Performance, Chroma Research
4. Don’t Build Multi-Agents, Cognition

Ruta: Fundamentos de los agentes de IA