---
title: "Cos’è il context engineering? I token degli agenti AI"
description: "Il context engineering è scegliere quali token vede un LLM a ogni turno: istruzioni, tool, cronologia e dati recuperati. Tecniche per agenti e i loro costi."
url: https://broadrouter.com/it/glossary/context-engineering/
lang: it
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/glossary/context-engineering/) (aggiornato il 2026-11-15).

# Context engineering (ingegneria del contesto)

Aggiornato 2026-11-15

Il context engineering è il lavoro di scegliere e mantenere l’insieme di token che un modello linguistico vede a ogni richiesta, tra system prompt, definizioni dei tool, cronologia, documenti recuperati e note, così che il modello riceva il minimo di informazioni ad alto segnale che gli servono per svolgere bene il compito.

Detto anche: ingegneria del contesto, gestione del contesto, gestione del contesto degli agenti, context engineering, context management, agent context engineering

Un prompt lo scrivi una volta. Il contesto è tutto ciò che il modello vede a ogni turno, e in un agente cambia a ogni turno.

## Come funziona

L’articolo di Anthropic Engineering descrive il context engineering come “the set of strategies for curating and maintaining the optimal set of tokens” (traduzione: l’insieme di strategie per selezionare e mantenere l’insieme ottimale di token) durante l’inferenza, comprese le informazioni che vanno oltre il prompt. L’obiettivo indicato è trovare lo “smallest possible set of high-signal tokens” (traduzione: il più piccolo insieme possibile di token ad alto segnale) che renda probabile il risultato voluto.

Il motivo è che l’attenzione è limitata. L’articolo dice che i modelli hanno un “attention budget” (traduzione: budget di attenzione) e che il richiamo cala quando il contesto cresce, fenomeno che chiama [context rot](https://broadrouter.com/it/glossary/context-rot/). Conta anche la posizione: i fatti a metà di un prompt lungo sfuggono più facilmente ([lost in the middle](https://broadrouter.com/it/glossary/lost-in-the-middle/)).

L’articolo elenca diverse tecniche per gli agenti che lavorano a lungo:

| Tecnica | Cosa fa |
| --- | --- |
| [Compattazione](https://broadrouter.com/it/glossary/context-compaction/) | Riassume la cronologia vicino al limite e riparte dal riassunto |
| Pulizia dei risultati dei tool | Toglie dalla cronologia i vecchi output grezzi dei tool |
| Note strutturate | L’agente scrive note in un file fuori dal contesto e le rilegge più tardi |
| [Subagenti](https://broadrouter.com/it/glossary/subagent/) | Svolgono un lavoro mirato in un contesto pulito e restituiscono un breve riassunto |
| Recupero just-in-time | Tiene i riferimenti (percorsi di file, query) e carica i dati solo quando servono |

Un esempio concreto del budget di un turno in un agente di coding:

```text
System prompt + rules          4,000 tokens
Tool definitions               6,000 tokens
Notes file                     1,500 tokens
History (compacted)           20,000 tokens
Latest tool output             8,000 tokens   <- largest single item
```

## Perché è importante

-   **Qualità.** Meno rumore nel contesto di solito significa risposte migliori e meno istruzioni ignorate.
-   **Costo.** Con la fatturazione per token, ogni token nel contesto si paga a ogni turno. Il contenuto stabile messo all’inizio costa meno come [input in cache](https://broadrouter.com/it/glossary/cached-input-tokens/); vedi [come strutturare il prompt per la cache](https://broadrouter.com/it/blog/prompt-structure-for-caching/).
-   **Durata del lavoro.** Una buona gestione del contesto permette a un agente di lavorare per ore senza esaurire la [context window](https://broadrouter.com/it/glossary/context-window/).

## Su BroadNet Inference

Il context engineering avviene nel tuo codice: l’API Chat Completions di BroadNet riceve qualunque elenco di messaggi tu invii. [DeepSeek V4.1 Flash](https://broadrouter.com/it/models/deepseek-v4.1-flash/) e [GLM 5.3](https://broadrouter.com/it/models/glm-5.3/) accettano 1.048.576 token, [Qwen3.8 27B](https://broadrouter.com/it/models/qwen3.8-27b/) 262.144 e [Gemma 4 VL 26B](https://broadrouter.com/it/models/gemma-4-vl-26b/) 32K, quindi un contesto snello conta soprattutto su Gemma.

Quando il modello li riporta, `usage.prompt_tokens_details.cached_tokens` mostra i token letti dalla cache, che con il pagamento a consumo si pagano al prezzo dell’input in cache. [La gestione del contesto per agenti di lunga durata](https://broadrouter.com/it/blog/long-running-agent-context-management/) propone cinque regole pratiche, e l’articolo sul [budget di token di un agente](https://broadrouter.com/it/blog/agent-token-budget/) mostra dove finiscono i token.

## Domande frequenti

### Che differenza c’è tra context engineering e prompt engineering?

Il prompt engineering riguarda lo scrivere buone istruzioni. Il context engineering copre tutto ciò che il modello vede in un turno, comprese definizioni dei tool, cronologia e dati recuperati, e come quell’insieme cambia durante una sessione lunga.

### Perché non usare semplicemente una context window più grande?

Una finestra più grande rimanda il problema ma non lo elimina. Anthropic osserva che il richiamo peggiora man mano che il contesto cresce, e con la fatturazione per token ogni token in più si paga di nuovo a ogni turno.

### Qual è la prima cosa da provare?

Misura cosa riempie il tuo contesto. Di solito le parti più grandi sono l’output dei tool e la cronologia vecchia, e accorciarli o riassumerli costa poco da provare.

## Vedi anche

-   [Prompt engineering (ingegneria dei prompt)](https://broadrouter.com/it/glossary/prompt-engineering/) (termine)
-   [Context compaction (compattazione del contesto)](https://broadrouter.com/it/glossary/context-compaction/) (termine)
-   [Context rot (degrado del contesto)](https://broadrouter.com/it/glossary/context-rot/) (termine)
-   [Lost in the middle (perso nel mezzo)](https://broadrouter.com/it/glossary/lost-in-the-middle/) (termine)
-   [Finestra di contesto (context window)](https://broadrouter.com/it/glossary/context-window/) (termine)
-   [Token di input in cache (cached input)](https://broadrouter.com/it/glossary/cached-input-tokens/) (termine)
-   [Come funzionano i piani API LLM illimitati per gli agenti](https://broadrouter.com/it/guides/unlimited-llm-api-sessions/) (guida)
-   [Contesto degli agenti a lungo termine con una finestra da 1M](https://broadrouter.com/it/blog/long-running-agent-context-management/) (articolo)
-   [Budget di token di un agente: dove vanno i token di un ciclo](https://broadrouter.com/it/blog/agent-token-budget/) (articolo)
-   [Come strutturare i prompt perché il prefisso vada in cache](https://broadrouter.com/it/blog/prompt-structure-for-caching/) (articolo)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-context-engineering&utm_content=page-cta) ·

**Fonti**

-   [Anthropic Engineering, Effective context engineering for AI agents (verificato il 2026-11-15)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
-   [Documentazione di Claude Code, subagenti (preservare il contesto) (verificata il 2026-11-15)](https://code.claude.com/docs/en/sub-agents)
-   [Documentazione di Claude Code, gestire i costi in modo efficace (ridurre l’uso di token) (verificata il 2026-11-15)](https://code.claude.com/docs/en/costs)
