← 返回目录

Context+ MCP Server

社区

大规模工程语义智能。

查看安装方法 ↓ 横向对比 GitHub 源仓库 ↗

分类: 开发工具第 280 / 438
Stars: ★ 2.0k 非常热门
传输方式: stdio（本地进程）
运行环境: Node.js · Bun
凭据: 可选 API Key
许可证: MIT
最近提交: 3 个月前
工具数: 17

48FMRS · D

Context+ 是一个功能丰富的 MCP 服务器，提供代码结构分析、语义搜索、静态分析、代码编辑和记忆图功能。它的亮点是结合 AST 和 RAG 进行语义理解，以及影子恢复点机制。配置相对复杂，需要 Ollama 或其他嵌入提供商。

最强项 · 维护活跃度 12/20 最弱项 · 可靠性 8/20

可靠性

8/20

安全与权限

8/20

维护活跃度

12/20

文档质量

10/20

安装易用性

10/20

查看各项评分依据

可靠性 8/20: 静态审查显示清晰的架构和17个MCP工具的定义，但未看到实际执行的CI测试证据或工具行为验证，且错误处理和边界条件文档不充分。路径可能可用，但不可靠性较高。
安全与权限 8/20: 文档显示提供API密钥的环境变量，但未发现硬编码的密钥或恶意行为。工具如propose_commit会修改文件，但描述中提到有影子恢复点和验证规则。然而权限边界和确认机制未在代码中明确，外部网络调用（如Ollama/OpenAI）需依赖本地服务。无重大红线风险，但安全边界不够透明。
维护活跃度 12/20: 仓库有1968颗星，只有2个开放问题，且未归档，表明活跃。但未提供提交历史、发布记录或安全问题响应渠道。依赖更新和政策未见证据。
文档质量 10/20: README详尽，包含安装、配置、工具描述和环境变量表，但缺少故障排除、限制说明和验证示例。文档未提及测试或已知问题。
安装易用性 10/20: 文档提供了多种客户端配置示例（Claude Code、Cursor等）和CLI初始化命令，但需要外部依赖（如Ollama、API keys）和本地服务设置。步骤清晰，但可能因依赖而脆弱。

静态评测 · 未实际运行收录于 2026-08-07

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件访问网络

适合谁

大型代码库的开发者
需要高度准确代码理解的团队
使用 Ollama 或 OpenAI 兼容嵌入的用户
希望利用 AI 辅助代码编辑并保留回滚能力的用户

不适合谁

小型项目可能过于复杂
需要原生 git 集成版本控制的用户（仅提供影子恢复点）
需要 SQL 或文件系统访问等非代码操作的场景

所需权限

读取项目文件（通过 AST 解析和文件遍历）
创建影子恢复点（在 .mcp_data 目录下）
运行 linter 和编译器（run_static_analysis）
写入代码文件（通过 propose_commit）
网络访问（调用 Ollama 或 OpenAI 兼容 API）

风险与副作用

propose_commit 可能修改代码文件，尽管有验证规则但仍需谨慎
运行时缓存（.mcp_data）可能占用磁盘空间
嵌入基于本地或云端模型，可能涉及数据隐私
谱聚类结果可能不稳定，标签可能不准确

安装接入

准备工作

运行环境：Node.js · Bun

OLLAMA_API_KEY 可选密钥 Ollama Cloud 的 API 密钥，使用本地 Ollama 时不需要；在 Ollama 官网获取。

CONTEXTPLUS_OPENAI_API_KEY 可选密钥 OpenAI 兼容服务的 API 密钥；在 OpenAI、Google AI Studio、Groq 等平台获取。

OPENAI_API_KEY 可选密钥 CONTEXTPLUS_OPENAI_API_KEY 的别名。

其他可选配置项（22 个）

OLLAMA_EMBED_MODEL 可选 Ollama 嵌入模型名称，默认 nomic-embed-text；通过 `ollama pull nomic-embed-text` 获取本地模型。

OLLAMA_CHAT_MODEL 可选用于语义聚类标注的 Ollama 聊天模型，默认 llama3.2。

CONTEXTPLUS_EMBED_PROVIDER 可选嵌入后端选择：ollama（默认）或 openai。

CONTEXTPLUS_OPENAI_BASE_URL 可选 OpenAI 兼容 API 端点，默认 https://api.openai.com/v1。

CONTEXTPLUS_OPENAI_EMBED_MODEL 可选 OpenAI 兼容嵌入模型，默认 text-embedding-3-small；Gemini 可用 text-embedding-004。

CONTEXTPLUS_OPENAI_CHAT_MODEL 可选 OpenAI 兼容聊天模型（用于聚类标注），默认 gpt-4o-mini。

OPENAI_BASE_URL 可选 CONTEXTPLUS_OPENAI_BASE_URL 的别名。

OPENAI_EMBED_MODEL 可选 CONTEXTPLUS_OPENAI_EMBED_MODEL 的别名。

OPENAI_CHAT_MODEL 可选 CONTEXTPLUS_OPENAI_CHAT_MODEL 的别名。

CONTEXTPLUS_EMBED_BATCH_SIZE 可选每次 GPU 嵌入调用的批大小，默认 8，限制在 5-10。

CONTEXTPLUS_EMBED_CHUNK_CHARS 可选嵌入合并前每块字符数，默认 2000，限制在 256-8000。

CONTEXTPLUS_MAX_EMBED_FILE_SIZE 可选跳过的超大非代码文本文件字节数，默认 51200。

CONTEXTPLUS_EMBED_NUM_GPU 可选可选的 Ollama 嵌入运行时 num_gpu 覆盖。

CONTEXTPLUS_EMBED_MAIN_GPU 可选可选的 Ollama 嵌入运行时 main_gpu 覆盖。

CONTEXTPLUS_EMBED_NUM_THREAD 可选可选的 Ollama 嵌入运行时 num_thread 覆盖。

CONTEXTPLUS_EMBED_NUM_BATCH 可选可选的 Ollama 嵌入运行时 num_batch 覆盖。

CONTEXTPLUS_EMBED_NUM_CTX 可选可选的 Ollama 嵌入运行时 num_ctx 覆盖。

CONTEXTPLUS_EMBED_LOW_VRAM 可选可选的 Ollama 嵌入运行时 low_vram 布尔覆盖。

CONTEXTPLUS_EMBED_TRACKER 可选是否在文件变化时实时刷新嵌入，默认 true。

CONTEXTPLUS_EMBED_TRACKER_MAX_FILES 可选每个刷新周期处理的最大变更文件数，默认 8，限制在 5-10。

CONTEXTPLUS_EMBED_TRACKER_DEBOUNCE_MS 可选刷新前的防抖窗口毫秒数，默认 700。

CONTEXTPLUS_EXTRA_ROOTS 可选把被工作区 .gitignore 排除的目录加回索引，路径用系统路径分隔符（Unix 为 :）连接。

无需安装，通过 npx 或 bunx 运行。在 IDE 的 MCP 配置中添加以下内容（示例为 Claude Code、Cursor、Windsurf）：

{
  "mcpServers": {
    "contextplus": {
      "command": "bunx",
      "args": ["contextplus"],
      "env": {
        "OLLAMA_EMBED_MODEL": "nomic-embed-text",
        "OLLAMA_CHAT_MODEL": "gemma2:27b",
        "OLLAMA_API_KEY": "YOUR_OLLAMA_API_KEY"
      }
    }
  }
}

对于 VS Code，使用 .vscode/mcp.json 并采用 servers 格式。也可以使用 npx -y contextplus init <client> 自动生成配置文件，支持 claude、cursor、vscode、windsurf、opencode。

claude_desktop_config.json

{
  "mcpServers": {
    "contextplus": {
      "command": "bunx",
      "args": [
        "contextplus"
      ],
      "env": {
        "OLLAMA_EMBED_MODEL": "nomic-embed-text",
        "OLLAMA_CHAT_MODEL": "gemma2:27b",
        "OLLAMA_API_KEY": "YOUR_OLLAMA_API_KEY"
      }
    }
  }
}

以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "contextplus": {
      "command": "bunx",
      "args": [
        "contextplus"
      ],
      "env": {
        "OLLAMA_EMBED_MODEL": "nomic-embed-text",
        "OLLAMA_CHAT_MODEL": "gemma2:27b",
        "OLLAMA_API_KEY": "YOUR_OLLAMA_API_KEY"
      }
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add contextplus -e OLLAMA_EMBED_MODEL=nomic-embed-text -e OLLAMA_CHAT_MODEL=gemma2:27b -e OLLAMA_API_KEY=YOUR_OLLAMA_API_KEY -- bunx contextplus

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

将配置加入 MCP 客户端后启动会话，检查工具列表中是否出现 semantic_code_search 和 get_context_tree 等工具；也可以运行 `bunx contextplus skeleton .` 在终端直接查看项目结构树来确认安装成功。

常见排障

确保 Ollama 已安装并运行，且模型已拉取（如 nomic-embed-text）
验证 API 密钥和环境变量是否正确设置（OLLAMA_API_KEY 等）
检查项目路径是否正确，且未被 .gitignore 排除；使用 --include 或 CONTEXTPLUS_EXTRA_ROOTS 添加额外根
如果使用 OpenAI 兼容提供商，确保设置 CONTEXTPLUS_OPENAI_API_KEY 和 BASE_URL

试试这样问

连接成功后，可以直接对 AI 助手这样说：

用 semantic_code_search 在这个代码库里搜索与用户认证相关的代码。
给我看 src/core/ 目录的上下文树，标出函数和类的行号。
分析一下 util.parse 函数的爆炸半径，找出所有导入和使用它的位置。
先用 propose_commit 修改 config.ts 里的默认端口，然后展示可用的恢复点。

工具能力 17

get_context_tree 只读

获取项目的结构化 AST 树，包含文件头部和符号范围（函数/类/方法的行号）。动态剪枝自动缩小输出。

get_file_skeleton 只读

获取函数签名、类方法和类型定义，包含行号范围，无需读取完整函数体。展示 API 表面。

semantic_code_search 只读

按语义而非精确文本搜索。使用文件头和符号的嵌入，返回匹配的符号定义行。

semantic_identifier_search 只读

对函数/类/变量进行标识符级语义检索，返回排序的调用点和行号。

semantic_navigate 只读

使用谱聚类按语义浏览代码库。将语义相关的文件分组为带标签的集群。

get_blast_radius 只读

追踪符号在哪些文件和行被导入或使用。防止孤立引用。

run_static_analysis 只读

运行原生 linter 和编译器，发现未使用变量、死代码和类型错误。支持 TypeScript、Python、Rust、Go。

propose_commit 写入

唯一写代码的方式。在保存前根据严格规则验证，并在写入前创建影子恢复点。

展开其余 9 个工具

get_feature_hub 只读

Obsidian 风格的特性中心导航器。中心是包含 [[wikilinks]] 的 .md 文件，将特性映射到代码文件。

list_restore_points 只读

列出 propose_commit 创建的所有影子恢复点。每个恢复点在 AI 更改前捕获文件状态。

undo_change 破坏性

将文件恢复到特定 AI 更改前的状态。使用影子恢复点。不影响 git。

upsert_memory_node 写入

创建或更新记忆节点（概念、文件、符号、笔记），并自动生成嵌入。

create_relation 写入

在节点之间创建类型化边（relates_to, depends_on, implements, references, similar_to, contains）。

search_memory_graph 只读

使用图遍历进行语义搜索——找到直接匹配然后遍历一阶和二阶邻居。

prune_stale_links 破坏性

移除衰减的边（e^(-λt) 低于阈值）和低访问计数的孤立节点。

add_interlinked_context 写入

批量添加节点，并自动相似性链接（余弦 ≥ 0.72 时自动创建边）。

retrieve_with_traversal 只读

从节点开始向外遍历，返回所有可达邻居，按衰减和深度评分。

使用场景

快速理解大型代码库结构

按语义搜索代码，取代文本匹配

分析变更影响范围

在 AI 编辑前创建恢复点

构建代码特性知识图谱

支持客户端

Claude Desktop部分支持

Claude Code

Cursor

VS Code

Windsurf

OpenCode

依据项目文档列出，未经本站实测。

详细介绍

Context+ 是一个 MCP 服务器，专为追求 99% 准确率的开发者设计。通过结合 RAG、Tree-sitter AST、谱聚类和 Obsidian 风格链接，Context+ 将庞大的代码库转化为可搜索、分层的特性图。