{ "mcpServers": { "context7": { "command": "npx", "args": ["-y", "@upstash/context7-mcp"] } } }{ "servers": { "Context7": { "type": "stdio", "command": "npx", "args": ["-y", "@upstash/context7-mcp"] } } }FROM node:18-alpine WORKDIR /app # Install the latest version globally RUN npm install -g @upstash/context7-mcp # Expose default port if needed (optional, depends on MCP client interaction) # EXPOSE 3000 # Default command to run the server CMD ["context7-mcp"]{ "mcpServers": { "Сontext7": { "autoApprove": [], "disabled": false, "timeout": 60, "command": "docker", "args": ["run", "-i", "--rm", "context7-mcp"], "transportType": "stdio" } } }
Context7是什么
Context7 是 Upstash 推出的AI编程辅助工具,为大型语言模型(LLMs)和 AI 代码编辑器提供最新、版本特定的文档和代码示例。通过解析文档、丰富内容、向量化和重新排名等步骤,确保开发者能获取到准确且最新的代码示例和文档。Context7 支持多种工具,如 Cursor、Windsurf、Claude Desktop 等,通过模型上下文协议(MCP)实现集成。
使用 Context7 时,开发者只需在提示中添加 use context7,可自动获取相关上下文,提高代码生成的准确性和可靠性。适合快速更新的框架或小众包,显著减少生成错误或过时代码的风险。Context7 的安装和配置相对简单,支持多种安装方式,包括通过 Smithery、Docker 等。

Context7的主要功能
- 实时文档获取:从官方源(如 GitHub、官方文档网站)拉取最新文档和代码示例,确保开发者获取到的信息是最新的。
- 版本特定:能根据目标库的版本匹配相应的文档和代码示例,避免因版本不一致导致的问题。
- 无缝集成:只需在提示中添加
use context7,可触发文档注入,与多种 MCP 兼容客户端(如 Cursor、Windsurf、Claude Desktop 等)集成。 - 减少幻觉代码:降低 AI 生成不存在 API 或过时代码的可能性,提高代码生成的准确性。
- 多平台支持:兼容多种开发工具,如 Cursor、Windsurf、VS Code 等。
- 精准的上下文提取:从最新文档中提取干净、相关的代码片段,仅包含代码和描述,没有多余内容。
- 广泛的库支持:目前已支持超过 6000 个流行库,主流框架基本都能找到。
- 免费使用:个人使用每天可免费查询多达 50 次。
- resolve_library_id:通过提供指定库的模糊关键字,找到具体所指的包。
- get_library_docs:获取指定包的文档内容,提供真正的文档而非搜索结果。
Context7的工作原理
- 解析:从文档中提取代码片段和示例。
- 丰富:使用 LLMs 添加简短解释和元数据。
- 向量化:嵌入内容以便进行语义搜索。
- 重新排名:使用自定义算法对结果进行相关性评分。
- 缓存:从 Redis 提供请求,以获得最佳性能。
Context7的安装与配置
- Node.js:需要 Node.js >= v18.0.0。
- 安装方式:
- 通过 Smithery 安装:
- Claude Desktop:
npx -y @smithery/cli install @upstash/context7-mcp --client claude -
在 Cursor 中安装:
-
打开
Settings->Cursor Settings->MCP->Add new global MCP server。 -
或者在
~/.cursor/mcp.json文件中添加以下配置:
-
-
在 Windsurf 中安装:
-
在 VS Code 中安装:
-
使用 Docker 安装:
-
创建
Dockerfile:
-
构建镜像:
docker build -t context7-mcp .-
配置 MCP 客户端:
-
- 通过 Smithery 安装:
Context7的项目地址
- 项目官网:context7.com
- Github仓库:https://github.com/upstash/context7
Context7的应用场景
- 客服多轮对话管理:在客服场景中,用户咨询时多次切换话题,Context7 能保持上下文连贯并避免冗余。
- 长文档分析:对于长文档(如法律合同),Context7 可以分段处理并整合关键条款,突破 LLM 原生上下文长度限制。
- 实时数据分析:在电商用户行为监控等实时数据分析场景中,Context7 能结合历史行为和实时流数据生成推荐或风险预警。
- AI 辅助编程::在使用 AI 编程助手时,如 Cursor,添加
use context7,Context7 会自动拉取相关的最新文档和代码示例,供 AI 模型生成更准确的回答。
Context7 主要解决什么问题?
它主要解决大模型生成代码时“文档过时、版本不匹配、API 幻觉”这类问题。Context7 会从官方源获取最新文档和示例,并按版本匹配后注入上下文,提升代码生成准确性。
Context7 怎么在提示词里使用?
在提示中加入“use context7”即可触发文档注入。系统会根据你提到的库或框架,自动检索相关文档与代码片段,适合 Cursor、Windsurf、Claude Desktop 等兼容 MCP 的工具。
Context7 适合哪些开发场景?
特别适合快速更新的框架、小众包、长文档分析和客服多轮对话等场景。它能补足 LLM 原生上下文限制,减少错误示例和冗余信息,提高回答与代码输出的可靠性。
Context7 这类平台怎么降低幻觉?
核心是把“最新、版本化、可检索”的文档和示例注入上下文,让模型优先引用真实 API 而不是记忆。配合版本锁定和示例代码检索,能明显减少过时代码与接口幻觉。
MCP 接入后,编辑器工作流怎么变?
编辑器不再只靠本地上下文,而是按需拉取文档、示例和工具结果。最佳实践是把检索、生成、校验分层,让模型先查再写,再用测试或 lint 兜底。
