工具

Context7 是什么?5 分钟搞懂 61k Star 的 MCP 文档神器

GitHub 61k 星,把实时文档塞进 LLM 提示词,从根上解决 AI 写代码的幻觉问题。

字号

我第一次注意到 Context7,是因为 Cursor 里写 Next.js middleware 时,Claude 老给我塞一段一年前的 next-auth 用法。报错一查,API 早改了。

然后我在 prompt 末尾加了 use context7 三个词。同样的需求,这次返回的代码直接对得上当前 v2.x 版本。差距是肉眼可见的。

Context7 是 GitHub 上 upstash/context7 这个仓库做的事——截至本文写作时已经 61,126 Stars,在 MCP 协议的 Server 里属于头部项目。它干的事很直白:把库的当前文档和示例代码,实时抓下来塞进 LLM 的 prompt,让 AI 写代码不再靠「训练时记住的那份快照」。

它解决什么问题

LLM 训练数据有截止日。库一升级,API 一变,模型就开始一本正经地编不存在的函数——俗称「幻觉」。你问 Next.js 怎么写 middleware,它可能给你返回一个已经 deprecated 的写法,而且语气极其自信。

Context7 的解法是在 prompt 阶段就把版本化文档和源码示例注入上下文。也就是在 LLM 开始「想」之前,把当下的真实文档递到它面前。这样 Cursor / Claude Code 生成的代码,默认就应该是对得上当前版本的。

对前端、Serverless、数据库这些迭代快的栈,这个差距尤其明显。

怎么用

三步就能上手。

第一步,装 CLI。Context7 提供一个 ctx7 命令行工具,初始化会拉起 OAuth 授权,让你选接入模式(MCP Server 还是 Skills 模式)。

npx ctx7 setup

第二步,装 MCP Server。Context7 同时分发 @upstash/context7-mcp 这个 npm 包,NPM 下载量在 MCP 类目长期前三。它暴露两个标准 tool:resolve-library-id 和 get-library-docs。

配置很简单,放进 Cursor 的 ~/.cursor/mcp.json 或 Claude Desktop 的 claude_desktop_config.json:

{
  "mcpServers": {
    "context7": {
      "url": "https://mcp.context7.com/mcp",
      "headers": {
        "CONTENT_TYPE": "application/json",
        "CONTEXT7_API_KEY": "<your-api-key>"
      }
    }
  }
}

API key 在 context7.com/dashboard 注册就能拿到免费档。

第三步,在 prompt 里加一句。Cursor 用户最偷懒的方式——直接在提示词末尾加 use context7:

Create a Next.js middleware that checks for a valid JWT in cookies
and redirects unauthenticated users to `/login`. use context7

也可以显式调用 MCP tool,参数长这样:

tool: get-library-docs
args: { libraryName: "nextjs", topic: "middleware jwt" }

返回的就是带版本号的文档片段,自动注入到 LLM 的 context 里。

支持的客户端目前包括 Cursor、Claude Code、Cline、Windsurf、OpenCode,基本覆盖了主流 Agent IDE。README 已经被社区翻译成 16 种语言,简体中文、繁体中文、日文、韩文都在里头——这点对中文开发者算个加分项。

它怎么工作

核心 pipeline 分四步:爬取 → 解析 → 版本化索引 → 按库 ID 注入 prompt。

Context7 后台持续爬 npm、PyPI、Go 等主流生态的库仓库,拿到 README、源码注释、官方文档站,然后按 /library/<id> 的粒度做版本化索引。你调用 get-library-docs 时,它返回的不是全文,而是和你 topic 相关的切片,尽量压 token。

为什么 Upstash 能撑住这事?因为它是 Upstash——也就是 Serverless Redis 那个厂商——自家维护的。文档查询高并发、低延迟、按 key 取值的场景,正好是 Redis 的强项。基建天然复用,这是 Context7 比大多数同类项目跑得快的根本原因。

MCP Server 这一层把「查文档」封装成标准 tool,任何兼容 MCP 协议的客户端(不止上面那几个,理论上任何 MCP host)都能调。这就是 MCP 协议真正落地的一个标杆形态。

它哪里好 / 哪里不好

好的地方:

  • MCP 落地的标杆项目之一,想理解 MCP 实际怎么工作,看它就够
  • 零配置,加三个词 use context7 就能用,门槛极低
  • 对小众库支持快——只要库在 npm/PyPI/Go 上有索引,基本当天就能查
  • 多语言 README,中文用户友好

不好的地方:

  • 核心依赖网络请求。离线、内网、涉密环境直接失效
  • 免费档有 rate limit。大型项目、高频调用可能撞墙,得升 Pro 档
  • 文档质量取决于上游仓库本身。如果库作者 README 写得稀烂,Context7 也只能给你稀烂的版本
  • 中文文档覆盖主要靠社区翻译,质量参差

我试了下

我用 Cursor + use context7 让 Claude 写 Supabase 的 auth 注册逻辑。返回的 import 路径和函数签名,都对得上 Supabase JS Client v2.x 的当前版本。

同样的 prompt,去掉 use context7,Claude 还在用一年前的 v1.x API,supabase.auth.api 这种已经被废弃的命名空间都搬出来了。

这种差距不是「好一点」,是「能不能跑」的区别。

谁该用 / 谁别用

该用的人:

  • 用 Cursor / Claude Code 写 Next.js、Cloudflare、Supabase 这类更新快的栈
  • 想理解 MCP 协议到底长什么样、怎么落地
  • 经常被 AI 编出来的「伪 API」折磨的开发者

别用的人:

  • 纯离线、内网、涉密环境——没网这事干不了
  • 对响应延迟极度敏感的场景——多一次网络往返,延迟就上去了
  • 公司已经自建 RAG + 文档检索的中台——直接接内部知识库可能更划算

编辑思考

Context7 真正有意思的地方不是技术多炫,而是它验证了 MCP 这条路走通了。

文档、数据库、浏览器自动化,这些东西按统一协议暴露成 tool,LLM 客户端不用再为每个工具单独适配——这是 MCP 协议的核心理想。Context7 把这件事在「开发者最痛的场景」(写代码幻觉)里做实了,61k Star 说明开发者愿意为「少幻觉」投时间甚至付费。

但护城河不深。

我的判断是:这类「prompt 级中间层」会成为下一波基建标配,路径类似当年 ESLint 嵌进编辑器——先有第三方工具,再被 IDE 原生收编。Cursor、Claude Code、未来的 GPT-5 Codex 类工具,迟早会自己内置「文档检索」这一步,不再需要外挂。

先发优势在 Upstash,商业化能不能跑通要看团队版和 Pro 档的转化。如果 Upstash 能在 Context7 上长出付费用户,那它就不只是 Redis 厂商,而是新一代「AI 开发者基建」玩家;如果转化不行,这个项目最终会被并进大模型 IDE 的默认能力里。

不确定的点:Context7 的「按库 ID 注入」对超大 monorepo、或者内部私有库的覆盖还比较弱。如果一家公司的代码库主要是私有 SDK,这工具帮不上太多忙。这个空白未来怎么补,是值得盯的方向。

参考资料:upstash/context7 GitHub 仓库、Context7 官方 Dashboard

来源: https://github.com/upstash/context7