Context7：给 AI 编程助手注入实时文档的 MCP 工具

Context7 是一个给 AI 编程助手补充实时官方文档上下文的工具，核心解决的问题是：大模型的训练数据有截止日期，新框架 API 或频繁变动的库往往使用旧版写法，导致生成的代码无法运行。

工作流程

用户提问
  ↓
AI 判断需要文档
  ↓
Context7 拉取对应库的最新文档
  ↓
把文档片段注入 Prompt
  ↓
模型基于真实文档生成代码

例如询问”Next.js 15 middleware 怎么写”，普通模型可能给出 Next.js 12 的旧 API，Context7 会先拉取最新 Next.js 文档再生成答案。

与 RAG 的区别

维度	RAG	Context7
数据来源	用户自定义文档库	官方文档仓库
更新频率	手动维护	跟随上游自动同步
适合场景	内部知识库	公开库文档
集成方式	自建 pipeline	MCP 协议

MCP 接入配置

Context7 提供 MCP server，支持 Cursor、Claude Code、OpenCode 等工具：

{
  "mcpServers": {
    "context7": {
      "command": "npx",
      "args": ["-y", "@upstash/context7-mcp@latest"]
    }
  }
}

配置后在对话中使用 use context7 指令触发文档检索：

Next.js 15 的 middleware 怎么配置重定向？use context7

支持的文档范围

常见库均有覆盖：

• React / Next.js / Remix
• Node.js / Bun
• LangChain / LangGraph
• OpenAI SDK / Anthropic SDK
• Prisma / Drizzle / TypeORM
• Docker / Kubernetes
• 各大主流 npm 包

在 AI Agent 架构中的位置

OpenCode / Claude Code
  ├── LLM
  ├── Browser
  ├── Terminal
  ├── Skills
  ├── Context7 / RAG    ← 文档检索层
  └── MCP Tools

Context7 填补了”文档检索层”——让 Agent 在生成代码时能查到当前正确的 API，而不是凭训练数据猜测。

替代方案

工具	定位
Context7	公开库官方文档
Mintlify Scraper	自定义文档爬取
Crawl4AI	通用网页抓取
自建 pgvector RAG	私有文档库

对于内部项目文档，更适合自建 RAG（pgvector + embedding）；对于开源库，直接用 Context7 省去维护成本。