古法编程

Context Mode 是一个开源的 MCP 服务器插件，通过沙盒化执行、基于 FTS5 的知识库和会话持久化三大机制，系统性解决 AI 编程助手的上下文窗口爆炸问题。它能将原始数据（如文件内容、日志、网页快照）拦截在上下文窗口之外，仅让精简结果进入对话，官方数据表明可将 315 KB 的输出压缩至 5.4 KB，实现高达 98% 的上下文节省。目前支持包括 Claude Code、Gemini CLI、Cursor、VS Code Copilot 在内的 15 个平台，拥有超过 57,000 名用户。

Context Mode 全面解析：如何用 MCP 服务器将 AI 编码助手的上下文窗口占用降低 98%

当你使用 AI 编码助手（如 Claude Code 或 Cursor）进行长时间开发时，是否遇到过这样的情况：让助手读取一堆文件、分析日志、查看 GitHub Issue 后，不久后它就“忘记”了之前的任务进度和关键决策？这背后的元凶是有限的 上下文窗口。

每一次 MCP 工具调用都会将原始数据塞进对话。一份 Playwright 快照可能占用 56 KB，20 条 GitHub Issue 占用 59 KB，一份访问日志则有 45 KB。半小时的会话就可能消耗掉 40% 的上下文空间。当助手为了腾出空间而压缩对话时，它就会丢失你正在编辑的文件、进行到一半的任务和最后的指令。

Context Mode 就是为了解决这个问题而生的。它不是一个简单的提示词优化工具，而是一个在 模型上下文协议（MCP） 层工作的服务器插件，从数据源头进行拦截和优化。

Context Mode 是什么？

Context Mode 是一个 MCP 服务器插件。你可以把它理解为一个运行在本地的“数据管家”，它坐在你的 AI 编码助手和原始数据之间。它的核心任务是：拦截会产生大量数据输出的工具调用（如文件读取、网页抓取、命令执行），将数据处理过程放在独立的沙盒中完成，只将最精炼、最关键的结果返回给 AI 的上下文窗口。

根据官方数据，通过这种方式，原本需要占用 315 KB 上下文的数据，最终进入对话的可能只有 5.4 KB，节省率高达 98%。

它如何工作？四大支柱

Context Mode 通过一套组合拳来系统性地解决上下文管理难题。

1. 沙盒执行：只让结果进入上下文

这是最核心的节省机制。与其让 AI 直接读取一个巨大的日志文件，不如让它编写一个脚本，在沙盒中执行并只输出关键摘要。

例如，AI 不会调用 47 次 Read() 工具（消耗约 700 KB 上下文），而是调用一次 ctx_execute：

ctx_execute("javascript", `
  const files = fs.readdirSync('src').filter(f => f.endsWith('.ts'));
  files.forEach(f => console.log(f + ': ' + 
    fs.readFileSync('src/'+f,'utf8').split('\\n').length + ' lines'));
`);

这个过程在独立的子进程中运行，只有 console.log() 的标准输出（可能只有 3.6 KB）会进入对话。原始数据永远留在沙盒里。这个引擎支持 Node.js、Python、Go、Rust 等 11 种编程语言。

2. 会话连续性：SQLite 记住一切

即使上下文被压缩，任务也不能中断。Context Mode 会将每一次文件编辑、Git 操作、用户指令和错误信息都记录到本地的 SQLite 数据库中。

当对话被压缩时，它不会把海量原始记录塞回上下文，而是利用 FTS5 全文索引 和 BM25 排名算法 进行智能检索，只把与当前任务最相关的历史事件（例如“用户刚刚决定使用 React Router v6”）提取出来，通过 SessionStart 钩子注入给模型。这样，助手就能无缝衔接之前的工作。

3. 用代码思考：替代重复的工具调用

这个理念是让 AI 从“数据搬运工”转变为“程序员”。面对复杂的数据分析需求，AI 应该写一个脚本来完成，而不是通过多次工具调用把数据读进上下文。

一个脚本可以替代十次甚至几十次工具调用，将上下文消耗降低 10-100 倍。这是 Context Mode 在所有 15 个支持平台上强制推行的核心范式。

4. 不强制输出风格：只管数据，不管表达

与某些工具强制 AI 使用简洁风格不同，Context Mode 只专注于管理数据流向。它不会干预 AI 最终回答的格式、详细程度或语气。输出风格的控制权完全留给用户（通过自己的 CLAUDE.md 或 AGENTS.md 文件）或模型本身。项目认为，强制性的简洁提示可能会损害编码和推理能力。

广泛的平台支持

Context Mode 已经适配了 15 个主流的 AI 编码平台，包括：

  • Claude Code
  • Gemini CLI
  • Cursor
  • VS Code Copilot
  • JetBrains Copilot
  • OpenCode
  • Codex CLI
  • 以及更多。

不同平台因其架构差异，集成方式和功能完整度略有不同。例如，Claude Code 可以通过插件市场一键安装，并自动注册所有钩子；而 Cursor 和 Codex CLI 则需要手动配置一些钩子文件。但无论哪个平台，其核心的 沙盒执行 和 FTS5 知识库 功能都可以工作。

谁在使用它？

该项目在 Hacker News 上获得过第一名（570+ 点），并被 Microsoft、Google、Meta、Amazon、ByteDance、Stripe 等多家公司的开发团队采用。截至撰写时，已有超过 57,000 名用户。

深入了解更多

本文提供了 Context Mode 的概览。如果你想深入了解其特定方面，可以参考以下系列文章：

  • 安装与配置：需要为你的特定平台（如 Cursor 或 Gemini CLI）进行安装？请查看 安装与配置完全指南。
  • 技术架构：想了解沙盒执行引擎、FTS5 知识库和钩子路由系统是如何协同工作的？请阅读 架构深度剖析。
  • 高级用法：想要掌握 ctx_execute 和 ctx_search 的最佳实践与反模式？请参阅 使用最佳实践。

FAQ

Q: Context Mode 和 Cursor 自带的代码索引/RAG 功能有什么区别？ A: 两者解决的问题层面不同。Cursor 的 RAG 主要解决“如何给模型检索相关代码片段”的问题，优化的是输入质量。Context Mode 解决的是“如何不让对话上下文被撑爆”的问题，它在 MCP 协议层拦截数据，优化的是输入的数据量。两者可以同时使用，互不冲突。

Q: 使用 Context Mode 会泄露我的代码或数据吗？ A: 不会。Context Mode 是 100% 本地运行 的，零遥测。所有的会话数据和知识库都存储在本地的 SQLite 数据库中（例如 ~/.claude/context-mode/sessions/），不会上传到任何云端服务器。

Q: 安装后会增加明显的性能开销吗？ A: MCP 服务器本身的开销很小。钩子拦截会增加几十毫秒的延迟，但这个微小的开销与它所节省的上下文空间、避免的重复解释和提升的任务连续性相比，是完全值得的。

本系列文章

项目总览、README 和入门文档

核心架构：MCP 服务器、沙箱执行器、FTS5 知识库、安全层

跨平台适配器系统：15 个 AI 编码平台的统一抽象

会话连续性：SQLite DB、事件提取、快照恢复与统计分析

Hook 路由系统：PreToolUse 拦截、指导节流与安全策略执行

开发工作流：TDD 纪律、Agent 团队编排与发布流程

使用模式参考：ctx_* 工具的最佳实践、反模式与语言特定模式

架构决策记录：多写入器安全、工具描述风格、路由拒绝理由与统计公式