JinDaGe - context-optimizer-mcp-server MCP Details

article

README

🚀 上下文优化器MCP服务器

这是一个模型上下文协议（MCP）服务器，为包括GitHub Copilot、Cursor AI、Claude Desktop等在内的AI编码助手提供上下文优化工具。借助该服务器，这些助手能够提取目标信息，避免处理大量终端输出和文件而浪费上下文资源。

此MCP服务器是 VS Code Copilot上下文优化器扩展的升级版，具备跨MCP支持应用的兼容性。

🚀 快速开始

1. 全局安装

npm install -g context-optimizer-mcp-server

2. 设置环境变量

（具体操作系统的设置说明请参考 docs/guides/usage.md）

export CONTEXT_OPT_LLM_PROVIDER="gemini"
export CONTEXT_OPT_GEMINI_KEY="your-gemini-api-key"
export CONTEXT_OPT_EXA_KEY="your-exa-api-key"
export CONTEXT_OPT_ALLOWED_PATHS="/path/to/your/projects"

3. 添加到MCP客户端配置

例如，在 claude_desktop_config.json（Claude Desktop）中的 "mcpServers" 或 mcp.json（VS Code）中的 "servers" 里添加：

"context-optimizer": {
  "command": "context-optimizer-mcp"
}

如需完整的设置说明，包括特定操作系统的环境变量配置和AI助手设置，请参考 docs/guides/usage.md。

✨ 主要特性

🔍 文件分析工具 (askAboutFile)：无需加载整个文件内容，即可从中提取特定信息。
🖥️ 终端执行工具 (runAndExtract)：执行命令并通过大语言模型（LLM）分析提取相关信息。
❓ 后续问题工具 (askFollowUp)：继续关于之前终端执行的对话。
🔬 研究工具 (researchTopic, deepResearch)：通过Exa.ai的API进行网络研究。
🔒 安全控制：包括路径验证、命令过滤和会话管理。
🔧 多LLM支持：支持Google Gemini、Claude（Anthropic）和OpenAI。
⚙️ 环境变量配置：通过系统环境变量管理API密钥。
🏗️ 简单配置：仅需设置环境变量，无需管理配置文件。
🧪 全面测试：包含单元测试、集成测试和安全验证。

📦 安装指南

全局安装

npm install -g context-optimizer-mcp-server

设置环境变量

请参考 docs/guides/usage.md 进行特定操作系统的环境变量设置。

添加到MCP客户端配置

在相应的配置文件中添加服务器配置。

💻 使用示例

基础用法

# 安装服务器
npm install -g context-optimizer-mcp-server

# 设置环境变量
export CONTEXT_OPT_LLM_PROVIDER="gemini"
export CONTEXT_OPT_GEMINI_KEY="your-gemini-api-key"
export CONTEXT_OPT_EXA_KEY="your-exa-api-key"
export CONTEXT_OPT_ALLOWED_PATHS="/path/to/your/projects"

# 添加到MCP客户端配置
# 在claude_desktop_config.json或mcp.json中添加如下配置
"context-optimizer": {
  "command": "context-optimizer-mcp"
}

高级用法

# 运行所有测试（无API密钥时跳过LLM集成测试）
npm test

# 使用API密钥运行完整集成测试
# 先设置环境变量
export CONTEXT_OPT_LLM_PROVIDER="gemini"
export CONTEXT_OPT_GEMINI_KEY="your-gemini-key"
export CONTEXT_OPT_EXA_KEY="your-exa-key"
npm test  # 现在运行包括LLM集成在内的所有测试

# 以监视模式运行测试
npm run test:watch

📚 详细文档

所有文档都组织在 docs/ 目录下：

| 主题 | 位置 | 描述 | |------|------|------| | 架构 | docs/architecture.md | 系统设计和组件概述 | | 工具参考 | docs/tools.md | 完整的工具文档和示例 | | 使用指南 | docs/guides/usage.md | 完整的设置和配置说明 | | VS Code设置 | docs/guides/vs-code-setup.md | VS Code特定配置 | | 故障排除 | docs/guides/troubleshooting.md | 常见问题及解决方案 | | API密钥 | docs/reference/api-keys.md | API密钥管理 | | 测试 | docs/reference/testing.md | 测试框架和流程 | | 更新日志 | docs/reference/changelog.md | 版本历史 | | 贡献指南 | docs/reference/contributing.md | 开发指南 | | 安全 | docs/reference/security.md | 安全策略 | | 行为准则 | docs/reference/code-of-conduct.md | 社区指南 |

快速链接

开始使用：查看 docs/guides/usage.md 获取完整设置说明。
工具参考：查看 docs/tools.md 获取详细的工具文档。
故障排除：查看 docs/guides/troubleshooting.md 解决常见问题。
VS Code设置：遵循 docs/guides/vs-code-setup.md 进行VS Code配置。

🔧 技术细节

解决的问题

你是否在使用AI编码助手（如Copilot、Claude Code或Cursor）时遇到过以下情况？

🔄 助手不断压缩/总结对话，在此过程中丢失部分上下文。
🖥️ 终端输出用数百行内容淹没上下文，而助手只需要关键信息。
📄 大文件使上下文不堪重负，而助手只需要检查一个特定的内容。
⚠️ “达到上下文限制” 消息中断你的工作流程。
🧠 助手因上下文溢出而“忘记”对话的早期部分。
😫 长时间对话时推理质量下降。

根本原因：当你的助手：

在执行终端命令后，读取构建、测试、代码检查等过程中的长日志。
为了回答一个问题而完整读取一个（或多个）大文件，而实际上并不需要整个代码。
从网络上读取多个网页来搜索一个主题，以学习如何做某件事。
或者只是在长时间对话中。

助手可能会：

开始压缩、总结或截断对话历史。
降低推理质量。
失去对早期上下文和决策的跟踪。
由于失去焦点而变得不那么有用。

解决方案：此服务器为任何MCP兼容的助手提供专门的工具，仅提取你需要的特定信息，使你的聊天上下文保持简洁，专注于解决实际问题，而非数据管理。

📄 许可证

本项目采用MIT许可证，详情请参阅 LICENSE 文件。

context-optimizer-mcp-server