Context
为 AI 编码代理提供本地、即时、即插即用的最新库文档，解决 AI 基于过时文档给出错误答案的问题。
证据显示这是一个本地 MCP 文档服务器：查询走本地 SQLite，数据流向有架构图说明；auth 凭据声明以 0600 权限存储；维护看板 workflow 权限最小化且仅检测不改码；context remove 在多版本时要求用户选择以防误删。扣分点：首次查询会自动从社区 registry 下载 .db 文件，无需用户确认，且本评审未获得任何实现源码，下载完整性校验、凭据存储实现、--host 0.0.0.0 暴露 HTTP 服务的安全边界均仅为 README 声明，无法核实，故依赖安全、用户确认等仅给保守分。
CI 对 lint/build/test 均以 --frozen-lockfile 安装并固定 pnpm/Node 版本，维护看板 workflow 对 API 响应做形状校验、失败即报错，防止'假绿'，错误处理设计认真。扣分点：实际运行时行为（下载失败、SQLite 损坏等）仅有部分 CLI 警告示例（如 sections 过少的 Google 搜索提示），运行时错误消息质量无法从静态证据确认。
README 覆盖 9 个主流 MCP 客户端的配置、跨平台路径（Linux/macOS/Windows）、Docker/HTTP 多客户端部署、语言无关的文档格式支持（md/adoc/rst/html），场景适配非常充分；--libs 可锁定包范围。扣分点：能力边界仅通过'registry 之外的来源用 context add'间接表达，对文档质量差、超大站点等场景的边界描述有限；触发精度（agent 何时调用 MCP 工具）无工具描述文本可评。
信息架构清晰（快速开始→CLI 参考→架构→FAQ→开发）；安装说明详尽到每个客户端；FAQ 具体且含贡献指南；Apache-2.0 全文附上；使用 changesets 做版本管理并打 name@version 标签；maintenance-watch workflow 展示了主动的维护责任（未回复 PR、发布漂移、夜间发布失败检测）。扣分点：无 CHANGELOG 文件在证据中；命名稳定性依赖 registry/ 目录，但该目录未在证据内。
产品针对真实痛点（AI 用过时文档给出错误 API），本地 SQLite + FTS5 + token 预算过滤的设计有明确的边际价值和成本优势（免费、离线、<10ms）。扣分点：输出可用性（检索结果质量、token 过滤效果）只有声明无证据，且 <10ms 等性能数字无基准支撑。
README 的声明与 CI workflow、changesets、watchdog 脚本相互印证（如'发布了但未发布'的发布漂移检测与 changesets 流程一致），事实与推断基本可分。扣分点：核心声明（性能、100+ 包、查询隐私）均为 README 单方陈述，registry 定义、实现代码与测试不在证据集内，无法跨源核实。
- 首次查询会自动从社区 registry 下载第三方构建的 .db 文件，属于供应链风险面；本评审未见到完整性校验或签名的证据，企业用户应核实包来源与校验机制。
- context serve --http --host 0.0.0.0 会将 MCP 服务暴露到局域网，部署前应确认是否需要认证；默认 127.0.0.1 是安全的。
- context auth 会把真实 Cookie/凭据写入 ~/.context/auth.，请确认本机文件权限并避免在共享环境使用。
- 本评审为静态评审且未包含实现源码与测试代码，所有安全与性能声明均未经执行验证。
这个 Agent 能做什么，适合哪些场景？
Context（GitHub: neuledge/context）是一个基于 MCP 协议的本地优先文档服务器，旨在解决 AI 代理训练数据滞后于库新版本的问题。它背后有一个社区驱动的文档包注册表，已内置 100 多个流行库的预构建文档包（如 Next.js、React、Prisma、LangChain 等）。AI 代理需要文档时，Context 自动搜索注册表、下载对应的 SQLite 文档包到本地 ~/.context/packages/ 目录，并通过 SQLite FTS5 全文检索在 10 毫秒内返回结果。文档下载一次后完全离线可用，查询不会离开用户机器，也没有订阅或速率限制。除注册表外，还可通过 context add 从私有仓库、本地目录、llms.txt 网站或任意 URL 构建文档包，并支持 Docker 部署为 HTTP 服务以供多客户端访问。
Context 以 MCP 服务器（context serve）形式运行，向任何兼容 MCP 的 AI 代理暴露文档查询能力。核心流程：代理发起文档请求后，服务器先搜索社区注册表，自动下载预构建的 SQLite 文档包并存储在 ~/.context/packages/；之后的查询通过 SQLite FTS5 全文搜索定位相关文档章节，经智能过滤控制 token 预算后返回结果。CLI 提供 browse（浏览注册表版本）、install（按 registry/name 安装指定版本，如 npm/next 或 pip/django）、add（从 git 仓库、本地目录、llms.txt 网站、博客 URL 或 .db 文件构建/安装文档包）、list、remove、auth（按域名存储 cookie/headers 以抓取付费订阅内容）、query（命令行直接查询）和 serve（stdio 或 HTTP 传输）等命令。文档支持 Markdown、AsciiDoc、reStructuredText 和 HTML 格式，注册表通过 YAML 定义支持 npm、pip、maven 生态。
- 使用 AI SDK、Next.js 等快速迭代库的开发者，其 AI 编码助手因训练数据过时而不停给出旧版 API（如 v5 的 Experimental_Agent 而非 v6 的 ToolLoopAgent），需要版本准确的文档注入。
- 团队内部库或私有设计系统没有公开注册表文档，想用 context add 从私有 git 仓库或本地目录构建文档包并与同事共享可移植的 .db 文件。
- 经常在飞机或咖啡店等离线环境工作、但仍需要 AI 代理查询库文档的开发者，希望文档完全本地化。
- 在 Kubernetes 或多客户端环境中部署的开发团队，希望以 Docker 容器形式运行 Context HTTP 服务器，供局域网内多个 MCP 客户端共用。
- 使用 Django、Spring Boot、Rust 等非 JavaScript 生态的开发者，需要将 reStructuredText、AsciiDoc 等 docs 目录构建为 AI 可查询的文档包。
- 有多项目隔离需求的用户，希望通过 context serve --libs react [email protected] 将会话限定在特定库和版本上。
这个 Agent 有哪些优点和局限？
- 完全本地化运行：文档存储为本地 SQLite 数据库，查询在 10ms 内返回，离线可用且查询不离开用户机器。
- 即插即用：100+ 流行库已有预构建注册表包，代理按需自动下载，无需手动 context install。
- 模型与客户端无关：作为标准 MCP 服务器，支持 Claude Code、Cursor、Codex、VS Code、Windsurf、Zed、Goose、OpenCode 等多种代理。
- 可自定义数据源：context add 支持私有 git 仓库、本地目录、llms.txt、博客 URL 及多文档格式（Markdown/AsciiDoc/rst/HTML），并可导出可移植 .db 文件共享给团队。
- 无持续成本：无订阅、无速率限制、无使用上限，也不依赖任何云端服务的可用性。
- 需要 Node.js 运行时和 npm 全局安装，是本机常驻进程而非纯托管服务；Docker HTTP 部署需从 monorepo 根目录构建镜像。
- 注册表未覆盖的库需要用户自行用 context add 构建，构建结果的质量取决于目标仓库文档的组织方式和路径（如 React 的文档在独立仓库，选错仓库会得到警告）。
- 首次使用新库时仍需联网从注册表下载文档包；完全离线的前提是相关包已提前安装。
- 付费订阅内容抓取需要用户手动配置 context auth cookie/header，凭据以明文形式存于 ~/.context/auth.（权限 0600）。
- 部分高级能力（如 --libs 会话限定、HTTP 多客户端传输）需要手动配置命令行选项，默认 stdio 模式为单客户端。
如何安装或部署这个 Agent？
通过 npm 全局安装：npm install -g @neuledge/context。无需 API 密钥。安装后可将 Context 连接到任意 MCP 兼容代理，例如 Claude Code 执行：claude mcp add context -- context serve；Cursor 在 .cursor/mcp. 中添加 {"mcpServers":{"context":{"command":"context","args":["serve"]}}}；其他支持的工具包括 Claude Desktop、OpenAI Codex、VS Code (GitHub Copilot)、Windsurf、Zed、Goose 和 OpenCode，README 均给出具体配置。如需 HTTP 部署，可从仓库根目录构建 Docker 镜像：docker build -t context:local -f packages/context/Dockerfile . && docker run --rm -p 8080:8080 context:local，端点为 http://localhost:8080/mcp。
如何使用这个 Agent？
安装并连接后，直接向你的 AI 代理提问即可（如 "How do I create middleware in Next.js?"），代理会自动通过注册表搜索并下载文档包，无需手动安装。命令行常用操作：context browse npm/next 查看注册表可用版本；context install npm/next 15.0.4 安装指定版本；context add https://github.com/vercel/next.js/tree/v16.0.0 从指定 tag 构建文档包（支持 --path、--name、--pkg-version、--save 选项）；context add https://svelte.dev 抓取网站的 llms.txt；context add ./my-project --name my-lib --save ./packages/ 构建并导出可分享的 .db 文件；context list 查看已安装包；context query nextjs 'middleware authentication' 直接查询；context serve --http 3000 以 HTTP 模式启动多客户端服务器；context serve --libs react [email protected] 限定会话可用库。付费订阅内容可先用 context auth add substack.com --cookies "..." 配置凭据。