【Cursor实战】Context7 MCP为Cursor提供实时文档上下文

前言

小伙伴们大家好,我是小溪,见字如面。不知道大家在使用Cursor时有没有遇到这样的问题,生成的代码使用的都是过时或废弃的API,一个Bug反复修改就是绕不过去,如果你也遇到过这样的问题,那么我们的福音Context7来了,造成上面问题的原因多半是AI因训练数据过时生成错误代码。Context7的功能和Cursor提供的Docs功能类似,但是Context7 MCP的配置比Docs要简单方便的多,同时提供最新文档和代码片段。

对以往实战案例感兴趣的小伙伴也可以看往期:

Context7简介

Context7 是 Upstash 推出的AI编程辅助工具,为大型语言模型(LLMs)和 AI 代码编辑器提供最新、版本特定的文档和代码示例。通过解析文档、丰富内容、向量化和重新排名等步骤,确保开发者能获取到准确且最新的代码示例和文档。Context7 支持多种工具,如 Cursor、Windsurf、Claude Desktop 等,通过模型上下文协议(MCP)实现集成。

官网地址:context7.com/

目前Context7上已经收录了1.4万个库并且支持手动更新

Github地址:github.com/upstash/con...

限制

  • 使用错误的描述会存在查找包失败的情况
  • 暂不支持私有库

优势

  • 实时文档获取,减少AI幻觉
  • 完全免费
  • 覆盖范围广,覆盖了所有主流库

Context7的主要功能

  • 实时文档获取:从官方源(如 GitHub、官方文档网站)拉取最新文档和代码示例,确保开发者获取到的信息是最新的。
  • 版本特定:能根据目标库的版本匹配相应的文档和代码示例,避免因版本不一致导致的问题。
  • 无缝集成:只需在提示中添加 use context7,可触发文档注入,与多种 MCP 兼容客户端(如 Cursor、Windsurf、Claude Desktop 等)集成。
  • 减少幻觉代码:降低 AI 生成不存在 API 或过时代码的可能性,提高代码生成的准确性。
  • 多平台支持:兼容多种开发工具,如 Cursor、Windsurf、VS Code 等。
  • 精准的上下文提取:从最新文档中提取干净、相关的代码片段,仅包含代码和描述,没有多余内容。
  • 广泛的库支持:目前已支持超过 6000 个流行库,主流框架基本都能找到。

Context7 MCP配置

Context7 MCP检索

在mcp.so官网首页即可找到 Context7 MCP

进入MCP详情获取配置信息

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

除了mcp.so官网提供的配置方式,Context7 MCP Github仓库上还提供了 Streamable HTTP 配置方式

json 复制代码
{
  "mcpServers": {
    "context7": {
      "url": "https://mcp.context7.com/mcp"
    }
  }
}

在Cursor中配置

在Cursor配置->【MCP】->【Add new global MCP server】添加一个新的MCP

在 mcp.json 添加配置

添加完成等待MCP状态变为绿色即可

可以看到Context7 MCP提供了两个工具:

  • resolve_library_id: 根据提示词查找库名ID。
  • get_library_docs: 根据库名ID获取库对应的文档内容。

基本使用

传统使用方式

在MCP出来之前Context7就提供了基本功能使用,在官网输入关键词检索库名,从检索结果中找到自己的库

点击库名进入详情页

Context7提供了多版本文档控制和文档刷新功能

我们可以对Context7进行提问,在下方会获取到提问相关的内容

我们也可以对结果Tokens限制进行调整以满足不同平台的上下文限制

Context7官网还提供了对检索结果的便捷使用方式

Context7提供了 Raw、Copy、Link 3种使用检索结果的方式:

  • Raw:在浏览器新标签页打开

  • Copy:拷贝当前检索的结果

  • Link:拷贝检索结果的链接

我们可以直接点击【Copy】拷贝检索结果到Cursor中作为上下文使用

也可以点击【Link】复制当前检索结果的链接到Cursor中作为web上下文使用

Context7 MCP使用方式

在Cursor中配置Context7 MCP后,使用 Context7 我们只需在提示中添加 use context7 即可自动获取相关上下文

1)使用最新版的依赖库

前端项目经常会遇到升级依赖库的场景,传统的做法是先到对应依赖库的官网找到安装配置文档,跟着文档一步步执行,有了Context7,我们可以直接问AI,而且不用担心AI会使用旧版本API问题

perl 复制代码
如何配置vue router? use context7

我们可以跟着步骤配置也可以要求AI帮我们配置(提前做好版本控制)

2)多库支持

在Cursor中我们可以在同一个提示词中指定多个库,例如:

perl 复制代码
如何在React中配置React Router和Tailwind CSS? use context7

Cursor会依次帮我们调用Context7 MCP查询相关依赖库的文档内容

3)文档差异化问题

这里试一下询问上一期DeepWiki没有解决掉的 modelcontextprotocol/python-sdk 文档同步及时性问题。感兴趣的小伙伴可以查看 【Cursor实战】DeepWiki MCP让Cursor边查项目文档边写代码 中DeepWiki文档及时性问题部分,当时使用DeepWiki仓库文档作为知识库时Cursor并不能理解 streamable-http 配置的意思,这次借助Context7 MCP,Cursor已经可以获取到 streamable-http 相关信息了。

4)Dify工作流适配

同样使用 【Cursor实战】DeepWiki MCP让Cursor边查项目文档边写代码 中的Dify工作流案例,看看Cursor+Context7 MCP是否对Dify工作流DSL构建有所增益。这里使用 context7 和 sequential-thinking 2个MCP

输入提示词

markdown 复制代码
你是一个工作经验丰富的资深Dify工作流大师,请帮我开发一个`专业翻译助手`Dify工作流,请根据我的要求完成Dify工作流的设计和开发。
## 环境
- Dify版本:1.4.1
- 模型使用`Gemini 1.5 Flash`
## 过程
- 使用<MCPthinking>进行分析并创建todolist,完成一项后,自行标记完成,并开始下一项工作,直到全部完成。
## 结果
- 自动识别输入语言,将用户语言转为目标语言,目标语言没有设置时默认为英文
- 你需要创建完成完整的DSL文件并输出到项目根目录,用于我直接导入到Dify项目中。
- 请不要乱删乱改,你的每一步都需要深思熟虑,确保达成目标。
## 参考
你需要在<dslplugins>内查找插件说明,如果其中没有对应的说明,你需要使用<MCPContext7>进行查找,查找库名langgenius/dify。
## 限制 
- 保持原文的语气和风格
- 确保翻译准确、自然、地道
- 对于专业术语要准确把握
- 如果遇到不确定的内容,在翻译后用括号标注说明

Agent会调用Context7获取Dify工作流相关的信息

Cursor生成完后,提供了如下工作流配置,一眼格式不对,根本不用导入Dify,有点令人失望的。目前看无论是通过 Dify官方文档、DeepWiki、还是 Context 7 都无法直接让AI直接生成有效的DSL工作流。

添加项目到Context7

我这里想了解一下 Context7 是否会解析 Dify DSL工作流配置(DeepWiki不会解析项目工作流的yaml文件),我使用 wwwzhouhui/dify-for-dsl 这个Github仓库作为示例,点击【Add Docs】添加文档

输入Github仓库地址,点击【Add Docs】等待Context7索引

检索完成就可以使用了,经过本人测试,Context7好像也不会解析DSL工作流的yml文件,这意味着通过Context7来提供DSL示例文档上下文的方式是行不通的。

常见问题

SEE error

使用Context7 MCP时经常会出现如下问题,解决方案就是刷新MCP连接,刷新无效尝试重启Cursor

总结

Context7和前面我们了解的DeepWiki的功能相似,DeepWiki是对Github仓库进行索引分析生成结构化、易读的文档;Context7是通过实时拉取官方源进行解析,提供最新、版本特定且经过筛选的文档和代码片段为AI提供上下文环境。两者都可以大幅度解决AI幻觉问题,但两者在使用上还是有所区别的,DeepWiki更适合开源项目的学习,Context7更适合快速更新的框架,提供最新的原汁原味的文档和代码片段。

经使用发现,目前DeepWiki和Context7都支持索引仓库中的代码和文档,对仓库中的配置文件,例如yml等暂不提供索引,无法获取对应内容。

友情提示

见原文:【Cursor实战】Context7 MCP为Cursor提供实时文档上下文

本文同步自微信公众号 "程序员小溪" ,这里只是同步,想看及时消息请移步我的公众号,不定时更新我的学习经验。

相关推荐
147API24 分钟前
60,000 星的代价:解析 OpenClaw 的架构设计与安全教训
人工智能·安全·aigc·clawdbot·moltbot·openclaw
feasibility.11 小时前
混元3D-dit-v2-mv-turbo生成3D模型初体验(ComfyUI)
人工智能·3d·aigc·三维建模·comfyui
PaperRed ai写作降重助手13 小时前
AI 论文写作工具排名(实测不踩坑)
人工智能·aigc·ai写作·论文写作·智能降重·辅助写作·降重复率
阿杰学AI16 小时前
AI核心知识80——大语言模型之Slow Thinking和Deep Reasoning(简洁且通俗易懂版)
人工智能·ai·语言模型·自然语言处理·aigc·慢思考·深度推理
SmartBrain16 小时前
OCR 模型在医疗场景的选型研究
人工智能·算法·语言模型·架构·aigc·ocr
阿杰学AI18 小时前
AI核心知识79——大语言模型之Knowledge Conflict(简洁且通俗易懂版)
人工智能·ai·语言模型·自然语言处理·aigc·rag·知识冲突
PaperRed ai写作降重助手20 小时前
主流 AI 论文写作工具排名(2026 最新)
人工智能·aigc·ai写作·论文写作·论文降重·论文查重·辅助写作
小程故事多_8021 小时前
RAG分块天花板?LGMGC多粒度语义分块策略深度解析与实践思考
人工智能·aigc
SmartBrain21 小时前
AI算法工程师面试:大模型和智能体知识(含答案)
人工智能·算法·语言模型·架构·aigc
renhongxia121 小时前
知识图谱如何在制造业实际落地应用
人工智能·语言模型·自然语言处理·aigc·知识图谱