Github頁面：Context7mcp

問題：AI 助手的知識截止日

「這段程式碼有問題，Upstash Redis 的連線方式好像不對...」

即使是最新的 LLM，處理快速迭代的函式庫時都有同樣的罩門：訓練資料有截止日，新的 API 或 breaking change 根本不在它的知識範圍內。你貼給它的是 Next.js 14 的問題，它給你的可能是 Next.js 12 的寫法。

這正是 Upstash 團隊開發 Context7 要解決的事。

Context7 怎麼運作

Context7 是一個 MCP 伺服器（Model Context Protocol server）。它不是靠爬蟲快取一份舊文件，而是在 AI 助手提出請求時，即時從官方文件與原始碼庫抽取相關片段，組成 AI 可直接讀取的上下文，再送回對話。

整個流程對使用者是透明的：你問問題，AI 在背景呼叫 Context7 的工具取回文件，然後根據真實文件回答。和直接問 AI 的差別是 — 它參考的是你指定版本的官方說明，不是兩年前訓練進去的印象。

Context7 的核心設計有幾點值得注意：

文件來源直接指向原始碼儲存庫和官方文件站，不經第三方轉手。過濾演算法會根據你的查詢主題篩掉不相關的段落，避免把整份 README 塞進上下文把 token 燒光。現在支援 Cursor、Windsurf、VS Code、Zed、Claude Desktop 等主流編輯器，只要客戶端支援 MCP 協定就能接入。

安裝設定

以 Cursor 為例，在 MCP 設定檔加入以下內容：

1
2
3
4
5
6
7
8
{
  "mcpServers": {
    "context7": {
      "command": "npx",
      "args": ["-y", "@upstash/context7-mcp@latest"]
    }
  }
}

Claude Desktop 的設定檔路徑在 ~/Library/Application Support/Claude/claude_desktop_config.json（macOS）或 %APPDATA%\Claude\claude_desktop_config.json（Windows），格式相同：

1
2
3
4
5
6
7
8
{
  "mcpServers": {
    "context7": {
      "command": "npx",
      "args": ["-y", "@upstash/context7-mcp@latest"]
    }
  }
}

設定完成後，Context7 會在 MCP 客戶端中暴露兩個工具：

  1. resolve-library-id：把一般的函式庫名稱（如 nuxt-ui）轉換成 Context7 內部 ID（如 /nuxt/ui）
  2. query-docs：拿著上一步取得的 ID，加上你的查詢主題，取回對應的文件片段

這兩個工具通常由 AI 自動串接呼叫，你不需要手動輸入工具名稱。在支援 MCP 的編輯器中提示 AI「use context7」是在告訴它優先走 Context7 這條路徑取得文件，底層還是靠 AI 判斷何時呼叫哪個工具。如果 AI 沒有自動取用文件，可以在提示裡明確說「用 context7 查 X 的文件」，或直接指定 resolve-library-id 工具。

實際使用情境

舉個具體例子：你要求 AI 助手「用 Nuxt UI 建立一個有自動完成功能的下拉選單」。

沒有 Context7 的情況下，AI 可能會套用它訓練時見過的舊版 component API，組件名稱或 prop 名稱跟現在的版本對不上。有了 Context7，AI 會先呼叫 resolve-library-id 取得 /nuxt/ui 的 ID，再用 query-docs 查「autocomplete combobox」相關段落，拿到目前版本的實際用法後再產生程式碼。

對於 AI 幾乎沒見過的小眾函式庫或公司內部的 SDK，效果更明顯 — 它不再需要靠猜的。

取得 API 金鑰

不帶 API 金鑰也能使用，但匿名請求走 IP 限流，高頻查詢容易觸發 429。到 context7.com/dashboard 申請免費 API 金鑰後，把它加進設定的 headers：

1
2
3
4
5
6
7
8
9
10
{
  "mcpServers": {
    "context7": {
      "url": "https://mcp.context7.com/mcp",
      "headers": {
        "CONTEXT7_API_KEY": "你的金鑰"
      }
    }
  }
}

有金鑰之後可以在 dashboard 查看用量和重置時間，限額依方案而定。

適合的使用場景

Context7 在下列情況最有感：

  • 快速迭代的框架：Next.js、React Query、Tailwind CSS 這類版本更新頻繁、breaking change 多的工具，AI 靠訓練記憶容易出錯。
  • 較新或小眾的函式庫：訓練資料覆蓋率低，AI 本來就不熟。
  • 需要指定版本的查詢：resolve-library-id 支援版本格式 /org/project/version，可以鎖定特定版本的文件，在升級遷移或維護舊系統時很實用。

如果你是函式庫作者，也可以把自己的專案提交到 Context7，讓使用者的 AI 助手能查到正確的 API 用法。