本文介绍了Context7，一个由Upstash推出的AI编程辅助工具，它为大型语言模型和AI代码编辑器提供最新、版本特定的文档和代码示例。Context7通过解析文档、向量化等步骤，确保开发者能获取准确的示例。它支持多种工具，如Cursor，通过模型上下文协议（MCP）集成，减少AI幻觉，并涵盖广泛的库。文章详细阐述了Context7的功能、配置方法及在Cursor中的使用，并通过实例展示了其在前端开发中的应用，最后对比了Context7与DeepWiki的异同。

💡 Context7的核心功能是实时文档获取，它从官方源拉取最新文档和代码示例，确保开发者获取的信息是最新的。

✅ Context7支持版本特定功能，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。

⚙️ Context7与多种MCP兼容客户端（如Cursor）集成，只需在提示中添加`use context7`即可触发文档注入，简化了使用流程。

💯 Context7可以减少AI幻觉代码，提高代码生成的准确性，降低 AI 生成不存在 API 或过时代码的可能性。

🤔 Context7与DeepWiki相比，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，两者都支持索引仓库中的代码和文档，但对配置文件（如yml）暂不提供索引。

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：

【Cursor实战】Cursor+EdgeOne Pages MCP实现一句话建站？【Cursor实战】使用多维表格作为数据库开发一款文章收录插件(一)【Cursor实战】使用多维表格作为数据库开发一款文章收录插件(二)【Cursor实战】提高前端开发效率的两个MCP，无需打开控制台也可轻松改bug【Cursor实战】Cursor+Stagewise=前端可视化编程？【Cursor实战】DeepWiki MCP让Cursor边查项目文档边写代码

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

{  "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

{  "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

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：

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

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。