Context Fabric

MCP开发工具

提供方 Abaddollyon

开发工具 stdio · 本地进程 会话登录 社区 / 第三方 ClaudeCursor
查看接入方式

Context Fabric是一个本地优先的AI编程代理记忆系统,通过三层存储架构(工作记忆、项目记忆和语义记忆)实现跨会话、跨项目的持久化记忆功能,适用于开发者使用MCP兼容的编程工具。

一句话选型结论

按资料字段整理

Context Fabric 属于开发工具类 MCP 服务器,stdio · 本地进程,会话登录,可直接接入 Claude、Cursor,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类开发工具 传输方式stdio · 本地进程 鉴权会话登录 部署方式本地部署
GitHub 星标 1 仓库热度,无公开仓库时显示未标注
工具数 9 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

开发工具
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量9暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

AI编程辅助TypeScript本地部署本地记忆系统代码语义搜索MCP协议兼容SQLite存储

安装与配置

stdio · 本地进程 会话登录
客户端在本机拉起子进程,数据不出本机
docker run --rm -i -v context-fabric-data:/data/.context-fabric context-fabric

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Docker,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 9 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
代码与仓库操作

在对话里直接查代码、提 issue、走 PR,省掉来回切工具。

本地命令与脚本

把构建、测试、格式化这类重复命令交给模型执行。

接口联调与测试

让模型调你的接口、跑一遍用例,快速定位问题。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 9 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude、Cursor,换客户端不用重新研究配置。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好会话登录对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在开发工具场景里让模型直接调用外部能力的人。
  • 已经在用 Claude、Cursor 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Context Fabric当前 9 stdio · 本地进程 本地部署 有 2026-05-17
Git 838e2ec1 12 stdio · 本地进程 本地部署 有 2026-05-17
Markitdown MCP 2c653a5f 1 stdio · 本地进程 本地部署 有 2026-05-17
JavaGuide 未标注 stdio · 本地进程 本地部署 有 2026-04-11
awesome-claude-skills 未标注 stdio · 本地进程 本地部署 有 2026-04-26
Context7 831acf40 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

开发工具
字段来自项目仓库与公开索引,中文说明由本站标注
提供方Abaddollyon上游标注的维护方 Abaddollyon
分类开发工具本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式会话登录远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Docker本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

10.5 KB
来自项目仓库与上游目录的原文,未做删改

上下文结构

用于AI编码代理的本地第一MCP存储器。

你的代理会记住决策、模式、项目背景,以及你离开时发生的变化——包括会话、项目和工具。

> [!注意]
> 1.0之前,但为日常使用而设计。 Context Fabric被积极使用、测试并定期发布。API和存储格式在1.0之前可能仍在发展,因此请固定版本并查看 更新日志 在升级之前。

从这里开始

  • 想快速尝试一下吗? 首选 快速开始
  • 需要客户端配置吗? 打开 CLI设置
  • 想要完整的工具表面吗? 看 工具参考
  • 更喜欢有指导的文档? 浏览 维基

为什么它存在

编码代理在会话中表现出色,在会话之间健忘。当终端关闭时,重要的上下文就会消失:决策、调试发现、代码库约定、部分工作,以及“自从我上次来这里以来发生了什么变化?”的答案

Context Fabric为MCP兼容的编码代理提供了一个持久的内存层,该层保持本地、可搜索和有用。

给谁的

  • 使用支持MCP的编码工具的开发人员,如Claude Code、Cursor、Codex CLI、Gemini CLI、OpenCode或Kimi
  • 需要持久代理内存而不向托管内存服务发送代码和上下文的团队
  • 希望使用轻量级本地内存基板而不是连接单独的向量数据库堆栈的构建者

为什么选择上下文结构

  • 本地设计优先 --SQLite存储、本地嵌入、Docker/本地部署、零云依赖。
  • 专为编码代理而设计 --记住决策、错误修复、约定、代码模式和当前项目状态。
  • MCP本地 --使用工具、资源和提示作为真正的MCP服务器工作。
  • 代码感知和时间感知 --语义代码搜索、符号索引和围绕离线间隙的定位。
  • 实际采用 -无需外部矢量数据库,无需API密钥,无需托管控制平面。

你得到了什么

记忆与检索

  • 三层存储器 --工作(L1),项目(L2),语义(L3)。内存自动路由到正确的层。
  • 混合搜索 --FTS5 BM25+矢量余弦+互易秩融合。查询端指令前缀按嵌入器系列(BGE、E5、MiniLM)自动应用。可选的解释在不改变默认排名的情况下公开组件得分和提升。
  • 语义回忆 --通过ONNX+fastembed进行进程内矢量嵌入(bge-small-en-v1.5 默认情况下,与较大型号或GPU进行一次环境变量交换)。不需要API密钥。
  • 捆绑ANN — sqlite-vc 自v0.13版本起,船舶成为常规依赖项。KNN覆盖整个语料库,如果可加载扩展无法连接,则优雅地回退。
  • 可选CUDA推理 --set CONTEXT_FABRIC_EMBED_EP=cuda +奔跑 scripts/setup-gpu.sh 在NVIDIA硬件上实现约30倍的摄取吞吐量。
  • 本地代码索引 --扫描源文件,提取符号,通过文件监视保持新鲜,并可以检查/修复过时或损坏的索引状态。
  • 时间意识导向 --“我不在的时候发生了什么变化?”具有离线间隙检测和时区支持。
  • 幽灵消息 --相关记忆通过 context.getCurrent 而不会打乱主要工作流程。
  • 公共基准线束 --可重复的BEIR SciFact/FiQA和LongMemEval_S跑步者 benchmarks/public/.

记忆智能

  • 来源 --关于记忆的结构化引文块(sessionId, eventId, filePath, commitSha, sourceUrl以及更多)。
  • 店铺除尘 --L3的余弦近似重复检测 skip, merge,或 allow 策略。
  • 双时态记忆 — supersedes, validFrom,以及 validUntil 支持“当时什么是真的?”的推理。
  • 范围织物图 --时态实体和关系将项目、会话、文件、符号、记忆、决策、错误和沿袭/路径查询技能联系起来。

代理人体工程学

  • 技能 --具有延迟、可调用指令块和使用跟踪的过程内存。
  • MCP资源 --可浏览 memory://skills, memory://recent, memory://conventions, memory://decisions,以及模板化资源视图。
  • MCP提示 --斜线命令工作流,如 cf-orient, cf-capture-decision, cf-review-session, cf-search-code,以及 cf-invoke-skill.
  • context.importDocs --从常见的入职文档中一次性播种,如 README.md, CHANGELOG.md, CONTRIBUTING.md,以及 AGENTS.md.
  • 召回优质线束 --基准recall@kMRR与 npm run bench:quality.

运营与数字化转型

  • 29个MCP工具 --内存CRUD、召回/定向、代码搜索、代码索引修复、图查询/导入/导出、文档导入、备份/导出/导入、度量/健康和6个技能工具。
  • 平滑关闭 --清空机上通话,检查WAL,并干净地关闭。
  • 数据完整性 --启动检查、显式多行事务和在线备份。
  • 可观测性 --结构化日志+ context.metrics 和 context.health.
  • 自行设置 — context.setup 可以将Context Fabric安装到受支持的CLI中。
  • Docker优先 --容易 docker run --rm -i 使用持久命名卷存储进行传输。

快速开始

几分钟后开始跑步:```bash

1. Clone and build the Docker image

git clone https://github.com/Abaddollyon/context-fabric.git
cd context-fabric
docker build -t context-fabric .

2. Verify the server responds

echo '{"jsonrpc":"2.0","id":1,"method":"tools/list","params":{}}' \
| docker run --rm -i context-fabric


**3.将其添加到CLI** 使用Docker传输:```bash
docker run --rm -i -v context-fabric-data:/data/.context-fabric context-fabric

看 CLI设置 对于所有支持的CLIs的复制粘贴配置,或者让你的AI在Context Fabric可访问后执行:

> “使用Docker为Cursor安装和配置上下文结构”

Local install (without Docker)

需要Node.js 22.5+:```bash
git clone https://github.com/Abaddollyon/context-fabric.git
cd context-fabric
npm install
npm run build


服务器位于 `dist/server.js`.将CLI MCP配置指向 `node dist/server.js`.

## 支持的CLIs

|CLI |设置|文档|
|-----|-------|------|
| **克劳德代码** | `context.setup({ cli: "claude-code" })` | 指南 |
| **基米** | `context.setup({ cli: "kimi" })` | 指南 |
| **开源代码** | `context.setup({ cli: "opencode" })` | 指南 |
| **Codex CLI** | `context.setup({ cli: "codex" })` | 指南 |
| **Gemini CLI** | `context.setup({ cli: "gemini" })` | 指南 |
| **光标** | `context.setup({ cli: "cursor" })` | 指南 |
| **克劳德桌面版** | `context.setup({ cli: "claude" })` | 指南 |

> \[!提示\]
> 一旦Context Fabric在一个支持MCP的工具中运行,它通常可以通过以下方式将自己安装到其他工具中 `context.setup`.

## 感觉如何

启动一个会话,代理将自己定位:```text
It is 9:15 AM on Wednesday, Feb 25 (America/New_York).
Project: /home/user/myapp.
Last session: 14 hours ago. 3 new memories were added while you were away.

将决策存储一次:```jsonc
{ "type": "decision", "content": "Use Zod for all API validation. Schemas live in src/schemas/." }


稍后自然地回忆起来:```jsonc
{ "query": "how do we validate inputs?" }
// => "Use Zod for all API validation. Schemas live in src/schemas/."

没有云帐户。没有隐藏的服务依赖关系。无需每次会话都重新解释代码库。

演出

商品开发盒上的数字(Ryzen 7 5800H+RTX 3060 12 GB,热运行,2026-04-28/29):

检索质量——公共基准

基准 · 度量 · 上下文结构(v0.14重新运行,GPU) · v0.13发布 · OpenAI text-embedding-3-small · bge-base-en-v1.5(仅密集型)
贝尔科学事实 · nDCG@10 · 0.7456 · 0.7439 · 0.774 · 0.740
贝尔科学事实 · Recall@100 · 0.9633 · 0.9667 · ~0.93 · —
BEIR FiQA-2018nDCG@10 · 0.3809 · 0.3801 · 0.397 · 0.406
BEIR FiQA-2018Recall@100 · 0.7360 · 0.7361 · ~0.69 · —
LongMemEval_S(500 q,25K会话) · Hit@5 · 0.9200 · 0.9520 · — · —
LongMemEval_S · Recall@10 · 0.9210 · 0.9472 · — · —

阅读此文: v0.14保留了v0.13的低延迟本地检索路径,同时添加了用于排名诊断的解释/伪影工具。BEIR top-k的质量在重播中略有提高;LongMemEval的历史v0.13编号在当前缓存的运行时/数据集环境下无法再现,因此 docs/benchmarks.md 现在记录了已发布的基线和v0.14的重新运行,并带有用于回归分析的工件输出。

延迟和吞吐量

工作量 结果
BEIR SciFact查询p50(bge-base,GPU+sqlite-vec) 20毫秒
BEIR FiQA查询p50(bge-base,GPU+sqlite-vec) 87毫秒
LongMemEval_S查询p50(仅嵌入,支持工件) 10.8毫秒
L3 recall() @10K内存(FTS5预过滤器、CPU) 约8毫秒p50,\<100毫秒p99
摄入吞吐量(bge基础,RTX 3060 CUDA EP) ~170个文件/秒 (≈32×CPU单核基线)
完整的测试套件 747项测试通过
增量 tsc 重建 约0.8秒
服务器冷启动(L3热启动) \<1s

基准脚本: benchmarks/recall-latency.ts (npm run bench), benchmarks/public/ (npm run bench:beir:scifact, npm run bench:beir:fiqa, npm run bench:longmemeval:s).

建筑概览```text

CLI (Claude Code, Cursor, Codex, etc.)
|
| MCP protocol (stdio / Docker)
v
Context Fabric Server
|-- Smart Router -----> L1: Working Memory (in-memory, session-scoped)
|-- Time Service L2: Project Memory (SQLite, per-project)
|-- Code Index L3: Semantic Memory (SQLite + embeddings, cross-project)
```

内存自动路由到正确的层。Scratchpad笔记转到L1。决策和错误修复将提交给L2。可重用的模式和约定转到L3。看 建筑 进行全深度潜水。

文档

资源 描述
入门指南 安装、首次运行、Docker和本地设置
CLI设置 所有7个受支持的CLI的每个CLI配置
工具参考 所有29个MCP工具的完整文档
技能 过程内存——创建、调用和组合可重用技能
MCP图元 资源(memory://...)和提示(cf-*)
内存类型 类型系统、层、布线、衰变、来源和除尘
配置 存储路径、TTL、嵌入注释和环境变量
代理集成 自动工具使用的系统提示指导
建筑 回收管道、内部构件和性能设计
基准测试 带有复制命令的公共基准测试结果(BEIR SciFact/FiQA、LongMemEval_S)
更新日志 版本历史和升级说明
维基 启动友好的指南、常见问题解答、故障排除和设置演练

贡献

欢迎捐款。看 贡献.md 关于如何开始。

许可证

麻省理工学院


不要每次会话都重新解释你的代码库。

开始使用 · 配置CLI · 浏览Wiki · 报告Bug

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Context Fabric 怎么安装?

在客户端按下面的安装命令接入:docker run --rm -i -v context-fabric-data:/data/.context-fabric context-fabric。装完在客户端配置里引用同一个包或端点。

Context Fabric 怎么在 Claude、Cursor 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Context Fabric 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Context Fabric 需要 API Key 吗?

资料标注需要会话登录认证,使用前准备好对应凭据,并按最小权限配置。

Context Fabric 支持哪些客户端?

资料标注支持 Claude、Cursor;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Context Fabric 能提供哪些能力?

资料显示约 9 个工具;能力标签包括 AI编程辅助、TypeScript、Claude。具体工具清单以官方文档为准。

Context Fabric 需要什么运行环境?

运行时为 Docker;属于本地进程,需要在本机装好运行环境。

Context Fabric 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。