Upstash 联合创始人 Enes Akar 亲自下场安利自家新工具 Context7。
他吐槽说，过去一年用 AI 编程助手写代码，感觉就像开盲盒——碰上模型训练截止日期前的老库还行，一用到新东西，AI 就开始瞎编 API、生成一堆跑不起来的破代码。
就算你把新库的文档复制给 AI，效果也一般：文档太臃肿，容易超 Token 限制，还得一页页喂，AI 根本抓不住重点。
比如 Claude 3.5 可能根本不懂最新的 Next.js 15，给的 CDN 链接也可能是过时的，你让它修它也懵圈，因为它压根就没学过新的写法。
解决方案：Context7 闪亮登场。这玩意儿就是给你的 AI 编程助手 (任何 LLM 或 AI 代码编辑器都行) 提供的官方文档上下文。
他们把市面上超多库 (现在已经索引了 3500 多个) 的官方文档都扒下来，整理好，结构化了。
简单理解，就是搞了个专门搜文档的 RAG。你问问题，它就从这些文档里捞相关的片段给你，还能限制返回多少字 (token)。
这是一个能让你的 AI 编程能力更上一层楼的MCP服务器。
AI编码的一个痛点：模型知识库更新不及时，尤其在前端这种“月抛型”技术栈里特别难受。虽然 Cursor 自带文档索引功能，但效果差点意思，还得手动提醒它用。
Context7 的核心武器：
▼ 解决AI编码的最大问题之一：Context7 MCP 使你的 AI 能够访问当前文档，而不是过时的训练。
覆盖了所有主流库，比如 Next.js, Clerk, MongoDB, Upstash, Fast API 等等，不光是 Web 开发，只要有代码文档就能加。
写个例子。用Claude 3.5 ，这模型肯定不知道最新的 Next.js 更新。
就算明确在 Prompt 里要求用
从 Context7 复制文档
我们选择 Upstash Redis 作为我们想要搜索的库（选择您喜欢的任何库 — 例如 Next.js、React 等），输入 stream trim 作为我们的搜索词，然后复制链接。
怎么工作的？
{ "mcpServers": { "context7": { "command": "npx", "args": ["-y", "@upstash/context7-mcp@latest"] } }}
Upstash 是一个Serverless 数据平台，提供了开箱即用的Redis 和Kafka 数据服务，让用户能够方便地在云环境中集成使用。
