codex-project-context
Provides project-aware context for coding agents by selecting relevant AGENTS.md, docs, module paths, and decision records based on task, reducing redundant context loading via MCP stdio.
README
Codex Project Context MCP
一个可迁移的全局 MCP Server + project-context 技能包。
它根据“项目路径 + 当前任务”选择需要读取的 AGENTS.md、docs、模块路径和决策记录,减少每次任务重复加载整套项目文档。
包含内容
server.py MCP stdio 入口
config/settings.json 规则与扫描配置
scanners/ 项目扫描、manifest、匹配、变更分析
context/ Context Pack 聚合
skills/ MCP 内置技能索引与推荐实现
skill/project-context/ Codex/兼容客户端的触发技能
install.ps1 Windows 安装器
install.sh macOS/Linux 安装器
mcp-configs/ Trae/Codex 配置示例
tests/ 无业务项目依赖的端到端测试
documentation/ 架构、变量、权限和测试说明
不包含:项目源码、项目索引、技能索引、虚拟环境、密钥、令牌和本机路径。
Windows 安装
git clone https://github.com/daodaobing/codex-project-context.git
cd codex-project-context
.\install.ps1
安装器会:
- 在
~/.codex/context-server安装 MCP 运行时; - 创建独立 Python 虚拟环境并安装
requirements.txt; - 将
project-context安装到~/.codex/skills/project-context; - 在
~/.codex/config.toml注册context_server; - 保留运行时生成的项目索引,不把索引上传到 Git。
需要指定 Python 时:
.\install.ps1 -Python "C:\Path\To\python.exe"
如果只想安装文件、不自动更新 Codex 配置:
.\install.ps1 -SkipConfig
安装后重启 Codex。验证:
codex mcp
& "$env:USERPROFILE\.codex\context-server\.venv\Scripts\python.exe" `
"$env:USERPROFILE\.codex\context-server\tests\test_server.py"
macOS/Linux 安装
git clone https://github.com/daodaobing/codex-project-context.git
cd codex-project-context
./install.sh
也可以通过 CODEX_HOME 指定 Codex 配置根目录:
CODEX_HOME="$HOME/.codex" ./install.sh
Trae 使用
MCP Server 是跨客户端的稳定部分。把下面配置复制到 Trae 的 MCP 管理面板,并将 YOUR_USER 替换为当前用户名:
{
"mcpServers": {
"context_server": {
"command": "C:\\Users\\YOUR_USER\\.codex\\context-server\\.venv\\Scripts\\python.exe",
"args": [
"C:\\Users\\YOUR_USER\\.codex\\context-server\\server.py"
]
}
}
}
完整示例见 mcp-configs/trae.windows.json。Trae 不同版本的配置入口和 SKILL.md 自动发现方式可能不同;如果版本支持项目级技能,将 skill/project-context 复制到项目的 .trae/skills/project-context,或通过 Trae 的技能/规则界面导入。若当前版本不识别 SKILL.md,将 trae/project-context.rules.md 复制到 Trae 的项目规则中即可。即使不安装技能,只配置 MCP 也可以直接使用所有 Context Tool。
使用方式
普通项目任务:
$project-context
项目路径:C:\Projects\MyProject
任务:修改登录页面并修复 token 过期问题。
技能会要求 Codex/兼容客户端先调用 get_project_context 或 get_context_pack,再使用 Serena 或客户端自身的代码导航能力定位实现。
新项目初始化:
$project-context
项目路径:C:\Projects\NewProject
请先预览初始化上下文文件,只读,不写入。
只有得到明确确认后,才调用 initialize_project_context(..., dry_run=false)。普通上下文加载不会创建或修改项目文件。
context-manifest.yaml
在项目根目录声明项目主动维护的上下文:
project:
name: My Project
type: code
modules:
auth:
paths:
- src/core/auth
documents:
- docs/contracts/auth.md
decisions:
- docs/decisions.md
keywords:
- auth
- login
knowledge_domains:
billing_rules:
documents:
- docs/billing-prd.md
keywords:
- billing
- 计费
modules 只放真实代码模块;没有代码路径的业务知识放 knowledge_domains。新增或修改 manifest 后,调用 scan_project(project_path, force=true) 刷新索引。
Tool
核心 Tool:
get_project_contextget_context_packscan_projectlist_projectsget_project_indexinitialize_project_contextsuggest_projectsanalyze_changes
技能推荐辅助 Tool:
refresh_skill_registrylist_skillsget_skillrecommend_skills
设计边界
- 不替代
AGENTS.md、项目 docs 或 Serena; - 第一版规则匹配,不依赖向量数据库、Embedding 或 Agent 框架;
- 索引只存路径、摘要、分类和模块关系,不存源码;
analyze_changes只分析,不自动更新文档;initialize_project_context默认 dry-run,写入必须经过确认;- Server 通过 MCP stdio 运行,不需要公网服务或 API Key。
开发验证
& .\.venv\Scripts\python.exe tests\test_server.py
更详细的架构、变量、权限边界和测试证据见 documentation/。
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。