返回 AI 工具目录

cyberchitta/llm-context.py

MCP 服务人工精选最近核验 2026年7月24日

llm-context.py 是一个用 Python 写的开发者上下文管理工具,帮助把项目代码有选择地喂给大模型,免去手工挑文件和反复粘贴。它用可组合的 YAML 规则筛选相关文件,支持跨十余种语言的代码摘要(只保留结构与签名)、上下文体积预览与校验,并同时提供命令行与 MCP 服务两条通路:开发者可用 lc-select、lc-context 生成上下文粘到对话,自主 agent 则经 MCP 工具按需读取文件。它定位于降低把正确代码放进模型对话的摩擦,适合围绕代码库与大模型反复协作的研发场景。采用 Apache-2.0 许可,本地运行。

定价开源部署本地运行国内可达国内可达

解决什么问题

  • 手工挑选喂给模型的文件耗时且易漏
  • 上下文超出 token 预算难以控制
  • 反复把同样代码粘进对话很低效
  • 难以只给模型代码结构而非全文
  • agent 缺少按需读取项目文件的通道

适合

  • 围绕现有代码库与大模型反复协作的研发
  • 需要精细控制喂给模型的文件与体积
  • 希望用规则复用固定的上下文选择
  • 给自主 agent 提供受控的代码读取入口

不适合

  • 不做代码生成或改写,只组织上下文
  • 本身不含大模型,需另接可用的 LLM
  • 非代码类文档场景收益有限
  • 需要接受用 YAML 规则描述选择逻辑

如何接入

  • pip 或 uv 安装后以 lc- 系列命令使用
  • 作为 MCP 服务接入 Claude Desktop 等客户端
  • 输出可复制到剪贴板或写入文件
  • 规则以 YAML 加 Markdown 存于项目内

已知限制

  • 代码摘要覆盖十余种语言,其余仅整文件
  • 上下文质量取决于规则编写与维护
  • 所连大模型的可达性与费用需自理
  • 面向单机开发流程,非团队协作平台

接入与使用事实

部署方式
本地运行
实现语言
Python
中文界面
待确认
中文文档
待确认
定价方式
开源
许可证
待确认
国内可达性
国内可达
可达性观察
待补充

权限、依赖与维护信号

这些字段记录公开可见信号,不等同于安全审计结论。

权限信号

暂无公开信号。

依赖信号

暂无公开信号。

维护信号

暂无公开信号。

公开来源与证据

暂无可公开的来源链接。

访问官网