斩获10.4k Star！AI编程智能体上下文优化插件Claude Context开源，Token成本直降40%

头像

智猩猩

2026-05-06 19:41发布于北京科技领域创作者

智猩猩AI整理
编辑：没方


在大模型辅助编程日益普及的今天，Token 成本已成为开发者日常最头疼的问题之一。尤其是 Claude 这类擅长处理超长上下文的模型，虽然在代码理解、仓库级任务、多文件重构等场景表现出色，但随着代码库越来越大、上下文长度不断增加，Token 消耗急剧上升，不仅大幅推高使用成本，还会导致响应变慢、大量无关代码干扰模型判断。


面对这一痛点，Zilliz 团队开源的 Claude Context 项目应运而生。它基于 AST 智能代码分块、混合搜索（BM25 + 稠密向量）、增量索引等技术，专为 AI 编程智能体设计。开发团队实测该项目可将 token 消耗有效降低约40%，同时提升复杂任务的解决质量。目前，该项目在 github 上已收获 10.8k stars。


图片
图片

  • 项目链接：

    https://github.com/zilliztech/claude-context


01

项目介绍


传统 grep 式检索依赖精确关键词匹配，容易遗漏语义相近但命名不同的代码，而全目录注入又会让token窗口迅速爆炸。


Claude Context巧妙地避开了这两条死胡同。


它首先通过抽象语法树（AST）对代码进行智能分块，能够理解函数、类、模块之间的结构关系，而非简单按行切割。这种结构感知的分块方式让每个代码片段携带了更丰富的语义信息。


随后，Claude Context 利用向量嵌入模型（支持 OpenAI、VoyageAI、Ollama、Gemini 等服务商）将这些片段转化为高维向量，并存储到 Milvus 或 Zilliz Cloud 向量数据库中。同时结合 BM25 关键词检索，形成了高效的混合代码搜索机制。


图片


当AI智能体提出自然语言查询时， Claude Context 能精准检索出语义匹配的代码，而非仅靠字符串匹配。它无需多次往返探索，直接把最相关、最精炼的片段注入上下文。这不仅大幅节省token，还让AI的推理更加准确、完整。


该项目还特别注重实用性和效率。采用 Merkle 树实现增量索引，只有修改过的文件才会重新处理，大幅降低重复计算开销。对于百万行级的大型代码库，它也能轻松应对，展现出极强的可扩展性。


02

使用方法


图片


（1）环境要求


Node.js >= 20.0.0，Claude Context 需要准备一个 Zilliz Cloud 免费向量数据库账号（获取API Key）和OpenAI API Key（用于embedding）。


图片


（2）在 Claude Code 中配置


对于Claude Code用户，最简单的方式是通过命令行添加MCP服务器：

claude mcp add claude-context \  -e OPENAI_API_KEY=sk-your-openai-api-key \  -e MILVUS_ADDRESS=your-zilliz-cloud-public-endpoint \  -e MILVUS_TOKEN=your-zilliz-cloud-api-key \  -- npx @zilliz/claude-context-mcp@latest


（3）在 Codex 中配置


①创建或编辑 ~/.codex/config.toml 文件；

②添加以下配置：

# 重要提示：必须是 `mcp_servers`，而不是 `mcpServers`。[mcp_servers.claude-context]command = "npx"args = ["@zilliz/claude-context-mcp@latest"]env = { "OPENAI_API_KEY" = "your-openai-api-key", "MILVUS_TOKEN" = "your-zilliz-cloud-api-key" }# 可选：覆盖默认的 10 秒启动超时时间startup_timeout_ms = 20000

③保存文件并重启以应用更改。


（4）在Qwen Code中配置


创建或编辑 ~/.qwen/settings.json 文件并添加以下配置：

{  "mcpServers": {    "claude-context": {      "command": "npx",      "args": ["@zilliz/claude-context-mcp@latest"],      "env": {        "OPENAI_API_KEY": "your-openai-api-key",        "MILVUS_ADDRESS": "your-zilliz-cloud-public-endpoint",        "MILVUS_TOKEN": "your-zilliz-cloud-api-key"      }    }  }}


Gemini CLI、Cursor、Void、Claude Desktop、Windsurf、VS Code、Cherry Studio、Cline、Augment、Roo Code、Zencoder、LangChain/LangGraph 以及其他 MCP 客户端也有对应的配置文件方式，官方文档提供了详细模板。


请参考：

https://github.com/zilliztech/claude-context#configure-mcp-for-claude-code


03

总结


从行业视角看，未来大模型的竞争早已不只是 “上下文能撑多长”，而是 “单位 Token 能产出多少价值”。claude-context 给出的动态上下文管理，将成为大模型工程化的关键方向。它不仅能降低企业算力与调用成本，更能让超长上下文能力下沉到更多中小团队与个人开发者的项目中，打破 “长文本 = 高成本” 的固有壁垒。