ContextBridge

Name: ContextBridge
Author: tijuthomas5

远程服务

github.com/tijuthomas5开发工具314 周前更新

代码仓库

关于 ContextBridge

ContextBridge 是面向编码 Agent 的本地优先代码检索服务，可从 Graphify 输出和行为文档中定位相关文件、符号及依赖关系。它通过 MCP 返回紧凑的排序结果，并可选用本地 LLM 校验和重排。

主要功能

01基于关键词与向量检索
02返回排序后的文件和符号
03提供模块摘要与依赖线索
04可选本地 LLM 校验重排
05本地仪表板监控索引与检索

适用场景

01查找功能实现涉及的文件与方法
02为代码问题定位相关模块和依赖
03减少发送给云端 AI 的代码上下文
04检查索引状态与检索效果

MCP 相关

通过 MCP 暴露代码检索、位置查找、模块摘要、相关文件和结果记录等工具。服务器默认使用 SSE，也支持 stdio；SSE 可供多个 AI 客户端共享同一运行实例。

#code-search #retrieval #context-management #token-optimization #codebase-indexing #local-first #rag

配置

远程服务无需本地安装。选择你使用的客户端，复制配置或使用一键安装。

服务地址http://127.0.0.1:8755/sse

一键复制安装命令

Claude CodeTerminalclaude mcp add --transport http context-bridge http://127.0.0.1:8755/sse

Cursor.cursor/mcp.json{"mcpServers":{"context-bridge":{"type":"http","url":"http://127.0.0.1:8755/sse"}}}在 Cursor 中打开

VS Code.vscode/mcp.json{"servers":{"context-bridge":{"type":"http","url":"http://127.0.0.1:8755/sse"}}}在 VS Code 中打开

Claude Desktopclaude_desktop_config.json{"mcpServers":{"context-bridge":{"type":"http","url":"http://127.0.0.1:8755/sse"}}}

Windsurf~/.codeium/windsurf/mcp_config.json{"mcpServers":{"context-bridge":{"serverUrl":"http://127.0.0.1:8755/sse"}}}

命令在终端中运行；JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

ContextBridge

为什么选择 ContextBridge？

没有 CB 时，AI 编码 Agent 要么猜测哪些文件相关，要么由你把整个源文件粘贴到聊天中——为不需要的代码消耗数千个输入令牌。

使用 CB 后，AI 只需调用一个 MCP 工具，就能获得精简且经过排序的结果：所属文件、相关文件、关键符号和依赖摘要——通常只需几百个令牌，而不是数万行原始源代码。

这不仅适用于调查错误——同一个工具也能回答有关现有功能或工作流如何实现的一般问题。

不使用 CB	使用 CB
将 10–50 个原始文件粘贴到上下文中	CB 返回真正重要的 3–5 个文件
AI 猜测哪些代码相关	结果以真实代码库结构为依据
令牌成本高，上下文嘈杂	令牌成本低，上下文聚焦
幻觉出的文件路径和方法名称	精确的文件路径、符号和行号提示

可选的本地 AI 分析阶段会在结果传给云端 AI 之前进一步压缩内容，因此你的成本会更低。

范围说明： ContextBridge 是代码库路由和检索工具，而不是推理引擎——它会找到合适的文件、符号和关联，但不会证明因果关系，也不会替你选择修复方案。有关完整边界，请参阅预期范围。

💡 初次使用？ 不想阅读全部内容？请让你的 AI 助手（Claude、ChatGPT、Gemini 等）阅读 docs/ 文件夹，并指导你为操作系统和项目完成设置。

面向 AI 编码 Agent 的本地优先代码检索层。ContextBridge 会为你的代码库建立索引（通过 Graphify 输出），然后提供 MCP 工具，供任何 AI 客户端（Claude Code、Codex、Cursor、Antigravity 等）调用，以获取经过排序的文件、符号和依赖链——还可在答案传给云端 AI 之前，由本地大模型进行验证和重新排序。

Your prompt ─► ContextBridge (keyword + vector retrieval)
            ─► Local AI (optional: validates, re-ranks, fills gaps)
            ─► Your AI agent (implements, grounded in real files)

该引擎具有通用性。所有特定于项目的排序逻辑都由可替换的配置文件插件负责，因此同一个工具适用于任何代码库。

架构

代码如何经由 ContextBridge 流转至你的 AI Agent：

ContextBridge 架构和数据流

仪表板

ContextBridge 自带本地仪表板，用于监控检索质量、索引健康状况和配置——无需依赖云端。

ContextBridge 仪表板概览
概览 — 检索质量、令牌节省情况和搜索模式细分

ContextBridge 仪表板设置
设置 — 实时调整流水线模式、RAG 权重和模型配置

令牌节省明细弹窗
令牌节省 — 按查询细分 CB 提供的内容与完整文件的成本

📖 开始之前——请先阅读文档。 docs/ 文件夹包含完整设置、配置、流水线和配置文件创建所需的一切内容。请从 docs/0. README.md 开始，查看所有文档的引导索引。

快速开始

:: 1. Install deps + build the index + scaffold config files
context_bridge\setup\windows\setup_context_bridge.bat

:: 2. Point the config at YOUR source folders
::    edit config.hybrid.json  ->  settings.discovery.*  (replace your_backend / your_frontend)

:: 3. Re-run setup to index your code
context_bridge\setup\windows\setup_context_bridge.bat

:: 4. Start the server + dashboard (pick Hybrid / Semantic / Keyword)
context_bridge\setup\windows\1.  start_Context_Bridge.bat

**Mac/Linux：**使用 context_bridge/setup/mac/ 或 context_bridge/setup/linux/ 中的对应文件。

设置可重复运行且安全：仅在缺少配置文件和启动文件时，才会根据 *.example 模板创建这些文件（绝不会覆盖你的修改），并且每次运行都会重建索引。运行 setup_context_bridge.bat --force 可将配置重置为模板。

MCP 服务默认通过 SSE 运行，地址为 http://127.0.0.1:8755/sse——将 AI 客户端指向此地址。也支持 Stdio 传输（启动前设置 CONTEXT_BRIDGE_TRANSPORT=stdio），适用于不支持 SSE 的客户端；推荐使用 SSE，因为这样多个 AI 客户端可以共享一个正在运行的服务，而不必各自启动进程。仪表板：http://127.0.0.1:8795。实时统计数据最多可能比最新活动延迟约 15 秒，历史列表（近期事件、遗漏文件、失败查询）显示的是最近 1000 条记录，而非整个生命周期的日志——这两者都是有意为之的性能权衡，并不代表数据丢失。

检索模式

启动时选择（启动脚本会选择匹配的配置文件）：

模式	配置	功能
混合	`config.hybrid.json`	关键词优先 + 受限的向量辅助（推荐）
语义	`config.semantic.json`	仅向量（需要 `sentence-transformers`）
关键词	`config.json`	纯关键词，不使用向量

MCP 工具

工具	用途
`search_context_hybrid()`	主要工具——广泛发现文件和上下文（自动运行分析）
`find_code_locations()`	查找方法或类的确切所属文件、符号和行号
`get_module_summary()`	模块/服务概览
`get_graphify_pack()`	获取功能包中的所有文件
`record_outcome()`	记录结果是否有帮助
`health_check()`、`get_usage_summary()`、`search_context()`、`find_related_files()`	实用工具

哪些工具会显示由配置控制——如果某个工具已注册，就可以安全调用。

编写自己的配置档案

通用引擎会在每个步骤中询问配置档案，以获取项目专属的排序逻辑。如果没有配置档案（project_profile: "default"），则使用纯通用评分。

将 rules/projects/example_profile.py 复制到 rules/projects/<yourapp>_profile.py
实现你需要的钩子（所有钩子均为可选——未实现的钩子会回退为无操作）
激活配置档案：在启动脚本中设置 CONTEXT_BRIDGE_PROFILE=<yourapp>，或在配置中设置 project_profile: "<yourapp>"

配置档案钩子（均为可选）

钩子	用途
`expand_query_tokens(query, tokens)`	添加额外的搜索词元
`module_intent_tokens()`	将模块名称映射到词汇
`pinned_owner_files(query_tokens)`	强制将特定文件置顶
`adjust_document_score(...)`	提高/降低候选文档的评分
`adjust_owner_score(...)`	根据名称提高/降低所属文件的评分
`adjust_primary_owner_score(...)`	微调单个主要所属文件的评分
`adjust_scoped_score(...)`	优先选择主导模块/功能包下的文件
`extra_owner_file_patterns()`	提供额外的高优先级文件名模式
`infer_module_from_path(path)`	将路径映射到模块名称（融合范围限定）
`low_signal_terms()`	列出应视为低信号的模块/领域词汇
`noise_files()`	列出应降低优先级的文件名（ui/support/root）
`gap_queries()`	将触发词映射到简洁的重新搜索查询
`analysis_prompt_override()`	为本地 AI 提供完整的系统提示词
`pack_files_for_intents(...)`	将意图映射到 Graphify 功能包文件（高级）

有关设置、流水线、配置档案创建和调试命令的扩展指南，请参阅 docs/。

索引

ContextBridge 索引的是 Graphify 输出（graph.json、GRAPH_REPORT.md、 source-files.txt、scope-summary.md、manifest.json）以及 /behavior/ 文档，而非原始源代码。为你的项目生成 Graphify，将 settings.discovery.* 指向这些文件夹，然后运行 setup。每次更新 Graphify 后，都要重新运行 setup 以刷新索引。

本地 AI（可选）

在 pipeline.analysis_stage 下配置本地模型（默认使用提供方 ollama，也可以使用 anthropic/openai/openrouter）。启用后，它会验证并重新排序 CB 结果、拆解多主题提示词，并触发针对缺口的重新搜索——然后将精简且有依据的结果传递给你的云端 AI。只需更改 model 即可切换模型；提示词与模型无关。