mcpField
C
Contexter

Contexter

远程服务
contexterai.com记忆与知识19 周前更新

关于 Contexter

Contexter 是托管的远程 MCP 服务,帮助用户在 AI 助手与 Telegram 之间共享项目上下文。它只保存明确提交的记录,并支持与协作者分享上下文。

主要功能

  1. 01在多个助手间共享项目上下文
  2. 02明确保存记录与文件
  3. 03读取和更新上下文记录
  4. 04与他人及 Telegram 分享上下文
  5. 05分享和删除操作需确认

适用场景

  1. 01在 ChatGPT 与 Claude 之间延续项目
  2. 02与协作者共享项目上下文
  3. 03保留 Telegram 群组中主动加入者的决策

MCP 相关

Contexter 在 `https://contexterai.com/mcp` 提供托管 MCP 服务,使用 Streamable HTTP 和 OAuth 2.1。MCP 客户端可通过其工具读取、保存、更新、分享和删除上下文数据。

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https://contexterai.com/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

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

Contexter

在 ChatGPT、Claude 和 Telegram 之间共享同一份 AI 上下文。

把你与一个 AI 一起梳理出的内容保存下来,再用另一个 AI 接着处理;还可以与 Telegram 中的人共享上下文,让他们用自己的 AI 继续处理。

Contexter 是托管的远程 MCP 服务。此仓库是其公开文档: 连接详情、工具目录,以及哪些内容会在工具之间传递、哪些不会。 服务本身由官方托管且不开源——无需安装任何东西,也无需管理密钥。

  • 主页: https://contexterai.com
  • MCP 端点: https://contexterai.com/mcp
  • 传输方式: Streamable HTTP
  • 身份验证: OAuth 2.1(支持受保护资源元数据发现)
  • Telegram 机器人: @ai_contexter_bot
  • 状态: 早期访问,免费,所有人均可使用

它解决的问题

你在 ChatGPT 中规划一件事,在 Claude 中接着处理,又在 Telegram 群组中讨论。每换一个工具,你都要重新解释项目;与你协作的人也完全无法接手,因为你的历史记录保存在自己的账户中。

Contexter 为项目提供一份上下文,而不是每个工具各存一份。两个助手都可以读取和写入相同的记录。你可以与他人共享这份上下文,让他们用自己使用的 AI 接着处理。

**不会自动导入任何内容。**连接助手并不会把你的聊天记录交给 Contexter。只有你明确保存或让助手保存的记录,才会进入上下文。


连接

Claude

添加一个指向 https://contexterai.com/mcp 的自定义连接器。Claude 会自行发现 OAuth 端点;你只需通过 Telegram 登录并批准一次访问。

ChatGPT

使用相同 URL 将 Contexter 添加为连接器。OAuth 流程相同。

其他任何 MCP 客户端

任何支持 OAuth 2.1 的 Streamable HTTP 客户端都可以采用相同方式连接——将其指向 https://contexterai.com/mcp。

完整的操作指南,包括每对工具之间会传递哪些内容:


你可以让助手做什么

连接后,你可以像平常一样与助手交谈。例如:

在 Contexter 中创建一个名为“厨房翻新”的上下文,并把我的测量笔记放进去。

我的多洛米蒂徒步上下文里有什么?

把这份比较保存到 AI-bot 上下文,并与 Anna 共享。


工具目录

共 26 个工具,分为 4 组。写入工具需要由人作出决定——客户端代表用户执行操作;对于不可逆操作(共享、发布到聊天室、删除),系统会要求确认,而不会自行假定用户同意。

读取(8) — list_contexts、get_context_card、get_context_feed、list_records、list_sources、get_artifact、get_file、read_image_content

保存(7) — save_artifact、save_file、create_context、add_records_to_context、update_artifact、update_context、set_context_notifications

共享(5) — share_context、revoke_context_access、check_share_audience、deliver_to_chat、invite_room_to_context

移除(6) — remove_record_from_context、delete_record、leave_context、restore_record、delete_context、restore_context

权限范围、响应格式,以及各项设计背后的原因: contexterai.com/developers。


使用场景

两个助手,一个项目。 在 ChatGPT 中研究,在 Claude 中起草。计划保存在双方都能访问的上下文中,因此谁都不必从一张白纸开始。

两个人,两种不同的 AI。 你们共享的是上下文,而不是导出的文档。对方可以通过自己已经付费使用的任意助手打开它。

群聊也不会丢失其中的决定。 将机器人添加到 Telegram 群组。选择加入的成员所发送的消息会成为记录;从聊天中构建的上下文会与这些成员共享,他们各自在群组之外、使用自己的 AI 继续处理。


隐私

  • 绝不导入 AI 聊天记录。保存始终需要明确操作。
  • 记录的可见范围取决于其所属上下文的可见范围。没有隐藏的受众:每个共享上下文都会清楚显示哪些人可以查看。
  • 在 Telegram 群组中,只收集选择加入的成员所发送的消息。未选择加入的人,其消息完全不会被收集。
  • 删除后 7 天内可以恢复。

隐私政策 · 通俗易懂的安全模型 · 条款 · 子处理方


支持

在此处提交 issue,或在 Telegram 中给 @ai_contexter_bot 发消息。已在使用该服务的用户可以在此查看问题与解答: contexterai.com/help。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。