mcp-context-window

Сервер MCP, который предоставляет локальной модели внешний контекстный буфер: долговременную память сессии, в которую она может записывать заметки, и большие документы, которые она может просматривать постранично, не загружая их целиком.

Создан на основе MCP TypeScript SDK v2 и соответствует протоколу версии 2026-07-28. Работает через stdio (LM Studio, Claude Desktop, любой процесс, запускающий локальный сервер) или Streamable HTTP.

Прочитайте это первым: что сервер MCP может и не может

Ни один сервер MCP не может видеть или изменять ваше окно контекста. MCP — это строго модель «запрос-ответ»: хост вызывает инструмент, инструмент отвечает. Сервер никогда не видит диалог, не может перехватывать сообщения до того, как они достигнут модели, и не может ничего обрезать. LM Studio выполняет собственное усечение контекста внутри и не советуется с серверами по этому поводу.

Поэтому это не автоматическое скользящее окно, и любой сервис, который рекламирует себя как таковой, вводит вас в заблуждение. Что это на самом деле: хранилище, к которому модель обращается осознанно, сохраняя основной объем материала за пределами окна и подгружая только то, что нужно в данный момент. Это действительно мощно даже с локальной моделью на 8k токенов — но работает только потому, что модель сама вызывает инструменты, а не потому, что сервер что-то перехватывает.

Практическое следствие: модель должна сотрудничать. Описания инструментов здесь написаны намеренно предписывающе, а context_guide возвращает рекомендуемый рабочий процесс. Если ваша модель игнорирует инструкции — укажите это явно в системном промпте.

Связанное примечание: MCP Sampling — механизм, позволяющий серверу попросить LLM клиента сгенерировать текст — был объявлен устаревшим в спецификации 2026-07-28, с официальной рекомендацией «интегрироваться напрямую с API провайдера LLM». Поэтому этот сервер сам вызывает OpenAI-совместимую endpoint. Это же делает его независимым от конкретного хоста: один и тот же код работает с LM Studio, Ollama, llama.cpp или vLLM.

Related MCP server: membot

Две половины

Сессии — рабочая память для длительной задачи

Документы — материал, слишком большой для чтения целиком

Плюс context_guide, который объясняет модель, как всем этим пользоваться.

Быстрый старт

```bash

npm install npm run build npm test

### ```bash
node dist/index.js --ingest-root ./sources

Или исследуйте интерактивно:

```bash

npx @modelcontextprotocol/inspector node dist/index.js

***

## LM Studio

Отредактируйте `~/.lmstudio/mcp.json` (в Windows — `C:\Users\<вы>\.lmstudio\mcp.json`)
через **Program → Install → Edit mcp.json**, затем перезагрузите LM Studio.

### ```json
{
  "mcpServers": {
    "context": {
      "command": "node",
      "args": [
        "/absolute/path/to/mcp-context-sliding/dist/index.js",
        "--ingest-root", "/absolute/path/to/your/project",
        "--budget", "4000"
      ]
    }
  }
}

Эти два пути должны быть абсолютными. Хост запускает сервер как дочерний процесс с непредсказуемым рабочим каталогом, поэтому относительный путь не будет разрешён. В командной строке, где вы контролируете рабочий каталог, относительные пути вроде --ingest-root ./sources допустимы.

В Windows используйте либо прямые слэши (C:/Users/вы/проекты), либо двойные обратные (C:\\Users\\вы\\проекты), поскольку одиночный обратный слэш является escape-символом в JSON-строке.

Установите --budget примерно равным половине контекста вашей модели. Это целевой объём, который сервер упаковывает в результаты поиска, а не жёсткий лимит, который LM Studio навязывает.

--ingest-root — это каталог, из которого doc_ingest может читать файлы. Если его не указывать, сервер принимает только встроенный текст — это безопасно по умолчанию, поскольку сервер, который открывает произвольные пути по запросу модели, — это риск безопасности.

Docker

```bash

docker build -t mcp-context-window:latest .

### ```json
{
  "mcpServers": {
    "context": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm", "--init",
        "-v", "mcp-context-data:/data",
        "-v", "/absolute/path/to/your/project:/ingest:ro",
        "-e", "CTX_INGEST_ROOTS=/ingest",
        "--add-host", "host.docker.internal:host-gateway",
        "mcp-context-window:latest", "--stdio"
      ]
    }
  }
}

Два важных момента: флаг -i обязателен, иначе JSON-RPC рукопожатие не состоится (серверу нужен STDIN). Именованный том обязателен, иначе каждый перезапуск бесшумно стирает все сохранённые сессии и документы. Внутри контейнера localhost указывает на сам контейнер, поэтому URL LLM по умолчанию — host.docker.internal. Docker также требует, чтобы путь монтирования с -v был абсолютным.

Как реально проходит сессия

```

context_open session_id "refactor-auth" context_append "Goal: replace session cookies with JWT" (pinned) context_append "auth/middleware.ts:42 assumes a cookie is present" context_append "Decision: keep cookie support behind a flag for one release" ... context_status → 3200/4000 tokens — approaching budget context_compact → folds 14 old entries into one 380-token summary context_recall "cookie flag decision" → returns the pinned goal + the decision

А вот документ:

### ```
doc_ingest      file_path "logs/build-failure.log"  → doc_kx91, 240 chunks
doc_search      "OutOfMemory"                       → 3 chunks, 1400 tokens
doc_window      from 118 to 121                     → the surrounding context

Журнал никогда не попадает в контекст модели. Три целевых чтения — да.

Конфигурация

Принципы проектирования

Подсчёт токенов калибруется по вашей реальной модели. Универсального токенизатора не существует — Llama, Qwen и GPT разделяют текст по-разному, и встроенный токенизатор был бы неточным для любой загруженной модели. Поэтому сервер сначала оценивает дёшево, а затем измеряет истину: он отправляет два образца разной длины на вашу endpoint с max_tokens: 1 и вычисляет наклон зависимости сообщаемого usage.prompt_tokens между ними. Наклон компенсирует постоянные накладные расходы чат-шаблона и даёт реальную предельную стоимость токена на символ. Результат кэшируется, так что некалиброванным бывает только самый первый запуск, и калибровка выполняется в фоне, поэтому запуск никогда не блокируется моделью, которая может быть ещё не загружена.

Оценки намеренно завышены. Занижение переполняет окно и обрезает именно тот контекст, для защиты которого существует этот сервер.

Суммирование деградирует, а не отказывает. Если endpoint недоступен или модель не загружена, сервер переключается на экстрактивное суммирование — оценку предложений по TF-ISF — которое мгновенно, детерминировано и структурно не способно галлюцинировать, поскольку может только выбирать предложения, которые реально существовали. Потеря доступа к сохранённому контексту — худший исход, чем более грубая сводка. После сбоя клиент делает короткую паузу, поэтому документ из 200 фрагментов не ждёт 200 отдельных TCP-таймаутов.

Хранилище — это добавляемый в конец JSONL. Сбой может повредить максимум последнюю строку, которая пропускается при загрузке, а не вызывает фатальную ошибку. tail файла позволяет наблюдать, как накапливается память. Уплотнение помечает оригиналы как заменённые, а не удаляет их, поэтому уплотнение, которое потеряло что-то важное, всё ещё восстановимо из журнала.

Разбиение на фрагменты следует структуре документа, а не фиксированным смещениям — заголовки, абзацы и блоки кода остаются нетронутыми, и каждый фрагмент несёт цепочку заголовков, под которыми он находится. Только блок, действительно превышающий размер целого фрагмента, разбивается принудительно.

Поиск — это BM25 плюс учёт свежести, без модели эмбеддингов. Это не требует ничего загруженного, не занимает VRAM рядом с основной моделью и детерминировано — что важно, когда вся суть в предсказуемости того, что увидит модель. Идентификаторы индексируются целиком и по частям, поэтому getUserName можно найти по запросу «user name».

Ограничения

• Модель должна реально вызывать эти инструменты. Ничего автоматического нет.

• Поиск по ключевым словам пропускает перефразировки, которые нашла бы модель эмбеддингов.

• Подсчёт токенов — это оценка до первой успешной калибровки.

• Ни один транспорт не аутентифицирует; HTTP привязывается к loopback по этой причине.

• doc_ingest читает UTF-8 текст. Это не извлекатель PDF или DOCX.

Лицензия

MIT