Context-First MCP 是一个 MCP（Model Context Protocol）服务器，目标是解决长对话中 AI 容易出现的上下文断裂、状态丢失、推理质量下降和事实不实等问题。它宣称“让 AI 在每一轮对话中都保持有据可依、连贯且诚实”，并可与 Claude Desktop、Cursor、VS Code、任何 MCP 客户端以及 Vercel 远程环境配合使用，无需 API 密钥。
主要能力 该服务器提供 37 个工具，分为 7 层，外加 1 个编排器统一调度：
- 第 1 层：核心上下文健康（9 个工具）
- 第 1b 层：状态管理（4 个工具）
- 第 2 层：沙箱与发现（3 个工具）
- 第 3 层：持久记忆（6 个工具）
- 第 4 层：高级推理（5 个工具）
- 第 5 层：真实性与验证（7 个工具）
- 研究管线与导出（2 个工具）
- 导出辅助（1 个工具）
核心编排器 context_loop 一次调用即可运行多个阶段，返回统一的行动指令（directive），并遵循“弃权 > 重置 > 澄清 > 继续”的合成优先级。每个阶段独立运行、错误隔离，结果包含各阶段耗时、状态和详细结果，便于观测。
使用方式
- npx 零安装：通过 npx 运行 context-first-mcp 入口，使用 stdio 传输。
- Cursor / VS Code：作为 MCP 客户端接入。
- 远程（Streamable HTTP）：可部署自己的 Vercel 实例，远程服务器提供 37 个工具。
- 核心库 @xjtlumedia/context-first-mcp-server 包含所有工具实现，默认基于启发式方法，无需外部 API 密钥。
- 可在浏览器中通过 context-first-mcp.vercel.app 试用全部 37 个工具。
使用协议与合规机制 服务器内置四种零配置的合规机制：
- 服务器指令：在 MCP 握手时通过 ServerOptions.instructions 注入完整使用协议。
- 引导门：首次非 context_loop 调用会附加强烈的重定向提醒。
- 跨工具提醒：连续 3 次未调用 context_loop 后，工具响应中会出现提醒。
- MCP 提示：按需提供 context-first-protocol 和 research-protocol 提示模板。 用户也可在系统提示中自行强化。
研究任务工作流 research_pipeline 编排记忆、阶段控制、推理和自主文件写入。它本身不是网络爬虫，需要用户自行提供来源（如网页搜索、GitHub、抓取工具、PDF 或其他 MCP）。自主文件写入始终开启，默认写入 ./context-first-research-output/ 目录，无需 LLM 配合，可通过 outputDir 参数覆盖。
技术实现与研究基础 每个核心算法都追溯到已发表论文：
- 代理熵（ERGO）：用 4 个响应级代理信号（词汇多样性、矛盾密度、模糊词频率、n-gram 重复）替代不可访问的 token 级 logprobs，综合分数超过阈值时触发自适应上下文重置。
- TF-IDF 发现（MCP-Zero）：纯 TypeScript 实现，零外部依赖。启动时索引所有工具描述，通过余弦相似度将查询路由到最相关的 top-k 工具。
- 推理时弃权（RLAAR）：用 5 维置信度评分替代强化学习训练循环，置信度低于阈值时以针对性问题弃权，而非回退到幻觉。
适用场景 适用于需要长对话保持连贯、需要持久记忆、需要推理质量监控、需要真实性验证，以及需要结构化研究并自动导出文件的 AI 应用开发场景。
限制 资料未提供具体的收费、价格、平台兼容性细节、性能数据或效果保证。研究管线不包含网络爬虫功能，需用户自备来源。
