ContextStream 是一个面向编程智能体的共享项目上下文平台，主要解决多个编码智能体协作时项目上下文丢失的问题。
用途 当多个编码智能体（如 Cursor、Claude Code、Codex、Grok 等）处理同一个项目时，团队往往需要反复向每个智能体解释相同的项目决策、被否决的路径、必须保持稳定的部分以及前一天工作的停止位置。ContextStream 的目标是让项目上下文不再局限于某一个智能体会话，而是在不同智能体、会话或工具之间共享。
主要能力 ContextStream 将代码证据与项目判断带入同一次交接。具体包括：
- 解析授权的工作区和项目。
- 在符合条件的已索引源代码中搜索路径和行号，并在索引支持的情况下检查代码关系。
- 检索相关决策及其原因、偏好、约束、经验教训或交接信息。
- 智能体利用这些材料提出下一步建议，开发者核对证据后决定如何操作。 官方强调，这不会让智能体变得绝对可靠或自动对齐；每个连接的智能体必须读取相关上下文，有用的发现必须被捕获并保持最新。ContextStream 为开发者工作流提供上下文，不构建或验证智能体正在编写的应用程序。
使用方式 官方提供远程 MCP 地址：https://mcp.contextstream.io/mcp。设置过程需要连接受支持的客户端、账户、工作区和项目，并建立索引。官方建议选择一个允许索引的仓库和一个带有真实先前决策或约束的小任务进行测试：先让智能体使用你已有的笔记和源代码检查工作，然后在受支持的客户端中使用 ContextStream 尝试同一任务。可以要求每个新智能体：说明当前目标、引用相关源代码和先前决策、指出一个约束、提出第一个可检查的操作。然后与当前仓库和实际决策进行对比。
适用场景 ContextStream 适合以下情况：重复性工作跨越智能体、会话或工具边界，并且既需要项目知识又需要可检查的代码证据。官方也列出了其他几种携带项目上下文的方式，包括：自己向每个智能体做简报、在仓库中保留笔记和规则、使用智能体内置记忆、添加编排器。这些方式可以结合使用。
限制与注意事项
- 代码是否留在本机：ContextStream 搜索是托管的。符合条件的文件内容会被发送用于索引，即使 MCP 辅助程序在本地运行。在导入前应审查仓库政策、排除项、被索引文件以及转录捕获设置。如果不允许上传，则不要索引该仓库。
- 设置或维护是否会成为另一项工作：设置需要连接受支持的客户端、账户、工作区、项目和索引。还需要决定哪些内容值得持久保存，并在变化时进行更正。
- 每个智能体是否都会正确使用上下文：没有保证。客户端集成、检索、索引新鲜度、图谱覆盖范围和模型行为各不相同。在批准重大更改之前，应检查返回的来源和当前文件。
- 官方提到 2026 年 6 月 14 日的 LongMemEval-S 对比：90.0% 对比 SuperMemory 引用的 85.4% 结果。
其他信息 官方建议，如果现有笔记或原生记忆已经能干净地完成交接，就保留它们；如果跨智能体的重复简报持续存在，可以在一个安全、可检查源代码的任务上比较 ContextStream。
