在 Cursor 中使用 Context7

Context7 能将最新的、版本特定的文档和代码示例直接注入 AI 编码助手，解决 LLM 依赖过时训练数据导致的三大问题：代码示例过时、API 凭空捏造、答案基于旧版本。

这个服务提供几种套餐，免费版适合个人开发者偶尔查阅公共文档，主要限制：

1. API 上限硬封锁 —— 达到 1,000 次后无法正常使用，仅每天补贴 20 次应急
2. 不支持私人库 —— 无法解析私有仓库，如果需要私人库或团队使用，必须升级 Pro。
3. 无团队协作 —— 只能个人使用
4. 无 Unlimited API —— Pro 超额仍可用，Free 直接被限流

安装 #

在Cursor的插件市场可以直接安装：

该插件包含

• Context7：一个MCP Server，提供两种工具：
  • resolve-library-id，根据传入的参数查找对应的库
  • query-docs，拉取最新的文档
• context7-mcp：一个Skill，这是给 Agent 的Context7 MCP 的使用说明：当用户问库、框架、API 或要示例代码时，Agent应通过 Context7 拉取最新文档，而不是只靠训练数据里的旧知识。
• doc-researcher：一个 Subagents， 派子代理完成查询文档的过程。

安装后，可以看到这个MCP的状态：

解析 #

Context7 #

Context7 提供工具和集成，使Agent可以访问准确、最新的库文档。工作过程如下：

context7-mcp #

这个Skill向Agent说明了Context7 MCP 的使用方法：

1. 解析库 ID #

调用 resolve-library-id，传入两个参数：

• libraryName：从用户问题里提取的库名
• query：用户的完整原问题（用来提高匹配排序）

它根据库名和问题原文去Context7的数据库里搜索对应的文档，返回匹配结果，可能有很多个，每个结果都包含文档名称，版本和唯一ID等。

2. 选最合适的库 #

在返回的多个候选结果里，按这些原则选：

• 名称与用户说的尽量一致
• benchmark 分数更高 → 文档质量通常更好
• 用户指定了版本（如「React 19」）→ 优先选带版本的 library ID

3. 拉取文档 #

调用 query-docs，传入两个参数：

• libraryId：上一步选中的文档ID（例如 /vercel/next.js）
• query：需要解决的问题或任务，说明相关细节。例如：“如何在 Express.js 中设置 JWT 身份验证”。

将选中的文档作为普通文本返回，格式化以便AI模型易于读取。

4. 用文档写回答 #

把查到的内容融入回复：

• 用当前、准确的文档回答问题
• 附上文档里的相关代码示例
• 必要时注明库版本

触发时机 #

满足下面任一情况就应启用该技能：

• 安装/配置：例如「Next.js 中间件怎么配？」
• 写涉及某库的代码：例如「用 Prisma 写一条查询……」
• 查 API：例如「Supabase 有哪些 auth 方法？」
• 提到具体框架/库：React、Vue、Svelte、Express、Tailwind、Next.js、Prisma、Supabase 等

doc-researcher #

这是一个专用子代理（subagent），作为文档研究员，使用与context7-mcp Skill一样的方法查询文档，额外强调「返回给主对话时要精炼」。主对话不自己塞一大段文档，而是把这个子代理派出去查库文档，最后只把短答案 + 示例交回，避免主聊天被大段文档占满。。

若你实际要用它查某个库（例如 Prisma 或 Next.js），在 Agent 模式下直接问具体问题即可；主助手可以按需启动这个子代理。

使用 #

与 Agent 对话是可以自动触发，直接用 \ 显示调用 Skill 和 Subagent 会更精准。两种方法可以按需选择：