ContextOS — MCP-сервер для Claude Code: меньше токенов в контексте
Локальный MCP-сервер, который держит доказательства, логи команд и планы вне основного диалога и отдаёт агенту только нужное для следующего шага.
claude mcp add --env CONTEXTOS_PROJECT_ROOT=<CONTEXTOS_PROJECT_ROOT> --transport stdio contextos-powered-exoskeleton-for-ai-coding -- docker run -i --rm -e CONTEXTOS_PROJECT_ROOT ghcr.io/yubinbin32-ops/contextos:3.0.3Что делает ContextOS — Powered Exoskeleton for AI Coding
ContextOS работает как прослойка между ИИ-агентом и репозиторием. Чтение файлов, вывод команд, планы, архитектура и отчёты о проверках хранятся локально, а в основной контекст попадают лишь фрагменты, нужные для очередного решения. За счёт этого длинные сессии не забиваются логами и повторными чтениями одних и тех же файлов.
Внутри — набор инструментов: ask для точного чтения путей, диапазонов строк и AST-символов, command для однократного запуска с сохранением stdout и stderr, pipeline для групповых шагов, micro для мелких задач через настроенную API-модель и agent для изолированной реализации через CLI-адаптер. Архитектура описывается через Block и Chain, изменения проходят через change и integrate. Состояние проекта переживает перезапуск сессии: план и отчёты можно поднять заново.
Сервер запускается в Docker, поэтому образ ghcr.io/yubinbin32-ops/contextos:3.0.3 должен быть доступен, а переменная CONTEXTOS_PROJECT_ROOT — указывать на корень проекта. Без неё сервер не поймёт, какой репозиторий обслуживать. Для режимов micro и agent нужны свои ключи и CLI-адаптеры — их надо настроить заранее.
Какие задачи решает
- прочитать конкретный диапазон строк вместо всего файла
- сохранить вывод упавшего теста и вернуться к нему позже
- сгруппировать независимые проверки в один вызов
- провести изменение через проверку и получить отчёт
- восстановить план работы в новой сессии
Примеры запросов агенту
- Прочитай через
askтолько функциюparseConfigизsrc/config.ts - Запусти тесты через
commandи покажи только строки с ошибками - Собери в
pipelineчтениеpackage.jsonиtsconfig.jsonпараллельно
Как установить ContextOS — Powered Exoskeleton for AI Coding
Командой платформы
claude mcp add --env CONTEXTOS_PROJECT_ROOT=<CONTEXTOS_PROJECT_ROOT> --transport stdio contextos-powered-exoskeleton-for-ai-coding -- docker run -i --rm -e CONTEXTOS_PROJECT_ROOT ghcr.io/yubinbin32-ops/contextos:3.0.3Вместо <…> подставьте свои значения
Командой платформы
codex mcp add contextos-powered-exoskeleton-for-ai-coding --env CONTEXTOS_PROJECT_ROOT=<CONTEXTOS_PROJECT_ROOT> -- docker run -i --rm -e CONTEXTOS_PROJECT_ROOT ghcr.io/yubinbin32-ops/contextos:3.0.3Вместо <…> подставьте свои значения
Файл настроек
{
"mcpServers": {
"contextos-powered-exoskeleton-for-ai-coding": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"-e",
"CONTEXTOS_PROJECT_ROOT",
"ghcr.io/yubinbin32-ops/contextos:3.0.3"
],
"env": {
"CONTEXTOS_PROJECT_ROOT": "<CONTEXTOS_PROJECT_ROOT>"
}
}
}
}Вместо <…> подставьте свои значения
Файл настроек
{
"servers": {
"contextos-powered-exoskeleton-for-ai-coding": {
"type": "stdio",
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"-e",
"CONTEXTOS_PROJECT_ROOT",
"ghcr.io/yubinbin32-ops/contextos:3.0.3"
],
"env": {
"CONTEXTOS_PROJECT_ROOT": "<CONTEXTOS_PROJECT_ROOT>"
}
}
}
}Вместо <…> подставьте свои значения
Командой платформы
gemini mcp add -e CONTEXTOS_PROJECT_ROOT=<CONTEXTOS_PROJECT_ROOT> contextos-powered-exoskeleton-for-ai-coding docker run -i --rm -e CONTEXTOS_PROJECT_ROOT ghcr.io/yubinbin32-ops/contextos:3.0.3Вместо <…> подставьте свои значения
По шагам, с командами для каждой платформы: Как подключить MCP-сервер: Claude Code, Codex, Cursor, VS Code, Gemini CLI и другие
Вопросы о ContextOS — Powered Exoskeleton for AI Coding
Как установить ContextOS в Claude Code?
Выполните `claude mcp add --env CONTEXTOS_PROJECT_ROOT=<CONTEXTOS_PROJECT_ROOT> --transport stdio contextos-powered-exoskeleton-for-ai-coding -- docker run -i --rm -e CONTEXTOS_PROJECT_ROOT ghcr.io/yubinbin32-ops/contextos:3.0.3`. Подставьте путь к корню проекта вместо плейсхолдера.
Что делает ContextOS?
Хранит доказательства из кода, логи команд, планы и отчёты о проверках вне основного диалога и возвращает агенту только нужные фрагменты. Это снижает расход токенов и заполнение контекста.
Что нужно для запуска?
Docker с доступом к образу ghcr.io/yubinbin32-ops/contextos:3.0.3 и переменная CONTEXTOS_PROJECT_ROOT с путём к проекту. Режимы micro и agent требуют отдельной настройки API-модели и CLI-адаптера.
