工具
本地化代码库记忆引擎 Contextual 发布 Beta 版，接入 MCP
Contextual 是完全本地运行的代码库上下文引擎，通过 MCP 为 Cursor、Claude 等 AI 编程代理…
2026.08.27 · 周四约 3 分钟阅读
开发者工具 Contextual 正式发布 v1.0.0 Beta 版，定位为本地运行的代码库「上下文引擎」。它通过文件系统监听、语义嵌入与代码图谱，把仓库中的符号、提交、PR、决策记录等结构化为可被 AI 编程代理检索的记忆，并通过 Model Context Protocol（MCP）接入 Cursor、Claude Desktop、VS Code 等客户端。
核心能力
Contextual 提供四大基础能力：
- 语义搜索：以自然语言提问，返回按含义而非关键词排序的函数、提交、决策或文档段落。
- 时间维度查询：每个符号、注释、PR 都带有时间锚点，可回答「这个文件上季度是什么意思」。
- 代码图谱：函数、提交、文档构成节点，调用、导入、编辑构成边，支持影响范围分析与依赖回溯。
- 零云端：嵌入、索引、图谱全部存储于
~/.contextual，不向外部上传任何代码。
架构与性能
整个流水线在单台笔记本上本地运行，零网络调用。文件系统监听器持续同步 INDEX 与 GRAPH，文件保存即重建、分支切换即分叉时间轴；通过 MCP 与兼容客户端通信，无需定制胶水代码。单文件夹、单二进制，rm -rf ~/.contextual 即可完全清除。
官方披露的性能指标：5 万行 LOC 的仓库约 5 分钟完成索引，召回中位延迟 93.85 ms，单二进制静态包约 0.8 GB。
MCP 工具集
Contextual 暴露 22 个 MCP 工具，覆盖五大类别：
- 搜索类（如
nexus_search）：自然语言检索，附带提交、PR 评论与文件差异定位。 - 影响类（如
graph impact）：从单文件出发列出调用方与耦合范围。 - 决策类（如
decision_create）：写入架构决策记录（ADR）供后续检索。 - 代码图谱类：遍历依赖、调用链。
- 元信息类：Blame、stale 检查等。
设计原则
官方列出六条产品原则：本地优先、时间是一等公民、文件格式透明（SQLite + 平面文件）、Agent 是被审计的「客人」、结果可追溯、与语言和编辑器无关。
安装与平台支持
通过 uvx tool install contextual-engine 安装，依赖 Python 3.11+ 环境，支持 macOS（arm64/x86_64）、Linux（glibc 2.31+）与 Windows（WSL2）。嵌入模型默认使用 CodeRankEmbed，全部在本地运行，无任何代码离开设备。