Context7 ChatGPT 桥接器

为什么存在这个桥接器

ChatGPT 需要访问当前的编程文档，但需要特定的 search 和 fetch 工具。Context7 提供了优秀的最新文档，但它使用不同的工具（resolve-library-id 和 get-library-docs）。这个桥接器在它们之间进行转换，使 ChatGPT 能够访问 Context7 的文档数据库。

它的功能

一个允许 ChatGPT 通过 Context7 MCP 服务器访问最新编程文档的桥接器。实现了 ChatGPT 所需的 search 和 fetch 工具，同时内部使用 Context7 的文档数据库。

要求

• Node.js >= 18.0.0
• Python >= 3.8
• ngrok（用于 ChatGPT 访问）

快速开始

1. 安装依赖项：

   pip install -r requirements.txt
   

2. 启动桥接器：

   python context7_bridge.py
   

   脚本会自动启动 ngrok 并显示 ChatGPT 可用的 URL。

3. 添加到 ChatGPT： 将显示的 URL 复制到 ChatGPT 的 MCP 连接器中：

   https://abc123.ngrok-free.app/sse
   

可用工具

search

搜索编程库和框架。支持库名称（例如，“React”，“MongoDB”）和直接的 Context7 库 ID（例如，“/reactjs/react.dev”）。

fetch

获取特定库的全面文档。支持高级参数：

• 基础： library_id
• 主题聚焦： library_id|topic:hooks
• 自定义令牌： library_id|tokens:15000
• 组合： library_id|topic:authentication|tokens:12000

示例主题

• hooks - React 钩子，useEffect，useState
• routing - 导航，路由设置
• authentication - 登录，安全，JWT
• installation - 设置，配置
• api - API 参考，方法
• examples - 代码示例，教程

它是如何工作的

ChatGPT → ngrok → 桥接器 → Context7 MCP 服务器 → 文档数据库

1. ChatGPT 向你的桥接器发送搜索/获取请求。
2. 桥接器将这些请求转换为 Context7 的 resolve-library-id/get-library-docs 调用。
3. Context7 返回当前文档。
4. 桥接器为 ChatGPT 格式化响应。

配置

命令行选项：

python context7_bridge.py --help

• --port - 运行的端口（默认：8000）
• --host - 绑定的主机（默认：127.0.0.1）
• --no-ngrok - 禁用自动 ngrok 隧道

环境变量：

• LOG_LEVEL - 日志级别（默认：INFO）

手动设置

如果你更喜欢手动控制 ngrok：

# 不使用 ngrok 启动
python context7_bridge.py --no-ngrok

# 在另一个终端
ngrok http 8000

测试

无需 ChatGPT 即可测试：

# 健康检查
curl http://localhost:8000/health

# 测试搜索
curl -X POST http://localhost:8000/sse \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"search","arguments":{"query":"react"}}}'

故障排除

“无法从 Context7 服务器获取响应”

• 确保已安装 Node.js 和 npx 并将其添加到 PATH 中

“未知文档 ID”

• 总是在调用 fetch 之前先调用 search 以获得有效的 ID
• 或者使用直接的 Context7 库 ID（以 / 开头）
• 注意：工具描述可能需要进一步完善，以便 ChatGPT 更好地理解先搜索的工作流程——目前工作正常，但 ChatGPT 偶尔会在顺序上出现问题

调试模式：

LOG_LEVEL=DEBUG python context7_bridge.py