ツール

Context7 とは?5 分でわかる 61k Star の MCP ドキュメント神器

GitHub で 61k スターを獲得した本プロジェクトは、最新ドキュメントを LLM のプロンプトに直接注入することで、AI コーディング特有のハルシネーション問題を根本から解決する。

文字サイズ

Context7 を初めて意識したのは、Cursor で Next.js の middleware を書いていた時のことだ。Claude が一年前の next-auth の使い方を毎回差し込んでくる。エラーを調べると、API はとっくに変わっていた。

そこでプロンプトの末尾に use context7 の三文字を足してみた。同じ要件でも、返ってきたコードは現在の v2.x 系にきっちり対応している。差は歴然だった。

Context7 は GitHub 上の upstash/context7 というリポジトリで、本稿執筆時点で 61,126 Stars を誇る MCP プロトコルの Server の中でもトップクラスに位置するプロジェクトだ。やっていることは極めてシンプルで、ライブラリの最新ドキュメントとサンプルコードをリアルタイムに取得し、LLM のプロンプトにそのまま流し込む。「訓練時に覚えたスナップショット」ではなく、今の API に基づいてコードを生成させるわけだ。

何の問題を解決するのか

LLM の学習データにはカットオフ日がある。ライブラリがバージョンアップし、API が変われば、モデルは存在しない関数を自信満々に作り出す——いわゆる「ハルシネーション」だ。Next.js の middleware の書き方を尋ねると、すでに deprecated になった実装を、極めて説得力のある口調で返してくる。

Context7 の解決策は、プロンプトの段階でバージョン管理されたドキュメントとソースコードを注入することにある。LLM が「考え」を始める前に、その時点の正しいドキュメントを手渡す。これにより、Cursor や Claude Code が生成するコードは、最初から現行バージョンに対応したものになるはずだ。

フロントエンド、Serverless、データベースのように迭代の速いスタックでは、この差が特に顕著になる。

使い方

三ステップで始められる。

まず CLI をインストールする。Context7 は ctx7 というコマンドラインツールを提供しており、初期化時に OAuth 認可が走り、接続モード(MCP Server か Skills モード)を選択する。

npx ctx7 setup

次に MCP Server を導入する。Context7 は @upstash/context7-mcp という npm パッケージも配布しており、MCP カテゴリでダウンロード数が常時トップクラスを維持している。resolve-library-id と get-library-docs という二つの標準 tool を公開している。

設定はシンプルで、Cursor の ~/.cursor/mcp.json または Claude Desktop の claude_desktop_config.json に追記すればよい。

{
  "mcpServers": {
    "context7": {
      "url": "https://mcp.context7.com/mcp",
      "headers": {
        "CONTENT_TYPE": "application/json",
        "CONTEXT7_API_KEY": "<your-api-key>"
      }
    }
  }
}

API key は context7.com/dashboard で登録すれば無料プランで取得できる。

最後はプロンプトに一言加えるだけ。Cursor ユーザー向けの最も手軽な方法は、プロンプトの末尾に use context7 と書き添えることだ。

Create a Next.js middleware that checks for a valid JWT in cookies
and redirects unauthenticated users to `/login`. use context7

MCP tool を明示的に呼び出す場合は、引数を次のように指定する。

tool: get-library-docs
args: { libraryName: "nextjs", topic: "middleware jwt" }

返ってくるのはバージョン番号付きのドキュメント断片で、自動的に LLM の context に注入される。

対応クライアントは現在のところ Cursor、Claude Code、Cline、Windsurf、OpenCode をカバーしており、主要な Agent IDE をほぼ網羅している。README はコミュニティにより 16 言語に翻訳されており、繁体字中国語、簡体字中国語、日本語、韓国語も含まれている。非英語圏のエンジニアにとってはありがたいポイントだ。

仕組み

中核となるパイプラインは四段階で構成される。クロール → パース → バージョン付きインデックス化 → ライブラリ ID によるプロンプト注入、という流れだ。

Context7 はバックグラウンドで npm、PyPI、Go などの主要エコシステムのライブラリリポジトリを継続的にクロールし、README、ソースコードのコメント、公式ドキュメントサイトを取得。それを /library/<id> の粒度でバージョン付きインデックス化する。get-library-docs を呼び出した際、返されるのは全文ではなく、topic に関連するスライスで、token の消費を極力抑える設計になっている。

なぜ Upstash がこれを維持できるのかといえば、Upstash——すなわち Serverless Redis のあのベンダーが自社で運用しているからだ。ドキュメント検索という「高並行・低遅延・key による値取得」のシナリオは、まさに Redis の得意領域。インフラを自然に転用できる点が、Context7 が同類プロジェクトより高速に動ける根本的な理由になっている。

MCP Server レイヤーで「ドキュメント検索」を標準 tool としてカプセル化することで、MCP プロトコルに対応するあらゆるクライアント(上記に限らず、理論上はすべての MCP host)から呼び出せる。これが MCP プロトコルの実用化を示す一つのベンチマークだ。

良い点・悪い点

良い点:

  • MCP 実装のベンチマーク的プロジェクトの一つで、MCP が実際にどう動くかを学ぶには最適
  • ゼロコンフィグで、use context7 の三文字を追加するだけで使える、敷居の低さ
  • ニッチなライブラリへの対応が早い——npm/PyPI/Go にインデックスされていれば、ほぼ当日中に検索可能になる
  • README の多言語対応。非英語圏のユーザーにとって導入しやすい

悪い点:

  • 本質的にネットワークリクエストに依存しているため、オフライン環境・社内ネットワーク・機密環境では利用不可
  • 無料プランにはレートリミットがある。大規模プロジェクトや高頻度の呼び出しでは壁に当たりやすく、Pro プランへのアップグレードが必要
  • ドキュメントの品質は上流のリポジトリ次第。ライブラリの作者が README をいい加減に書いていれば、Context7 もいい加減なバージョンを返すしかない
  • 日本語をはじめとした多言語対応は主にコミュニティ翻訳に依存しており、品質にはばらつきがある

実際に試してみた

Cursor と use context7 を組み合わせて、Claude に Supabase の auth 登録ロジックを書かせてみた。返ってきた import パスと関数シグネチャは、Supabase JS Client v2.x の現行バージョンに正確に対応していた。

同じプロンプトから use context7 を除くと、Claude はまだ一年前の v1.x API を使っており、すでに廃止された supabase.auth.api といった namespace を引っ張り出してくる。

この差は「少し良い」レベルではなく、「そもそも動くか動かないか」のレベルだ。

使うべき人・使うべきでない人

使うべき人:

  • Cursor / Claude Code で Next.js、Cloudflare、Supabase など更新の激しいスタックを開発している
  • MCP プロトコルの実像と実装パターンを把握したい
  • AI が生成する「でたらめな API」に日々苦しめられている開発者

使わない方がいい人:

  • 完全オフライン・社内ネットワーク・機密環境で作業している——ネットなしでは成り立たない
  • 応答遅延に極めて敏感なユースケース——ネットワーク往復が一段増えるぶん、レイテンシはかさむ
  • すでに社内に RAG + ドキュメント検索の中台を構築済みの企業——内部ナレッジベースに直接接続する方が割に合うことが多い

編集部の見立て

Context7 の真に面白い点は、技術的にどれだけ派手かではなく、MCP というアプローチが機能するかを実証したことにある。

ドキュメント、データベース、ブラウザ自動化——これらを統一プロトコルで tool として公開すれば、LLM クライアントはツールごとに個別対応する必要がなくなる。これが MCP プロトコルの中心思想だ。Context7 はこの構想を、「開発者にとって最も痛い場面」(コーディングのハルシネーション)で実地に落とした。61k Star という数字は、開発者が「ハルシネーションの削減」に時間、ひいては金を投じる意思があることを示している。

ただし、参入障壁は深くはない。

私見では、こうした「プロンプトレベルのミドルウェア」は次世代インフラの標準装備になる。かつて ESLint がエディタに組み込まれたのと同じ道筋だ。まずサードパーティのツールが生まれ、やがて IDE がネイティブに取り込む。Cursor、Claude Code、将来の GPT-5 Codex 系のツールは、早かれ遅かれ「ドキュメント検索」を内部にビルトインし、外付けプラグインを不要にするだろう。

現在の先行者利益は Upstash にある。事業化できるかはチームプランと Pro プランのコンバージョン次第だ。Upstash が Context7 で有料ユーザーを育成できれば、単なる Redis ベンダーに留まらず、新世代の「AI 開発インフラ」プレイヤーとなる。転換が進まなければ、このプロジェクトは最終的には大規模モデル IDE のデフォルト機能に取り込まれることになるだろう。

不確定な点としては、Context7 の「ライブラリ ID による注入」は、大規模な monorepo や社内のプライベートライブラリに対しては依然として対応が薄い。自社コードがほぼプライベート SDK で構成されている企業にとっては、このツールの貢献は限定的だ。この空白を今後どう埋めるかは、注目に値する方向性だ。

参考資料:upstash/context7 GitHub リポジトリ、Context7 公式 Dashboard

出典: https://github.com/upstash/context7