Context Lens

🚀 Context Lens

AIにキーワードの一致だけでなく、意味を理解する能力を与えます。

🚀 クイックスタート

プロジェクトの追加

You: Add all Python files from ./src to the knowledge base
LLM: ✓ Added 23 Python files with 156 chunks

You: How does the authentication system work?
LLM: The authentication system uses JWT tokens. The login flow starts in 
     auth/login.py where credentials are validated, then a token is generated
     with the user's ID and expiration time...

You: Show me all the database models
LLM: Based on the codebase, here are the main database models:
     1. User model (models/user.py) - handles user accounts and authentication
     2. Post model (models/post.py) - manages blog posts with relationships...

オープンソースから学ぶ

You: Add https://github.com/fastapi/fastapi to the knowledge base
LLM: ✓ Added 247 files from repository with 1,543 chunks

You: How does FastAPI handle dependency injection?
LLM: FastAPI uses a sophisticated dependency injection system. The Depends()
     function in fastapi/dependencies.py analyzes function signatures and
     automatically resolves dependencies. Here's how it works...

You: Compare FastAPI's routing to Flask
LLM: FastAPI uses decorator-based routing similar to Flask, but with key
     differences: 1) Type hints for automatic validation, 2) Async support
     built-in, 3) Automatic OpenAPI documentation generation...

ドキュメントの分析

You: Add all contracts from ./legal/contracts
LLM: ✓ Added 12 contract documents with 487 chunks

You: Find all termination clauses
LLM: I found termination clauses in 8 contracts. Here's a summary:
     - Service Agreement: 30-day notice required for either party
     - Vendor Contract: Immediate termination for breach of confidentiality...

You: What are the payment terms across all contracts?
LLM: Payment terms vary by contract type:
     - Service contracts: Net 30 days from invoice date
     - Vendor agreements: 50% upfront, 50% on delivery...

URLからファイルを取得

You: Add https://raw.githubusercontent.com/fastapi/fastapi/master/README.md
LLM: ✓ Document 'README.md' added successfully with 42 chunks

You: What is FastAPI and what are its key features?
LLM: FastAPI is a modern, fast web framework for building APIs with Python 3.7+.
     Key features include:
     - Fast performance (on par with NodeJS and Go)
     - Automatic API documentation
     - Type hints for validation
     - Async support built-in...

📖 詳細な例とクエリパターン: USAGE_GUIDE.md

✨ 主な機能

• 🔍 意味検索 - キーワードだけでなく、意味を理解します
• 🚀 ゼロセットアップ - インストール不要、設定不要、APIキー不要
• 💾 サーバーレスストレージ - 組み込みのLanceDBを使用し、外部データベース不要
• 🔒 100% ローカル&プライベート - すべてのデータはあなたのマシン上に留まります
• 📁 ローカルとGitHub - ローカルファイルまたは公開GitHubリポジトリをインデックス化できます
• 🎯 スマートパーシング - 言語を考慮したチャンク分割により、より良い結果を得ます

📦 インストール

Kiro IDE

.kiro/settings/mcp.jsonに追加します:

{
  "mcpServers": {
    "context-lens": {
      "command": "uvx",
      "args": ["context-lens"],
      "autoApprove": ["list_documents", "search_documents"]
    }
  }
}

再読み込み: コマンドパレット → "MCP: Reload Servers"

Cursor

.cursor/mcp.jsonに追加します:

{
  "mcpServers": {
    "context-lens": {
      "command": "uvx",
      "args": ["context-lens"]
    }
  }
}

その他のMCPクライアント

Claude Desktop、Continue.dev、またはMCP互換のクライアントの場合:

{
  "mcpServers": {
    "context-lens": {
      "command": "uvx",
      "args": ["context-lens"]
    }
  }
}

📖 詳細なセットアップ手順が必要ですか？ すべてのクライアント、プログラムによる使用方法、および設定オプションについては、SETUP.mdを参照してください。

💻 使用例

基本的な使用法

#!/usr/bin/env python3
import os
from dotenv import load_dotenv
from mcp import StdioServerParameters, stdio_client
from strands import Agent
from strands.models.openai import OpenAIModel
from strands.tools.mcp import MCPClient

def main():
    # Load environment variables from .env file
    load_dotenv()
    
    # Create MCP client for context-lens server
    mcp_client = MCPClient(
        lambda: stdio_client(
            StdioServerParameters(command="uvx", args=["context-lens"])
        )
    )
    
    # Create an agent with OpenAI model and MCP tools
    model = OpenAIModel(model_id="gpt-4o-mini")
    agent = Agent(model=model, tools=[mcp_client])
    
    print("Chatbot started! Type 'quit' to exit.")
    
    while True:
        user_input = input("\nYou: ").strip()
        
        if user_input.lower() in ['quit', 'exit', 'bye']:
            print("Goodbye!")
            break
            
        if not user_input:
            continue
            
        try:
            response = agent(user_input)
            print(f"Bot: {response}")
        except Exception as e:
            print(f"Error: {e}")

if __name__ == "__main__":
    main()

会話の例:

You: Add https://github.com/fastapi/fastapi to the knowledge base
Bot: ✓ Added 247 files from repository with 1,543 chunks

You: How does FastAPI handle dependency injection?
Bot: FastAPI uses a sophisticated dependency injection system...

📖 完全な例: 完全なコードとその他のフレームワークについては、SETUP.mdを参照してください。

📚 ドキュメント

Context Lensとは？

Context Lensは、あらゆるコンテンツをAIアシスタント用の検索可能な知識ベースに変換します。組み込みのサーバーレスベクトルストレージ（LanceDB）を備えたこの自己完結型のモデルコンテキストプロトコル（MCP）サーバーは、会話に意味検索をもたらします。コードベース、ドキュメント、契約書、またはテキストファイルなど、あらゆるコンテンツを指定すると、AIはすぐにコンテンツを理解し、質問に答えることができます。

従来のキーワード検索は、特定の単語を含むファイルを見つけます。正確な用語を見逃すと、コンテンツも見逃します。

Context Lensは意味を理解します。「認証」について尋ねると、「認証」という単語を使用していないファイルでも、ログイン、資格情報、トークン、OAuth、およびアクセス制御に関するコードを見つけることができます。

実際に動作を確認する

Context-Lensの動作を理解したいですか？面白いことに、Context-Lensを使ってContext-Lensについて学ぶことができます。

デモ: Context-Lensを使用したClaude Desktopで、このリポジトリ自体をインデックス化してクエリを実行します。git cloneもコードをスクロールする必要もなく、質問と回答だけです。

なぜLanceDBを使用するのか？

Context LensはLanceDB - 最新のサーバーレスベクトルデータベースを使用します:

• 🆓 完全に無料&ローカル - クラウドサービス、APIキー、またはサブスクリプション不要
• ⚡ インフラストラクチャ不要 - 組み込みデータベースで、ディスク上の単一のファイルです
• 🚀 高速&効率的 - Apache Arrowをベースに構築され、ベクトル検索に最適化されています
• 💾 シンプルなストレージ - 単一ファイルのデータベースで、バックアップや移動が簡単です

「AI埋め込み用のSQLite」と考えてください - 複雑さを伴わずにベクトル検索のすべての機能を備えています。

スマートパーシングとチャンク分割

Context Lensは、テキストを無差別に分割するのではなく、コード構造を理解し、言語の境界を尊重するインテリジェントなチャンクを作成します。

違い: 一般的なチャンク分割は、文字数でコードを任意に分割するため、関数を途中で分割することがよくあります。スマートパーシングは、コードの構造を理解し、完全で意味のあるチャンクを作成します。

サポートされるファイルタイプ

• 🐍 Python (.py, .pyw) - 関数、クラス、インポート
• ⚡ JavaScript/TypeScript (.js, .jsx, .ts, .tsx, .mjs, .cjs) - 関数、クラス、インポート
• 📦 JSON (.json, .jsonc) - トップレベルのキー、ネストされたオブジェクト
• 📋 YAML (.yaml, .yml) - トップレベルのキー、リスト、マッピング
• 📝 Markdown (.md, .markdown, .mdx) - ヘッダー階層、コードブロック
• 🦀 Rust (.rs) - 構造体、トレイト、implブロック、関数
• 📄 その他のファイル (.txt, .log, .cpp, .java, など) - インテリジェントな段落/文の分割

利点

✅ 完全なコード単位 - 関数やクラスを途中で分割することはありません
✅ コンテキストの保持 - ドキュメント文字列、コメント、および構造がそのまま維持されます
✅ より良い検索 - 完全で理解しやすいコードスニペットを見つけることができます
✅ 自動化 - 設定不要、ファイル拡張子に基づいて動作します

📖 動作を確認したいですか？ 詳細な例については、PARSING_EXAMPLES.mdを参照してください。

追加できるもの

Context Lensは、複数のソースからのテキストベースのファイルで動作します:

• 📁 ローカルファイルとフォルダ - あなたのプロジェクト、ドキュメント、任意のテキストファイル
• 🌐 GitHubリポジトリ - 公開リポジトリ、特定のブランチ、ディレクトリ、またはファイル
• 🔗 直接のファイルURL - HTTP/HTTPSでアクセス可能な任意のファイル
• 📄 ドキュメント - 契約書、ポリシー、研究論文、技術ドキュメント

サポートされるファイルタイプ: .py, .js, .ts, .java, .cpp, .go, .rs, .rb, .php, .json, .yaml, .md, .txt, .sh, など（25以上の拡張子）

最大ファイルサイズ: 10 MB（MAX_FILE_SIZE_MB環境変数で設定可能）

例:

• ./src/ - ローカルディレクトリ
• /path/to/file.py - 単一のローカルファイル
• https://github.com/fastapi/fastapi - 全体のリポジトリ
• https://github.com/django/django/tree/main/django/contrib/auth - 特定のディレクトリ
• https://example.com/config.yaml - 直接のファイルURL
• /path/to/contracts/ - 契約書

📖 詳細な例: USAGE_GUIDE.md

利用可能なツール

• 📥 add_document - ファイル、フォルダ、またはGitHubのURLを追加します
• 🔍 search_documents - すべてのコンテンツを対象に意味検索を行います
• 📋 list_documents - インデックス化されたドキュメントを閲覧します
• ℹ️ get_document_info - ドキュメントのメタデータを取得します
• 🗑️ remove_document - 特定のドキュメントを削除します
• 🧹 clear_knowledge_base - すべてのドキュメントを削除します

📖 詳細な例: USAGE_GUIDE.md

よくある質問 (FAQ)

これはGitHubのMCPサーバーとどう違いますか？
それぞれ異なる目的を持ち、互いに補完し合います:

Context Lensの方が優れている点:

• 🧠 意味理解 - 「認証コードを見つける」という質問で、「認証」という単語がなくても、ログイン、資格情報、トークン、OAuthに関するコードが返されます
• 📚 コードベースの学習 - 「Xはどのように動作するか」と質問すると、プロジェクト全体で概念的に関連する結果が得られます
• 🔍 パターン発見 - 似たコードパターン、エラーハンドリングのアプローチ、またはアーキテクチャの決定を見つけることができます
• 💾 オフライン開発 - 一度インデックス化すると、インターネット接続なしでも動作します
• 🔒 プライバシー - すべての処理はローカルで行われ、外部サービスにデータは送信されません

GitHubのMCPサーバーの方が優れている点:

• 🔧 リポジトリ管理 - イシューの作成、PRの管理、CI/CD操作の処理
• 📊 リアルタイム状態 - 常にGitHubから最新バージョンを取得します
• 🌐 GitHub固有の機能 - GitHubのエコシステム（Actions、Projectsなど）と統合されます

主な違い: Context Lensは一度クローンし、すべてをインデックス化して高速な意味検索を行います（オフライン）。GitHub MCPは、クエリごとにAPI呼び出しを行い、リアルタイムアクセスを提供します（オンライン）。Context Lensを使用してコードを理解し、GitHub MCPを使用してリポジトリを管理します。

初回実行が遅いのはなぜですか？
初回使用時に埋め込みモデル（約100MB）がダウンロードされます。これは一度だけ行われます。

APIキーは必要ですか？
いいえ！Context Lensは完全にローカルで動作します。APIキーもクラウドサービスも必要ありません。

データはどこに保存されますか？
Context-Lensは、データをプラットフォーム固有のディレクトリに保存します:

• macOS: ~/Library/Application Support/context-lens/
• Linux: ~/.local/share/context-lens/
• Windows: %LOCALAPPDATA%\context-lens\

CONTEXT_LENS_HOME環境変数を設定することで、ベースディレクトリを変更することができます:

{
  "mcpServers": {
    "context-lens": {
      "command": "uvx",
      "args": ["context-lens"],
      "env": {
        "CONTEXT_LENS_HOME": "/path/to/your/data"
      }
    }
  }
}

または、LANCE_DB_PATH（データベース）とEMBEDDING_CACHE_DIR（モデル）で個々のパスを上書きすることもできます。

これをプライベートコードで使用できますか？
はい！すべての処理はローカルで行われます。外部サービスに何も送信されません。

どれくらいのディスク容量を使用しますか？
モデルに約100MB + テキストチャンクごとに約1KB。10MBのコードベースでは、約5 - 10MBのデータベース容量が使用されます。

📖 その他の質問: TROUBLESHOOTING.md

その他のドキュメント

• 📖 セットアップガイド - すべてのクライアントの詳細なセットアップ、設定オプション
• 📚 使用ガイド - 例、クエリ、およびベストプラクティス
• 🎨 パーシングの例 - スマートパーシングの動作方法
• 🔧 トラブルシューティング - 一般的な問題と解決策
• ⚙️ 技術的詳細 - アーキテクチャ、スタック、およびパフォーマンス
• 📋 レジストリ情報 - MCPレジストリの検証とインストール
• 🤝 コントリビュートガイド - コントリビュートの方法、ロードマップ
• 📦 公開ガイド - MCPレジストリの公開プロセス（メンテナー向け）

🔧 技術詳細

アーキテクチャ

動作原理

コンテンツをContext Lensに追加すると、単にテキストをデータベースに投入するだけではありません。実際には以下のようなことが行われます:

スマートな読み取り: Context Lensはファイルタイプを検出し、専用のパーサーを使用します。PythonファイルはASTパーシングで分析され、JSONは構造的にパースされ、Markdownはヘッダーで分割されます。これにより、コンテンツの自然な構造が保持されます。

意味のあるチャンク: 任意の文字制限ではなく、コンテンツはインテリジェントにチャンク化されます - 完全な関数、論理的な段落、完全なセクション。コードは関数の途中で分割されることはありません。

意味ベクトル: 各チャンクは、ローカルの埋め込みモデルを使用して384次元のベクトルに変換されます。これらのベクトルは、単語だけでなく意味を捉えます。「認証」と「ログインシステム」は、共通の単語がなくても、似たベクトルになります。

ローカルストレージ: すべてがLanceDB - ディスク上の単一のファイルであるサーバーレスベクトルデータベースに保存されます。クラウドサービスやAPI呼び出しは必要ありません。完全にプライベートです。

概念検索: 質問すると、それもベクトルに変換されます。Context Lensは、似たベクトル（似た意味）を持つチャンクを見つけ、関連性でランク付けします。キーワードの一致ではなく、概念に基づいた回答が得られます。

技術仕様

📖 カスタマイズしたいですか？ 設定オプションについてはSETUP.mdを、パフォーマンスベンチマークについてはTECHNICAL.mdを参照してください。

📄 ライセンス

MITライセンス - 詳細についてはLICENSEを参照してください。

このリポジトリが役に立った場合は、スターをつけてください！ ⭐