context-mode: MCP-Werkzeugausgaben aus dem Kontextfenster heraushalten, 315 KB werden zu 5,4 KB, mit SQLite-Sitzungsgedächtnis über die Kompaktierung hinaus

Die am häufigsten übersehenen Kosten bei Coding-Agenten sind das Kontextfenster. Die README von mksglu/context-mode sagt es gleich zu Beginn deutlich: Jeder MCP-Werkzeugaufruf kippt Rohdaten in das Kontextfenster. Ein Playwright-Snapshot kostet 56 KB, zwanzig GitHub-Issues 59 KB, ein Zugriffslog 45 KB. Nach 30 Minuten sind 40 Prozent des Kontexts weg. Und wenn der Agent das Gespräch kompaktiert, um Platz zu schaffen, vergisst er, welche Dateien er bearbeitete, welche Aufgaben liefen und was Sie zuletzt wollten. context-mode ist ein MCP-Server, der diese Probleme gemeinsam angeht. Stand 13. Oktober 2026 hat das Repository etwa 27.340 Sterne und 1.948 Forks, ist in TypeScript geschrieben und wurde zuletzt am 12. Oktober gepusht.

Die Antwort hat vier Teile. Der erste ist Kontextersparnis: Sandbox-Werkzeuge halten Rohdaten aus dem Kontextfenster heraus, und das README-Beispiel macht aus 315 KB nur 5,4 KB, 98 Prozent weniger. Der zweite ist Sitzungskontinuität: Jede Dateiänderung, Git-Operation, Aufgabe, jeder Fehler und jede Nutzerentscheidung wird in SQLite erfasst. Bei der Kompaktierung kippt es diese Daten nicht zurück in den Kontext, sondern indexiert die Ereignisse in FTS5 und holt per BM25-Suche nur das Relevante, sodass das Modell dort weitermacht, wo es aufgehört hat. Das README hält fest, dass ohne --continue die Daten der vorherigen Sitzung sofort gelöscht werden, jede neue Sitzung also sauber beginnt. Der dritte ist „in Code denken“: Das LLM soll die Analyse programmieren, statt als Datenverarbeiter zu arbeiten. Um Funktionen in 50 Dateien zu zählen, liest man nicht 50 Dateien in den Kontext, sondern schreibt ein kurzes Skript und gibt nur das Ergebnis aus. Das README stellt etwa 700 KB für 47 Dateizugriffe 3,6 KB für ein ctx_execute gegenüber. Der vierte ist, keinen Schreibstil zu erzwingen: Es hält Rohdaten aus dem Kontext, schreibt aber nicht vor, wie das Modell antwortet, und verweist auf ein Issue von Moonshot AI zu kimi-k2.5, wonach aggressive Kürze-Prompts Coding- und Reasoning-Benchmarks verschlechtern können.

Auf der Werkzeugseite bietet es 11 MCP-Werkzeuge: sechs Sandbox-Werkzeuge (ctx_batch_execute, ctx_execute, ctx_execute_file, ctx_index, ctx_search, ctx_fetch_and_index) und fünf Meta-Werkzeuge (ctx_stats, ctx_doctor, ctx_upgrade, ctx_purge, ctx_insight). In Claude Code wird es als Plugin installiert und registriert die Hooks PreToolUse, PostToolUse, UserPromptSubmit, PreCompact, SessionStart und Stop. Das Routing ist automatisch: Der SessionStart-Hook fügt die Routing-Anweisungen zur Laufzeit ein und schreibt keine Datei ins Projekt. Die Installation besteht aus zwei Befehlen, /plugin marketplace add mksglu/context-mode und /plugin install context-mode@context-mode, danach ein Neustart. Wer erst testen will, kann nur MCP mit claude mcp add context-mode -- npx -y context-mode hinzufügen, doch ohne Hooks gibt es kein automatisches Routing, und das Modell bevorzugt es nicht zwingend. Zu den Slash-Befehlen gehören ctx-stats für die Ersparnis, ctx-doctor für die Diagnose, ctx-index und ctx-search für die lokale Wissensbasis und ctx-purge zum endgültigen Löschen indexierter Inhalte.

Die Plattformbreite ist ein weiteres Merkmal. Laut README unterstützt es 17 Clients, nach Installationsaufwand gruppiert: Plattformen mit Hooks erhalten automatisches Routing, Plattformen ohne Hooks brauchen einmalig eine kopierte Routing-Datei. Neben Claude Code behandelt die Dokumentation Gemini CLI, VS Code Copilot, JetBrains Copilot, Copilot CLI, OpenCode, KiloCode und mehr, meist mit Node.js ab 22.5 oder Bun. OpenCode und KiloCode haben keinen echten SessionStart-Hook; das Projekt nutzt dafür einen experimentellen Hook zur Transformation des System-Prompts und den Hook chat.message anstelle des fehlenden UserPromptSubmit. Außerdem öffnet ctx_insight ein gehostetes Insight-Dashboard für Analysen auf Organisationsebene bei KI-gestützten Engineering-Teams, ein Zugang zu einem gehosteten Dienst neben dem lokalen Werkzeug.

Die Lizenz verdient eine eigene Warnung. Das README-Abzeichen nennt ELv2, die Elastic License 2.0, die Erkennung von GitHub liefert dagegen NOASSERTION, also keine als Standard erkannte SPDX-Lizenz. ELv2 ist eine Source-available-Lizenz, anders als Open-Source-Lizenzen wie MIT oder Apache-2.0, und schränkt etwa das Anbieten der Software als gehosteten Dienst ein. Wer es in einem Firmenprodukt oder externen Dienst einsetzen will, liest vorher selbst die Datei LICENSE im Repository.

Unsere Einordnung: Das Projekt trifft einen echten, teuren Schmerzpunkt und folgt einer klaren Ingenieurslogik: Rohdaten aus dem Kontext heraushalten, Sitzungsereignisse durchsuchbar machen und das Modell Skripte schreiben lassen, statt Daten zu lesen. Dennoch Maß halten. Erstens sind 98 Prozent und 315 KB auf 5,4 KB Beispielzahlen der README; die echte Ersparnis hängt von Ihren Werkzeugausgaben und Gewohnheiten ab, messen Sie sie mit ctx_stats an eigenen Aufgaben. Zweitens verlässt es sich auf Hooks, um das Routing zu erzwingen; auf Plattformen ohne Hooks hängt die Wirkung von der Disziplin des Modells ab. Drittens landen Sitzungsdaten in einer lokalen SQLite-Datenbank; bei sensiblem Code oder Logs sollten Sie Speicherort, Aufbewahrungsregeln und das Verhalten von ctx_purge kennen. Vergleichen Sie Kontextverbrauch und Ergebnisqualität mit und ohne das Werkzeug an einer mittelgroßen echten Aufgabe, bevor Sie es im Team ausrollen.