Технический контекст
Я бы тут вообще не спорил о вкусе. Если агент на Codex-подобном пайплайне по умолчанию поднимает context7 и еще тратит на это минуты до старта работы, для меня это уже красный флаг. В AI automation такие мелочи потом вылезают в часы потерь и странные ответы.
Я поковырялся в кейсе и логика очень знакомая: внешний MCP-сервер тащит устаревшие доки, раздувает контекст и мешает модели делать то, что она уже умеет сама, то есть искать свежее через встроенный поиск GPT. В результате агент не чинит задачу, а начинает уверенно писать новый велосипед. И вот на этом месте я обычно жму стоп.
Проблема не в самом MCP как идее. Проблема в плохом дефолте. Когда в контекст заранее засовывают лишний шум, модель теряет фокус, дольше думает, чаще выбирает неверный путь и хуже держит архитектуру решения.
С context7 это особенно заметно, если источник давно нечищен. Старые сниппеты, спорные примеры, дубли, мусорные куски документации. У GPT сейчас свой поиск для таких задач часто банально лучше: он быстрее достает свежие данные и не забивает окно контекста перед первым полезным токеном.
Технически решение скучное, и в этом его плюс: я бы просто отключил context7 в конфиге MCP или не загружал этот сервер в рантайме для кодового агента. Нужен GitHub или узкоспециализированный tool? Оставляем. Нужен общий поиск по докам? Я бы сначала дал модели встроенный search, а не внешний костыль.
Что это меняет для бизнеса и автоматизации
Выигрывают команды, которым нужен предсказуемый агент, а не магия с сюрпризами. Меньше токенов уходит в мусор, ответы приходят быстрее, а риск того, что агент перепишет сервис вместо точечного фикса, заметно падает.
Проигрывают только старые пайплайны, где инструменты подключали по принципу «чем больше, тем умнее». Это не AI integration, это перегрузка системы. Я много раз видел, как лишний toolset ломает качество сильнее, чем слабая модель.
Мы в Nahornyi AI Lab как раз такие места и вычищаем: где агенту нужны реальные инструменты, а где ему лучше не мешать. Если у вас кодовый ассистент тормозит, плодит странные решения или жрет бюджет на пустом месте, можно спокойно разобрать пайплайн и собрать AI solution development без этого шума. Иногда один отключенный context7 дает больше пользы, чем очередная замена модели.