KI-Coding-Agenten verbrauchen Kontextfenster in bemerkenswertem Tempo. Jeder MCP-Tool-Aufruf — Dateilesevorgänge, Suchergebnisse, Terminalausgaben — lädt Rohdaten direkt in das 200.000-Token-Fenster. Nach 30 Minuten aktiver Codierung ist etwa 40 % des Kontexts bereits aufgebraucht.
Context Mode, entwickelt von Mert Koseoglu (mksglu), löst dies mit einer sandboxed Knowledge-Base-Architektur. Anstatt rohe Tool-Ausgaben das Kontextfenster überfluten zu lassen, startet es isolierte Subprozesse, die stdout erfassen und in einer lokalen SQLite-Datenbank mit FTS5-Volltextsuche-Indizierung speichern.
Wenn der Agent diese Informationen erneut benötigt, durchsucht er den indexierten Speicher, anstatt die Originalausgabe erneut zu lesen. Laut auf Hacker News und mehreren Blog-Reviews geteilten Benchmarks hat dieser Ansatz eine Reduktion des Kontextverbrauchs von bis zu 98 % erreicht — 315 KB rohe MCP-Ausgabe wurden auf nur 5,4 KB komprimiert.
Das Plugin funktioniert auf 17 Plattformen, darunter Claude Code, Codex CLI, Gemini CLI, VS Code Copilot, OpenCode und Cursor. Es bewahrt Sitzungsgedächtnis über Gespräche hinweg und erzwingt eine Routing-Logik, sodass Tool-Ausgaben das Kontextfenster nie direkt berühren.
Context Mode hat über 20.000 GitHub-Sterne gesammelt und wurde auf Hacker News vorgestellt, wo die technische Community seinen Ansatz diskutierte. Das Projekt verwendet eine ELv2-Lizenz und ist über die Standard-MCP-Konfiguration installierbar.
Die Kernidee ist einfach, aber wirkungsvoll: Indem das Kontextfenster als Cache und nicht als Ablage behandelt wird, können KI-Coding-Agenten in größeren Codebasen und längeren Sitzungen arbeiten, ohne den Spielraum zu verlieren. Für Entwickler, die die Grenzen ihrer KI-Werkzeuge ausreizen, repräsentiert Context Mode eine praktische Optimierung, die die nützliche Lebensdauer jeder Sitzung verlängert.
