AI kodlama ajanları bağlam pencerelerini hızla tüketir. Her MCP araç çağrısı — dosya okumaları, arama sonuçları, terminal çıktısı — ham verileri doğrudan 200K tokenlık pencereye boşaltır. 30 dakikalık aktif kodlamadan sonra bağlamın yaklaşık yüzde 40'ı zaten tükenmiştir.
Geliştirici Mert Koseoglu (mksglu) tarafından oluşturulan Context Mode, sandboxed bir bilgi tabanı mimarisiyle bu soruna yaklaşıyor. Ham araç çıktısının bağlam penceresini doldurmasına izin vermek yerine, izole alt işlemler başlatır ve bunların stdout'unu FTS5 tam metin arama indekslemeli yerel bir SQLite veritabanında depolar.
Ajanın bu bilgiyi tekrar ihtiyaç duyması durumunda, orijinal çıktıyı yeniden okumak yerine indekslenmiş mağazada sorgulama yapar. Hacker News ve çeşitli blog incelemelerinde paylaşılan benchmarklara göre, bu yaklaşım yüzde 98'e kadar bağlam tüketimi azalımı elde etmiştir — 315 KB ham MCP çıktısını yalnızca 5,4 KB'a düşürmüştür.
Eklenti, Claude Code, Codex CLI, Gemini CLI, VS Code Copilot, OpenCode ve Cursor dahil olmak üzere 17 platformda çalışmaktadır. Oturumlar arası oturum hafızasını kalıcı olarak saklar ve araç çıktılarının bağlam penceresine doğrudan temas etmemesini sağlayan yönlendirme uygular.
Context Mode, 20.000'den fazla GitHub yıldızı toplamıştır ve teknik topluluğun yaklaşımını tartıştığı Hacker News'ta yer almıştır. Proje bir ELv2 lisansı kullanmaktadır ve standart MCP yapılandırmasıyla kurulabilir.
Temel içgörü basit ama güçlüdür: bağlam penceresini bir önbellek olarak bir çöplük olarak ele alarak, AI kodlama ajanları daha büyük kod tabanlarında ve daha uzun oturumlarda çalışabilir, yolları tükenmeden. Araçlarının çalıştırabileceklerinin sınırlarını zorlayan geliştiriciler için Context Mode, her oturumun faydalı ömrünü uzatan pratik bir optimizasyon temsil eder.
