最新MCP exa-code 让AI写代码更靠谱（context7的进化版来了，也是消除大模型上下文幻觉的）

几百个 Token 就够了：exa-code 让代码更靠谱

署名：电动面包

大模型会写代码，但对“现实世界”的库、API、SDK 并不了解。结果就是：一本正经地瞎编。
exa-code 上来就是解决这个痛点的——它是给编码代理（coding agents）用的“上网取材器”，按需从网页抓几百个 token的关键片段，刚好够你/代理把代码写对。

有多靠谱？

在“技术文档数据集”的对比里，exa-code 的代码幻觉率 27.1%，最低。
做个参照：

• No RAG（不检索，纯靠“记忆”）：45.9%，几乎一半几率瞎说。
• Brave、Context7、GPT-5 Web Tool Use、Exa Auto：33.3%–34.8%，比不检索好一些，但还不够放心。
  顺带一提，名单里确实有 Context7 和 GPT-5 的网页搜索，这次对比里没看到 Claude。

它到底干嘛？

一句话：给编码代理“喂对的料”，而且只喂刚好够的量。

• 定位就是编程场景的信息检索，偏爱精炼代码示例，帮助完成环境配置、API 调用、SDK 使用等任务。
• 不是漫天撒网的长文贴脸，而是几百个 token 的高浓度上下文，用户或代理可以在提示词里明确调用 exa-code。

为什么能做到？

1. 为 AI 量身定制的搜索引擎
   更懂“写代码的人/代理”在找什么，优先抓一手、权威、可直接上手的资料。
2. 只给关键上下文（Hundreds, not thousands）
   传统 RAG 往往给你几千 token 的废话；exa-code 只给决定正确性的关键几百个 token，省钱省时还更准。

工作流长这样

1. 混合搜索过**10 亿+**网页，锁定与你的查询最相关的页面。
2. 提取代码示例，用集成排序方法再排一遍，兼顾召回率和质量。
3. 能用代码片回答的，就返回一段几百 token 的拼接文本；不够用时，再给整页权威文档（比如某 API 的说明页）。

比如它可以用不到 500 个 token告诉你如何用 Nix 搭一个可复现的 Rust 开发环境。
典型适用场景包括：

• 更新应用配置
• 调 Exa、Slack 等 API
• 使用 SDK（如 Boto3、AI-SDK）

怎么用？

装起来很轻松，你可以从任意一个入口启用：

• https://smithery.ai/server/exa
• https://reurl.cc/6qOWxV
• https://github.com/exa-labs/exa-mcp-server

调用也简单：在提示词里写 “use exa-code” 就能触发它，把刚好够用的网页上下文塞给你的代理。

—— 电动面包