
llm-context.pyCode teilen mit LLMs via Model Context Protocol oder Zwischenablage. Regelbasierte Anpassung ermöglicht das einfache Umstellen zwischen verschiedenen Aufgaben (wie Code-Review und Dokumentation). Smart Outlining ist integriert.
Übersicht
Hauptfunktionen
- Intelligente Dateiauswahl
- Regelbasierte Kontextfilterung
- Zwischenablage-Teilen
- Integrationsbereich des Model Context Protocol (MCP)
- Zusammensetzbare Regeln für Taskspezifisch-Kontext
- Smart Outlining
Preise
- Modell
- Free
- Kategorie
- MCP-Server
- Bewertung
- Noch keine Bewertungen
Anwendungsfälle
Code Review
Verwende llm-context.py, um relelevante Code-Dateien mit LLMs für das Review zu teilen, die richtige Kontext zu liefern, ohne bei Token-Grenzen zu stoßen.
Dokumenten-Generation
Nutze llm-context.py, um fokussierten Kontext für LLMs zum Generieren genauer Dokumentation bereitzustellen, und wechsle leicht zwischen unterschiedlichen Teilen des Projekts.
KI-assistiertes Entwicklung
Integriere llm-context.py mit AI-Agenten, um während Entwicklungs-Gesprächen zugegriffen werden zu können, die weiteren Dateien.
Pro & Contra
Pro
- Zeit spart, indem der Prozess der Findung und Kopierung relevanter Dateien automatisiert wird
- Ermöglicht fokussierten Taskspezifischen Kontext durch zusammensetzbare Regeln
- Unterstützt einfaches Umstellen zwischen verschiedenen Tasks wie Code-Review und Dokumentation
- Ermöglicht es AI-Agenten, weitere Dateien während von Gesprächen darauf zuzugreifen, ohne das manuelles Kopieren
Contra
- Kann mit Konfiguration und Anpassung für spezifische Anwendungen erforderlich sein
- Abhängig von spezifischen LLM-Modellen und -Umgebungen (z.B. Claude Desktop)
Schlacht-Bilanz
Aus 1 Schlacht im Pantheon.
Last battle
Bewertungen
Melde dich an, um eine Bewertung abzugeben.
Noch keine Bewertungen. Sei die/der Erste!
Fragen & Antworten
Is setup required?
Yes, it may require setup and configuration for specific use cases, and depends on specific LLM models and environments.
Asked by Frank Müller · Dec 8, 2025
What tasks can it support?
It supports tasks like code review and documentation through composable rules, enabling easy switching between them.
Asked by Dovid Klein · Nov 2, 2025
What are the key features?
The key features include smart file selection, rule-based context filtering, clipboard sharing, Model Context Protocol integration, composable rules, and smart code outlining.
Asked by Uma Krishnan · Oct 27, 2025
How does llm-context.py share code?
llm-context.py shares code with LLMs via the Model Context Protocol or clipboard.
Asked by Winifred Adeyemi · Oct 19, 2025
Frage stellen
Alternativen zu MCP-Server
Playwright MCP
MCP-Server
Open-Source-MCP-Server, der LLMs ermöglicht, echte Browser über Playwright und Zugänglichkeitssnapshots zu steuern.
Pydantic AI
MCP-Server
Python-Agenten-Framework vom Pydantic-Team zum Erstellen von typsicheren GenAI-Anwendungen.
Cognee
MCP-Server
Anpassbare Gedächtnisschicht, die AI-Agenten hilft, sich im Laufe der Zeit vom Kontext zu lernen.
Inbox Zero
MCP-Server
AI-E-Mail-Assistent, der E-Mails organisiert, Antworten vorbereitet und Ihnen hilft, schneller Inbox Zero zu erreichen.
Screenpipe
MCP-Server
Freie und offene lokale Bildschirm- und Audio-Überwachung zum Bauen von kontextbewussten AI-Anwendungen
AgentKit
MCP-Server
TypeScript-Bibliothek zum Erstellen und Orchestrieren von KI-Agenten mit Tools, Speicher und Multi-Agent-Workflows.
onchain-mcp
MCP-Server
Bringt die Bankless Onchain API zu MCP
markitdown
MCP-Server
Python-Tool zum Konvertieren von Dateien und Büro-Dokumenten in Markdown.
Trending now
Reducto AI
Plattformen für die Entwicklung von Agenten mit künstlicher Intelligenz
Intelligenter Dokument API zur Analyse, Trennung, OCR-Analyse und Strukturierung von komplexen PDFs, Präsentationen und Tabellenkalkulationen.
Biology AI
Bildung AI
Genaue Hilfe bei Hausaufgaben mit ausführlichen Erklärungen
AdCrier
Marketing & Werbung
Gepflichtete Antworten mit Provision pro Klick.
Pin AI
Arbeitsablaufautomatisierung
Agentic AI Recruiter, der Sourcing, Screening und Outreach automatisiert, um den Einstellungsprozess zu beschleunigen.










