Claude Code'da yapay zeka ajanlarının harici araçları kullanma şekli olan MCP (Multi-tool Coordination Protocol) çağrıları, bağlam penceresini (context window) hızla doldurarak önemli bir sorun yaratıyordu. Özellikle 200K token'lık bağlam penceresi, Playwright anlık görüntüleri (56 KB), GitHub sorun listeleri (59 KB) veya erişim günlükleri (45 KB) gibi ham verilerle kısa sürede tükeniyordu. 81'den fazla aracın aktif olduğu durumlarda, ilk kullanıcı mesajından önce bile bağlamın %72'si (143K token) kullanılıyordu. Bu durum, geliştiricilerin verimli çalışmasını engelliyor ve oturum sürelerini kısıtlıyordu.
Bu sorunu çözmek için geliştirilen Context Mode, Claude Code ile araç çıktılarının arasına giren bir MCP sunucusu olarak işlev görüyor. Sistem, her execute çağrısında izole bir alt süreç (subprocess) başlatarak kodu burada çalıştırıyor ve yalnızca stdout çıktısını konuşma bağlamına iletiyor. Ham veriler (log dosyaları, API yanıtları, anlık görüntüler) sandbox'tan asla ayrılmıyor. Ayrıca, index aracı markdown içeriğini başlıklarına göre parçalayıp SQLite FTS5'te saklarken, search aracı BM25 sıralamasıyla tam kod bloklarını döndürüyor. fetch_and_index ise URL'leri işleyerek HTML'i markdown'a dönüştürüp dizine ekliyor, böylece ham sayfa içeriği bağlama girmiyor.
Context Mode'un etkinliği 11 farklı gerçek dünya senaryosunda doğrulandı. Örneğin, 56 KB'lık bir Playwright anlık görüntüsü 299 B'a, 20 GitHub sorunu 59 KB'tan 1.1 KB'a ve 500 satırlık bir CSV analizi 85 KB'tan 222 B'a düşürüldü. Genel olarak, tam bir oturumda 315 KB'lık ham çıktı 5.4 KB'a indirilerek %98'lik bir azalma sağlandı. Bu optimizasyon sayesinde, sistemin yavaşlamadan önceki oturum süresi yaklaşık 30 dakikadan 3 saate kadar uzadı, bu da geliştiriciler için önemli bir verimlilik artışı anlamına geliyor.
Claude Code gibi yapay zeka destekli geliştirme ortamlarında bağlam penceresi yönetimini optimize ederek verimliliği ve oturum süresini katlayarak artırıyor.