$ loading_
帮助大模型高效读取超长文档并按需检索关键信息，降低上下文成本。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"MCP Long Context Reader" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 Long Context Reader 读取这份 300 页技术文档，不要一次加载全文。先给出章节结构，再检索与“认证流程”和“错误码”相关的内容，并总结关键结论。
返回文档结构、相关片段定位，以及关于认证流程和错误码的摘要结论。
请用 Long Context Reader 分析这份年度报告，只回答以下问题：今年营收增长的主要原因是什么？哪些风险在管理层讨论部分被重点提到？请附上对应段落依据。
输出针对问题的精炼答案，并附带可追溯的原文片段或段落引用。
我有一组很长的研究资料，请使用 Long Context Reader 在控制 token 成本的前提下，提炼核心观点、主题分类和待进一步验证的问题。
生成兼顾成本与完整度的摘要结果，包含主题归纳和后续研究建议。
以 Markdown 和元数据管理上下文信息，支持保存、检索、搜索与删除。
为大模型提供持久可检索的项目文档、架构决策与会话上下文访问能力
让大模型通过递归拆解处理超长上下文，无需依赖外部 LLM API。
将 GitHub 仓库内容直接引入 AI 上下文，便于检索、读文件与分析代码。
将本地 .context/ Markdown 知识库转为 AI 编码代理可检索上下文层。
通过 MCP 访问和管理 Langfuse 提示词，提升大模型提示工程效率。