一句话：上下文"瘦身"工具——工具输出、日志、文件、检索片段进大模型前先压缩，编码场景可省约 20% token。
它能帮你干什么
- 在工具输出、日志、文件、检索片段进入大模型之前做压缩
- 官方数据：编码智能体场景省约 20% token；JSON 类内容可压缩 60%-95% 且不影响答案质量
- 三种接入方式：库、代理、MCP 服务，覆盖不同架构的智能体工程
- Python 实现、文档完整
适合谁
- 有长上下文压力、token 成本要控制的团队
- 大量处理 JSON 类结构化数据的智能体工程
- 不同架构、要灵活选接入方式的团队
关键数据
| 项目 | 情况 |
|---|---|
| 实现 | Python |
| 节省 | 编码场景约 20% token |
| JSON 压缩 | 60%-95%（不影响答案质量） |
| 接入 | 库 / 代理 / MCP 服务 |
上手 / 配置
按你的架构选库、代理或 MCP 接入 → 把要压缩的数据流经它 → 压缩后再喂模型。