Headroom

活跃
GitHub Python Apache-2.0

简介

上下文压缩层，在 LLM 接收工具输出、日志、文件和 RAG 内容前压缩，节省 60-95% token 并保留答案质量，支持库、代理与 MCP 三种形态。

核心特性

  • 在 LLM 接收前压缩所有内容，减少 60-95% token 消耗
  • 三种使用模式：库调用、代理模式、Agent 一键包装
  • 内置 MCP 服务器，支持跨 Agent 共享记忆
  • ContentRouter 智能识别内容类型，自动选择最佳压缩算法
  • CCR 可逆压缩，原始内容永不丢失，按需检索
  • 支持 Claude、Codex、Cursor、Aider、Copilot 等主流 Agent
  • headroom learn 自动分析失败会话，将修正写回 CLAUDE.md / AGENTS.md

适用场景

💡 降低 AI Agent 的 API 调用成本
💡 压缩代码搜索、SRE 调试等场景的输出
💡 跨 Agent 的上下文共享和记忆复用
💡 长对话历史和 RAG 结果的高效传输
💡 企业级 LLM 应用的 Token 优化

标签

token-compression optimization mcp cost-reduction context-management

分类

🧩 Agent 记忆 🔌 MCP 工具

快速开始

# 安装并包装你的 Agent
pip install "headroom-ai[all]"
headroom wrap claude           # 一键包装 Claude/Codex/Cursor 等
headroom proxy --port 8787     # 或作为代理启动
headroom perf                  # 查看压缩节省
访问 GitHub

相关项目