juyterman1000/entroly

Compress tool outputs, logs, files, conversations, and RAG context before they reach the model. On measured workloads, Entroly reduces unnecessary tokens by up to 90% while preserving answer-critical evidence through budget-aware selection, content-addressed recovery, and auditable Context Receipt. Works with Claude, Chatgpt/Codex,Openclaw.

解決する課題

Entrolyは、AIエージェントに送信される情報を管理するために設計された「Context OS」であり、コンテキストウィンドウのオーバーフローによるクラッシュやコスト増大を防ぎます。「暴走セッション（runaway sessions）」、つまり自律的なループがプロバイダーにリクエストを拒否されるまでログを追記し続ける問題に対処し、トークン節約のためにコンテキストを圧縮する場合でも、最も重要な証拠が保持され、復元可能であることを保証します。

仕組み

Entrolyは、AIエージェントとLLMプロバイダーの間に位置する、ローカルのオブザーバビリティ（可観測性）および意思決定レイヤーとして機能します。BM25、エントロピー・スコアリング、SimHashによる重複排除、および依存関係グラフを組み合わせて、特定のトークン予算内で最も価値の高い証拠をランク付けし、選択します。

主なメカニズムは以下の通りです：

Recoverable Compression（復元可能な圧縮）: 省略されたテキストのオリジナルバージョンをコンテンツベースのハンドルを介してローカルに保持するため、必要に応じてエージェントが正確なチャンクを取得できます。
Proxy Guard: プロキシとして使用する場合、アウトバウンドのリクエストを監視し、構造的なメタデータやエラーを保持しながら、「ライブゾーン」内の繰り返されるツール出力をコンパクトにします。
WITNESS: 追加のモデル呼び出しを必要とせずに、提供された証拠とモデルの回答を照合するローカル検証システムです。
Stable Prefixing: プロバイダーのネイティブキャッシュの境界を保護するために、安定したシステムおよび履歴バイトを維持し、冗長な処理を削減します。

対象ユーザー

Claude Code、Cursor、Aider、またはカスタムMCPクライアントなどのツールを使用しており、APIコストの削減、セッションのクラッシュ防止、およびモデルが実際に何を読み取ったかの監査可能なトレイルの維持が必要な、AIエージェント開発者およびエンタープライズチーム。

ハイライト

Local-First Architecture: Python（オプションでRustによる加速）またはNode/WASMでローカルに実行。
Comprehensive Tooling: 柔軟な統合のために、CLI、SDK、MCPサーバー、およびProxyを提供。
Evidence Receipts: 何が含まれ、何が省略されたか、および各選択に関連する潜在的なリスクに関する詳細なレポートを生成。
Multi-Provider Support: OpenAI、Anthropic、Gemini、およびOllama/LM Studioのようなローカルプロバイダーに対応。