fajarhide/omni

해결하는 문제

OMNI는 AI 에이전트로 전송되는 중복되고 노이즈가 많은 데이터 양을 줄여 토큰 비용을 낮추고 컨텍스트 창의 과부하를 방지합니다. 특히 에이전트가 동일한 파일을 반복해서 읽거나, 모델에게 거의 가치가 없는 빌드 로그나 진행률 바를 반복해서 보는 문제를 타겟으로 합니다.

작동 방식

OMNI는 에이전트의 도구 호출 주변에 있는 훅 세트로 작동합니다. 이 도구들의 출력을 에이전트가 읽기 전에 두 가지 주요 메커니즘을 사용해 처리합니다:

1. 정제(Distillation): Docker 레이어 해시, ANSI 색상, 진행률 바와 같은 '노이즈'를 제거합니다.
2. 레저 기반 중복 제거: 세션 중에 에이전트가 이전에 본 출력(예: 파일 내용)이 반복되면, OMNI는 반복된 바이트를 작은 마커와 검색 핸들로 대체합니다.

모든 제거되거나 접힌 콘텐츠는 로컬 SQLite 데이터베이스(RewindStore)에 아카이브되며, omni retrieve 명령어 또는 MCP 도구를 통해 원본 전체 바이트를 재생성할 수 있습니다.

대상 사용자

Claude Code, Cursor, Windsurf, Aider와 같은 AI 에이전트를 사용하여 컨텍스트 창을 최적화하고 반복적인 도구 출력으로 인한 비용을 줄이고자 하는 개발자들.

주요 특징

• 손실 없는 압축: 어떤 데이터도 영구적으로 삭제되지 않습니다. 모든 원본 데이터는 로컬에 저장되어 핸들로 재검색 가능합니다.
• 컨텍스트 인식 접기: 파일이 변경되면, OMNI는 이미 본 부분은 접어내지만 에이전트가 정확한 줄 번호를 유지할 수 있도록 합니다.
• 제로 가짜 생성: 결코 요약하거나 생성하지 않습니다. 안전하게 정제할 수 없는 출력은 원본 그대로 통과시킵니다.
• 광범위한 호환성: 직접 훅, 핸드오프 우선 구성, 또는 Model Context Protocol(MCP)을 통해 다양한 호스트를 지원합니다.