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.

해결하는 문제

Entroly는 AI 에이전트에게 전송되는 정보를 관리하도록 설계된 "Context OS"로, 컨텍스트 윈도우 오버플로로 인해 에이전트가 충돌하거나 비용이 과도하게 발생하는 것을 방지합니다. 자율 루프가 제공업체에서 요청을 거부할 때까지 로그를 추가하는 "runaway sessions" 문제를 해결하며, 토큰을 절약하기 위해 컨텍스트를 압축할 때 가장 중요한 증거가 보존되고 복구 가능한 상태로 유지되도록 보장합니다.

작동 방식

Entroly는 AI 에이전트와 LLM 제공업체 사이에 위치하는 로컬 관측성 및 의사 결정 레이어 역할을 합니다. BM25, 엔트로피 스코어링, SimHash 중복 제거 및 종속성 그래프를 결합하여 특정 토큰 예산 내에서 가치가 가장 높은 증거를 순위 지정하고 선택합니다.

주요 메커니즘은 다음과 같습니다:

Recoverable Compression: 생략된 텍스트의 원본 버전을 콘텐츠 주소 지정 핸들을 통해 로컬에 보관하여, 에이전트가 필요할 경우 정확한 청크를 검색할 수 있도록 합니다.
Proxy Guard: 프록시로 사용될 때 아웃바운드 요청을 모니터링하고, 구조적 메타데이터와 오류를 보존하면서 "live zone" 내의 반복적인 도구 출력을 압축합니다.
WITNESS: 추가적인 모델 호출 없이 제공된 증거와 모델의 답변을 대조하는 로컬 검증 시스템입니다.
Stable Prefixing: 네이티브 제공업체 캐시 경계를 보호하기 위해 안정적인 시스템 및 히스토리 바이트를 유지하여 불필요한 처리를 줄입니다.

대상 사용자

Claude Code, Cursor, Aider 또는 커스텀 MCP 클라이언트와 같은 도구를 사용하며 API 비용 절감, 세션 충돌 방지, 모델이 실제로 읽은 내용에 대한 감사 가능한 기록 유지가 필요한 AI 에이전트 개발자 및 엔터프라이즈 팀.

주요 특징

Local-First Architecture: Python(선택적 Rust 가속) 또는 Node/WASM을 사용하여 로컬에서 실행됩니다.
Comprehensive Tooling: 유연한 통합을 위해 CLI, SDK, MCP 서버 및 Proxy를 제공합니다.
Evidence Receipts: 무엇이 포함되고 생략되었는지, 그리고 각 선택과 관련된 잠재적 위험에 대한 상세 보고서를 생성합니다.
Multi-Provider Support: OpenAI, Anthropic, Gemini 및 Ollama/LM Studio와 같은 로컬 제공업체와 호환됩니다.