ooples/token-optimizer-mcp

해결하는 문제

대규모 언어 모델(LLM)의 컨텍스트 창은 제한적이며 비용이 많이 듭니다. 에이전트가 대용량 파일, 긴 API 응답 또는 반복적인 데이터를 읽을 때 엄청난 양의 토큰을 소비하며, 이는 높은 비용과 추론 능력 저하로 이어질 수 있습니다. 이 프로젝트는 해당 데이터를 더 효율적으로 관리하는 방법을 제공합니다.

작동 방식

이것은 AI 클라이언트(Claude Code, Cursor, Codex 등)와 로컬 데이터 사이에서 중개 역할을 하는 로컬 Model Context Protocol (MCP) 서버입니다. 토큰 사용량을 최소화하기 위해 다음과 같은 기술을 사용합니다:

• Caching: 대용량 페이로드를 로컬(SQLite 사용)에 저장하고 전체 텍스트 대신 압축된 참조를 반환합니다.
• Diffing: 편집 후 파일 전체를 다시 읽는 대신 변경 사항(diffs)만 반환합니다.
• Compression: 저장에 Brotli 압축을 사용하며, 압축 여부를 토큰 인지 기반으로 결정합니다.
• Filtering: 노이즈가 많은 명령 출력을 제거하여 관련 정보만 유지합니다.

대상 사용자

컨텍스트 창 사용을 최적화하고 토큰 비용을 줄이고 싶은 MCP 호환 AI 에이전트 및 CLI 도구(Claude Code, GitHub Copilot CLI, Gemini CLI, Codex, OpenCode 등) 사용자 개발자를 위해 설계되었습니다.

주요 특징

• 텍스트, 파일, Git 작업 및 API 최적화를 위한 74개의 전문 도구 제공
• 최적화 성능을 추적하기 위한 내장 토큰 절약 보고서 기능
• 핵심 기능을 위해 호스팅 서비스가 필요 없는 완전 로컬 작동
• 컨텍스트 팽창을 최소화하기 위한 smart_read 및 smart_edit와 같은 스마트 파일 작업 지원