ooples/token-optimizer-mcp

Intelligent token optimization for Claude Code - achieving 95%+ token reduction through caching, compression, and smart tool intelligence

解決的問題

大型語言模型 (LLM) 的上下文窗口是有限且昂貴的。當代理讀取大檔案、長 API 回應或重複數據時，會消耗大量 Token，這可能導致高昂的成本並降低推理能力。本專案提供了一種更有效率地管理這些數據的方法。

工作原理

這是一個本地 Model Context Protocol (MCP) 伺服器，充當 AI 用戶端（如 Claude Code、Cursor 或 Codex）與您的本地數據之間的媒介。它使用多種技術來最大限度地減少 Token 使用量：

  • Caching: 在本地（使用 SQLite）儲存大型有效負載，並回傳緊湊的引用而不是全文。
  • Diffing: 在編輯後不再重新讀取整個檔案，而是僅回傳變更內容 (diffs)。
  • Compression: 使用 Brotli 壓縮進行儲存，並根據 Token 情況決定是壓縮還是跳過。
  • Filtering: 剔除雜訊較多的指令輸出，僅保留相關資訊。

適用對象

專為使用 MCP 相容的 AI 代理和 CLI 工具（如 Claude Code、GitHub Copilot CLI、Gemini CLI、Codex 和 OpenCode）並希望優化上下文窗口使用及降低 Token 成本的開發者設計。

亮點

  • 提供 74 個用於優化文本、檔案、Git 操作和 API 的專業工具
  • 內建 Token 節省報告，用於追蹤優化效能
  • 完全本地運行，核心功能不需要託管服務
  • 支援 smart_read 和 smart_edit 等智慧檔案操作，以最大限度地減少上下文膨脹