SuperCompress MCP
Сжатие контекста под вопрос для агентов и приложений с ИИ: MCP-инструмент урезает длинные выгрузки, оставляя нужное
- 146 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Нейронный режим отправляет сжимаемый текст на размещенный API, а в логах бывают секреты
- Сжатие может отбросить нужную деталь, цифры экономии получены на наборе авторов
Установка
- Работает в
Ручная установка
npm i -g supercompress-proxy && npx supercompress setupСтавит прокси, привязывает аккаунт и добавляет MCP в найденные агенты.
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Нейронный режим отправляет сжимаемый текст на размещенный API, а в логах бывают секреты
- Сжатие может отбросить нужную деталь, цифры экономии получены на наборе авторов
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
SuperCompress принимает длинный контекст и текущий запрос, разбивает текст на блоки, оценивает их полезность для запроса и оставляет ответные строки в исходной формулировке. Запрос не сжимается, урезается только окружение. Для кодовых агентов сервер дает MCP-инструмент `compress_context` на крупные выгрузки, ставится командами `npm i -g supercompress-proxy` и `npx supercompress setup`. Для приложений есть пакет `pip install supercompress`. Пути два. Нейронный v2 на кросс-энкодере в 400 млн параметров работает на размещенном API и дает лучшее качество, а быстрый локальный компилятор обрабатывает текст за миллисекунды. На собственном наборе B5 из 24 случаев для агентов авторы показывают сокращение контекста в среднем на 64,1 процента при сохранении ответных данных во всех 24 проверках, веса модели опубликованы на Hugging Face под лицензией MIT. Метрика измеряет сохранение улик, а не итоговое выполнение задачи моделью.
Для кого. Разработчикам агентов и приложений с RAG, которые платят за длинные логи, выгрузки инструментов и чанки и хотят резать их под вопрос.
Подходит, если
- Агент получил огромный вывод тестов или логи, а ответ зависит от пары строк с ошибкой
- Чанки RAG и история чата разрастаются, и счет за токены растет с каждым запросом
- Нужно сохранить идентификаторы, трассировки и точные ошибки дословно, а не пересказывать их
- Локальная предобработка нужна без сети: быстрый компилятор работает на процессоре за миллисекунды
Не подходит, если
- Контекст нельзя отправлять внешнему сервису: нейронный режим работает на размещенном API
- Нужна гарантия качества ответа модели: метрика авторов измеряет сохранение улик, а не итог задачи
- Контекст короткий: сжатие добавит задержку и не окупится
Пример запроса к агенту
Сожми этот вывод тестов под вопрос «почему упал тест авторизации», оставь строки с ошибкой и трассировкой дословно и покажи, сколько токенов сэкономленоMCP
- Транспорт
- stdio
- Авторизация
- API-ключ
Ограничения
Нейронный режим v2 работает на размещенном API и требует аккаунта и ключа, сжимаемый текст уходит на сервер сервиса. Цифры 64,1 процента и 96,6 процента при сохранении не менее 99 процентов получены авторами на собственном наборе B5 из 24 случаев и могут не повториться на ваших данных. Метрика измеряет сохранение улик, а не итоговое выполнение задачи. Быстрый локальный компилятор слабее нейронного режима по качеству. Установка прокси `supercompress-proxy` и мастер `npx supercompress setup` привязывают аккаунт, находят агентов и добавляют MCP в их конфигурации. Лицензия MIT.
Как отключить. Удалите запись `supercompress` из конфигурации агента (`claude mcp remove supercompress`), снимите прокси командой `npm uninstall -g supercompress-proxy` и отзовите ключ в личном кабинете.
Частые вопросы
Как подключить SuperCompress к агенту?
Командами `npm i -g supercompress-proxy` и `npx supercompress setup`: мастер привяжет аккаунт, найдет агентов и установит MCP.
Что делает `compress_context`?
Принимает длинный контекст и текущий запрос, оставляет блоки, отвечающие на запрос, в исходных словах и возвращает меньший промпт со статистикой токенов.
Чем отличаются нейронный путь и компилятор?
Нейронный v2 на кросс-энкодере в 400 млн параметров дает лучшее качество, но работает на размещенном API. Локальный компилятор быстрее, укладывается в миллисекунды и работает на процессоре.
Какая экономия заявлена?
В среднем 64,1 процента на наборе B5 из 24 случаев с 24 успешными проверками сохранения улик, до 96,6 процента при сохранении не ниже 99 процентов. Это результаты авторов на собственном наборе.
Можно ли использовать в приложении без агента?
Да, для этого есть пакет `pip install supercompress`: он сжимает контекст перед каждым вызовом модели.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыПрокси сжимает описания инструментов большого MCP-сервера, и модель тратит контекст только на нужные вызовы.
Локальное сжатие контекста для агентов: выводы инструментов, логи, файлы и RAG ужимаются до отправки в LLM. Прокси, CLI, библиотека и MCP
Локальный прокси между агентом и API модели: сжимает диффы и логи, сохраняет префикс запроса стабильным для кеша промптов.
MCP-сервер, который держит крупный вывод инструментов вне контекстного окна агента и хранит память сессии в SQLite
Программа на Rust сокращает вывод команд, который читает агент: убирает шум сборок и тестов, сворачивает повторные чтения и прячет ключи
Долговременная память для агентов: удаленный MCP-сервер, плагины для Claude Code, Cursor и Codex и API для своих приложений
Коротко о README
Заголовок с обещанием урезать контекст под вопрос и цифры замеров. Дальше раздел о том, почему нужен такой подход, сравнение с обрезкой и пересказом, два пути (нейронный и компилятор), два продукта (плагин для агентов и API), таблица установки и ссылки на сравнения с Headroom, RTK и LLMLingua.