terse Skill 技能

面向 AI Agent 的 MCP 工具输出无损压缩代理 — 真实负载实测省 59.1% token

技能简介

terse 是一款面向 AI Agent 的 MCP 工具输出无损压缩代理层。它以「即插即用代理」的形态运行在任何 MCP 服务器之前,在工具结果返回给模型的途中,剥离重复的结构开销(重复的键名、重复的值、重复的嵌套结构),把同样的数据以更紧凑的形式交给模型,全程不改变任何一个字段的值。

与同类工具不同,terse 的核心承诺是无条件无损:每一种变换都有精确的逆运算,项目内置往返校验门禁,断言 decompress(compress(x)) == x。它不丢行、不丢旧结果、不依赖任何 ML 模型,也不引入会过期的检索缓存。在真实 GitHub API 负载上实测节省 59.1% 的 token。

核心能力

  • 无损压缩编解码器:只移除结构性开销——美化打印空白、每条记录重复的键、重复的字符串值、重复的嵌套模式树,任何字段值都不改变。
  • 全表化(Tabularize):把均匀记录列表折叠成一个表头加多行值的形式,键只写一次,并递归将嵌套的均匀字典列提升为共享表头。
  • 字典编码(Dictionary):把重复出现的字符串值与整棵重复子树折叠进内联图例(~0、~1…),仅在确实省 token 时启用,绝不反向膨胀。
  • 跨调用增量(可选项):同一工具被反复调用时,输出相对上一次结果的无损增量而非完整负载,重复调用场景可缩小约 73%。
  • 跨块合并(默认开启):当 MCP 服务器每个内容块只返回一条记录时,代理先合并成一个记录数组再压缩,让表化与增量能力覆盖整份结果。
  • 实时节省台账:默认记录每次结果的体积、token 数与决策(绝不记录内容),可用 terse stats 回答「这一周到底省了多少」。
  • 选择性策略:按工具粒度配置策略,压不动的内容直接透传,永远不会让结果变大。
  • 便捷安装集成:terse install-mcp 一键改写客户端 MCP 配置,让服务器经由 terse 启动,可逆且对客户端透明。

安装配置

  1. 环境要求:需要 Python 3.11 及以上版本。
  2. 全局安装 CLI:执行 uv tool install terse-mcp(或 pipx install terse-mcp),安装后获得全局 terse 命令。
  3. 虚拟环境安装:若用于库或嵌入式场景,执行 pip install terse-mcp 安装到虚拟环境。
  4. Docker 方式:docker build -t terse . 构建镜像后,用 docker run -i --rm terse uvx some-mcp-server 代理真实服务器(-i 必须有,因为 MCP stdio 依赖标准输入输出)。
  5. 策略文件:最小可用策略示例为 {"version":1,"defaults":{"tiers":["minify","tabularize","dictionary"]}},写入 terse-policy.json 备用。

使用步骤

  1. 包装任意 stdio MCP 服务器:运行 terse proxy -- uvx some-mcp-server --flags,你的 Agent 照常与之通信,terse 在途中无损压缩它返回的结果。
  2. 查看节省效果:运行 terse stats,从真实会话中查看 terse 实际节省了多少 token。
  3. 快速验证编解码器:把一段 JSON 通过管道传给 terse gate -,即可看到往返无损校验是否通过以及 cl100k token 节省比例。
  4. 永久接入客户端:先写好策略文件,再运行 terse install-mcp --policy terse-policy.json,把已注册的服务器改为经 terse 启动。
  5. 确认与卸载:terse mcp-status 查看当前包装了哪些服务器,terse uninstall-mcp 干净还原原始配置。
  6. 生成验证报告:运行 terse verify --out reports/verify-report.md,一条命令产出无损门禁加逐工具 token 节省报告,可加 --html 输出图表版。

适用场景

  • 记录型 / 数组型 JSON 输出:工具返回的对象列表,是 terse 收益最大的形态。
  • 存在重复值或重复嵌套子树:同一用户对象、同一仓库对象被反复嵌入时,字典层能大幅折叠。
  • 冗长的 REST 风格负载:GitHub、Jira、数据库行这类啰嗦的 API 返回。
  • 被反复调用的工具:开启跨调用增量后可获得额外收益,适合轮询列表、重复读文件等循环。
  • 上下文预算紧张的长会话:压缩工具输出可延缓上下文窗口被填满的速度。

适用人群

使用 Claude Code、Cursor 等 MCP 客户端、且工具输出体量大、token 成本敏感的开发者与 AI 应用团队;以及希望在不动任何业务代码的前提下削减上下文开销的 MCP 服务器维护者。

工作原理

terse 以 MCP stdio 中间件的身份运行:客户端连到 terse 而非直连服务器,terse 再连下游服务器,双向转发消息并在返回路径上压缩工具结果。压缩管线分层进行——第 0 层做压缩空白与表化,第 0.5 层做字典编码,第 0.7 层(可选)做跨调用增量(记录型走行列差异,非 JSON 结果走内容定义分块差异),第 1 层为按字段显式开启的有损模式(截断、降级为检索句柄),而「总结」类有损模式被永久关闭以守住「无 ML 依赖」的确定性承诺。转换后的字节本身就是模型的输入——它是一份更紧凑但仍可读的表示,而不是外挂式的卸载。

官方链接

团队信息

由 AI 猎手自动发现

评论与建议

0 条评论