t
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
- 环境要求:需要 Python 3.11 及以上版本。
- 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。 - 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。 - 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)。 - 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
- 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。 - 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。 - 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。 - 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。 - 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。 - 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
- PyPI 主页:https://pypi.org/project/terse-mcp/
- GitHub 仓库:https://github.com/inth3shadows/terse
团队信息
AI产品库
官方
由 AI 猎手自动发现
评论与建议
登录 后参与评论或提建议