                                                                                                                                                                                                                
                                    ╭──────────────────────────────────────────╮                                                             ╭──────────────────────────────────────────╮                       
                                    │  >>>>>>>>>>>>>>>  ctx_read  >>>>>>>>>>>>  │                                                            │  >>>>>>>>>>>>>>>  ctx_read  >>>>>>>>>>>>  │                      
         ┌─────────────┐           │  >>>>>>>>>>>>>>>  compress  >>>>>>>>>>>>  │           ┌──────────┐           ┌─────────────┐           │  >>>>>>>>>>>>>>>  compress  >>>>>>>>>>>>  │           ┌──────────┐
         │  100K tokens │ =========>│  >>>  AST  >>>  cache  >>>  signal  >>> │ =========> │  ~5K tok │           │  100K tokens │ =========>│  >>>  AST  >>>  cache  >>>  signal  >>> │ =========> │  ~5K tok │
         └─────────────┘           │  >>>>>>>>>>>>>>>  filter   >>>>>>>>>>>>  │           └──────────┘            └─────────────┘           │  >>>>>>>>>>>>>>>  filter   >>>>>>>>>>>>  │           └──────────┘ 
                                    │  >>>>>>>>>>>>>>>  dedupe   >>>>>>>>>>>>  │                                                             │  >>>>>>>>>>>>>>>  dedupe   >>>>>>>>>>>>  │                       
        ╔══════════════╗            ╰──────────────────────────────────────────╯           ╔══════════╗          ╔══════════════╗            ╰──────────────────────────────────────────╯           ╔══════════╗
        ║   raw input  ║     ─ ─ ─ ─ ─ ─ ─ ─  LeanCTX  ─ ─ ─ ─ ─ ─ ─ ─ ─ ─            ║  output  ║               ║   raw input  ║     ─ ─ ─ ─ ─ ─ ─ ─  LeanCTX  ─ ─ ─ ─ ─ ─ ─ ─ ─ ─            ║  output  ║     
        ╚══════════════╝                                                                   ╚══════════╝          ╚══════════════╝                                                                   ╚══════════╝
     ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄               ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄        
       ┌──┐  ┌──┐  ┌──┐  ┌──┐       ┌──┐  ┌──┐  ┌──┐       ┌──┐  ┌──┐  ┌──┐  ┌──┐  ┌──┐  ┌──┐                   ┌──┐  ┌──┐  ┌──┐  ┌──┐       ┌──┐  ┌──┐  ┌──┐       ┌──┐  ┌──┐  ┌──┐  ┌──┐  ┌──┐  ┌──┐          
       │░░│  │░░│  │░░│  │░░│       │▓▓│  │▓▓│  │▓▓│       │░░│  │░░│  │░░│  │░░│  │░░│  │░░│                   │░░│  │░░│  │░░│  │░░│       │▓▓│  │▓▓│  │▓▓│       │░░│  │░░│  │░░│  │░░│  │░░│  │░░│          
       │░░│  │░░│  │░░│  │░░│  ───> │▓▓│  │▓▓│  │▓▓│  ───> │░░│  │░░│  │░░│  │░░│  │░░│  │░░│                   │░░│  │░░│  │░░│  │░░│  ───> │▓▓│  │▓▓│  │▓▓│  ───> │░░│  │░░│  │░░│  │░░│  │░░│  │░░│          
       └──┘  └──┘  └──┘  └──┘       └──┘  └──┘  └──┘       └──┘  └──┘  └──┘  └──┘  └──┘  └──┘                   └──┘  └──┘  └──┘  └──┘       └──┘  └──┘  └──┘       └──┘  └──┘  └──┘  └──┘  └──┘  └──┘          
        file  file  file  file       read  cache  send       tok   tok   tok   tok   tok   tok                   file  file  file  file       read  cache  send       tok   tok   tok   tok   tok   tok         
                                                                                                                                                                                                                
                                    ╭──────────────────────────────────────────╮                                                             ╭──────────────────────────────────────────╮                       
                                    │  >>>>>>>>>>>>>>>  ctx_read  >>>>>>>>>>>>  │                                                            │  >>>>>>>>>>>>>>>  ctx_read  >>>>>>>>>>>>  │                      
         ┌─────────────┐           │  >>>>>>>>>>>>>>>  compress  >>>>>>>>>>>>  │           ┌──────────┐           ┌─────────────┐           │  >>>>>>>>>>>>>>>  compress  >>>>>>>>>>>>  │           ┌──────────┐
         │  100K tokens │ =========>│  >>>  AST  >>>  cache  >>>  signal  >>> │ =========> │  ~5K tok │           │  100K tokens │ =========>│  >>>  AST  >>>  cache  >>>  signal  >>> │ =========> │  ~5K tok │
         └─────────────┘           │  >>>>>>>>>>>>>>>  filter   >>>>>>>>>>>>  │           └──────────┘            └─────────────┘           │  >>>>>>>>>>>>>>>  filter   >>>>>>>>>>>>  │           └──────────┘ 
                                    │  >>>>>>>>>>>>>>>  dedupe   >>>>>>>>>>>>  │                                                             │  >>>>>>>>>>>>>>>  dedupe   >>>>>>>>>>>>  │                       
        ╔══════════════╗            ╰──────────────────────────────────────────╯           ╔══════════╗          ╔══════════════╗            ╰──────────────────────────────────────────╯           ╔══════════╗
        ║   raw input  ║     ─ ─ ─ ─ ─ ─ ─ ─  LeanCTX  ─ ─ ─ ─ ─ ─ ─ ─ ─ ─            ║  output  ║               ║   raw input  ║     ─ ─ ─ ─ ─ ─ ─ ─  LeanCTX  ─ ─ ─ ─ ─ ─ ─ ─ ─ ─            ║  output  ║     
        ╚══════════════╝                                                                   ╚══════════╝          ╚══════════════╝                                                                   ╚══════════╝
     ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄               ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄        
       ┌──┐  ┌──┐  ┌──┐  ┌──┐       ┌──┐  ┌──┐  ┌──┐       ┌──┐  ┌──┐  ┌──┐  ┌──┐  ┌──┐  ┌──┐                   ┌──┐  ┌──┐  ┌──┐  ┌──┐       ┌──┐  ┌──┐  ┌──┐       ┌──┐  ┌──┐  ┌──┐  ┌──┐  ┌──┐  ┌──┐          
       │░░│  │░░│  │░░│  │░░│       │▓▓│  │▓▓│  │▓▓│       │░░│  │░░│  │░░│  │░░│  │░░│  │░░│                   │░░│  │░░│  │░░│  │░░│       │▓▓│  │▓▓│  │▓▓│       │░░│  │░░│  │░░│  │░░│  │░░│  │░░│          
       │░░│  │░░│  │░░│  │░░│  ───> │▓▓│  │▓▓│  │▓▓│  ───> │░░│  │░░│  │░░│  │░░│  │░░│  │░░│                   │░░│  │░░│  │░░│  │░░│  ───> │▓▓│  │▓▓│  │▓▓│  ───> │░░│  │░░│  │░░│  │░░│  │░░│  │░░│          
       └──┘  └──┘  └──┘  └──┘       └──┘  └──┘  └──┘       └──┘  └──┘  └──┘  └──┘  └──┘  └──┘                   └──┘  └──┘  └──┘  └──┘       └──┘  └──┘  └──┘       └──┘  └──┘  └──┘  └──┘  └──┘  └──┘          
        file  file  file  file       read  cache  send       tok   tok   tok   tok   tok   tok                   file  file  file  file       read  cache  send       tok   tok   tok   tok   tok   tok

Lean Context Engineering

আপনি নিয়ন্ত্রণ করুন যে
আপনার AI কী দেখতে পারে।

LeanCTX হল AI এজেন্টের জন্য context engineering layer — এটি নির্ধারণ করে তারা কী পড়বে (কোড, শেল, ডকুমেন্ট, PDF, ওয়েব) এবং মডেলকে কী পাঠাবে (প্রতিটি অনুরোধ: সিস্টেম প্রম্পট, ইতিহাস এবং টুল আউটপুট, ওয়ায়ারে সংকুচিত)। এটি সিদ্ধান্ত নেয় যে তারা কী পড়বে, যা শিখে তা মনে রাখে, যা স্পর্শ করে তাকে রক্ষা করে, এবং প্রমাণ স্বাক্ষর করে — যাতে মডেলের সীমানা অতিক্রম করা সবকিছু উদ্দেশ্যমূলক, সংকুচিত এবং প্রমাণযোগ্য হয়।

৬০-৯০% কম টোকেন। আর এটা শুধু রসিদ।

বিনামূল্যে ইনস্টল করুন Discord এ যোগ দিন GitHub-এ স্টার করুন

ওপেন সোর্স · লোকাল-ফার্স্ট · ডিটারমিনিস্টিক · প্রুভ্যাবল · জিরো টেলিমেট্রি · একটি Rust বাইনারি · ৩০+ AI টুলস

170,523 ইনস্টল

3,105 GitHub স্টার

2.1 MWh সংরক্ষিত শক্তি

lean-ctx session

$ lean-ctx read src/lib/auth.ts -m map

→ exports: authenticate(), validateToken(), refreshSession()

→ 4,200 → 920 tokens (78% saved)

→ cached: 13 tokens on re-read

$ lean-ctx grep "authenticate" src/

→ 3 matches in 0.8ms

→ auth.ts:14, middleware.ts:8, routes.ts:23

$ lean-ctx -c "cargo build --release"

→ Compiling LeanCTX in 3.2s

→ compressed: 847 → 42 tokens

→ savings ledger: signed ✓

একটি ২,০০০ টোকেনের ফাইল। ১৩টিতে পুনরায় পড়া হয়েছে।

curl -fsSL https://leanctx.com/install.sh | sh

60–90% প্রতি রিডে কম টোকেন

~13 ক্যাশ করা রি-রিডে প্রতি টোকেন

30+ AI টুলস, স্বয়ংক্রিয়ভাবে সনাক্তকৃত

26 AST এর মাধ্যমে পার্স করা ভাষা

01 এখন কেন

এজেন্টিক যুগে এসেছে একটি context সমস্যা।

2026

প্রত্যেক ডেভেলপার কোডিং এজেন্ট চালায়। টোকেন খরচ হল শীর্ষ-৩ ইঞ্জিনিয়ারিং খরচ।

2027

ফ্লিট: প্রতি ডেভেলপারের জন্য ৫-১০টি এজেন্ট (ব্যাকগ্রাউন্ড, CI, রিভিউ) একে অপরের সাথে কথা বলছে।

2028+

প্রতিটি বিভাগে এজেন্ট আছে। নিয়ন্ত্রিত, নিরীক্ষিত, বাজেটযুক্ত।

বেশি কনটেক্সট মডেলকে খারাপ করে তোলে।

Context-rot গবেষণা দেখায় যে নয়েজ উইন্ডো পূর্ণ করার সাথে সাথে নির্ভুলতা ৯৮% থেকে ৬৪%-এ নেমে আসে। নয়েজ ছেঁটে ফেলুন এবং নির্ভুলতা আবার বাড়ে। সস্তা হওয়া একটি পার্শ্বপ্রতিক্রিয়া।

প্রতিটি প্রোভাইডার টোকেন প্রতি উপার্জন করে।

যে লেয়ার টোকেন কমায়, তা তাদের কাছ থেকে আসতে পারে না যারা সেগুলো বিক্রি করে। এটি আপনার দিকে বসতে হবে। এটি সেটাই করে।

এখন তারা আপনার মেমরি চায়।

ভেন্ডর এজেন্টরা এখন একটি ব্ল্যাক বক্সে আপনার কোম্পানি মনে করে যা আপনি সরাতে পারেন না — এটা একটা context login, model login নয়। LeanCTX moat টি আপনার কাছে রাখে: পোর্টেবল, স্থানীয় মেমরি যা আপনি যেকোনো মডেল দিয়ে পরিবর্তন করতে পারেন। আপনার context-এর মালিক হন; এটি ভাড়া করবেন না।

তিনটি নিশ্চয়তা যা ভেন্ডর পারে না।

যখন উইন্ডো ভরে যায়, তখন নেটিভ এজেন্টরা নীরবে সংকুচিত বা ফেলে দেয় যা তারা পড়েছিল — আপনি কেবল তখনই লক্ষ্য করেন যখন উত্তরটি নীরবে খারাপ হতে থাকে (Claude Code #42542)। ক্লাউড প্রুয কম্প্রেসারগুলি আপনার কনটেক্সট একটি প্রশিক্ষিত মডেলে পাঠায় এবং রিরাইটের জন্য পুনরায় বিল করে। lean-ctx হলো বিপরীত স্তর: স্থানীয়, নিয়ম-ভিত্তিক এবং সুস্পষ্ট। এটি যা প্রতিশ্রুতি দিতে পারে তা পরিবর্তন করে দেয়।

ডিটারমিনিস্টিক এবং মডেল-অ্যাগনস্টিক।

আউটপুট হল কন্টেন্ট, মোড এবং টাস্কের একটি বিশুদ্ধ ফাংশন — প্রতিটি রানে বাইট-সমতুল্য এবং CI-পরীক্ষিত (#498)। কোনো ভেন্ডর মডেল আপডেট কখনও নীরবে আপনার টোকেনগুলিকে পুনরায় শ্রেণীবদ্ধ করে না, এবং কিছুই আপনার পিঠে ফেলে যায় না। এটি কোনো প্রদানকারীর সাথে আবদ্ধও নয়: context বা cache হারানো ছাড়াই OpenAI, Anthropic বা Gemini পরিবর্তন করুন।

Prompt-cache সংরক্ষণকারী।

ইতিহাস শুধুমাত্র ফ্রিজড, ক্যাশে-সচেতন সীমানায় ছেঁটে ফেলা হয়, তাই Anthropic এবং OpenAI প্রম্পট ক্যাশগুলি হিট করতে থাকে — আপনি পূর্ণ-মূল্যের রিরাইটের পরিবর্তে সস্তা ক্যাশে-প্রিফিক্স রেট দিয়ে অর্থ প্রদান করেন।

১০০% স্থানীয়। শূন্য বহির্গমন (Zero egress)।

আপনার মেশিনে একটি Rust বাইনারি। কোড এবং প্রম্পট কখনও কোনো তৃতীয় পক্ষের পরিষেবাতে পৌঁছায় না — একমাত্র সৎ উত্তর যখন আপনার ডেটা-গভর্নেন্স নিয়ম বলে যে কিছু বিল্ডিং ছেড়ে যায় না।

এবং আপনি নিয়ন্ত্রণ বা ব্যাপ্তি ত্যাগ করেন না: একটি একক 0–1 আগ্রাসীত্ব ডায়াল এবং সুরক্ষিত অঞ্চল যা আপনি অফ-লিমিটস হিসাবে চিহ্নিত করেন, ক্লাউড গেটওয়ের মতো একই শূন্য-কনফিগারেশন অনুভূতি দেয় — কিন্তু ক্লাউড ছাড়া। শেল-মাত্র কম্প্রেসারগুলি টার্মিনালে থামে; lean-ctx প্রতিটি রিড, সার্চ, মেমরি এবং টুল কল নিয়ন্ত্রণ করে, এবং প্রমাণ স্বাক্ষর করে।

সম্পূর্ণ থিসিস পড়ুন

02 context engineering মানে কী

কম পড়ে। বেশি মনে রাখে। এটি প্রমাণ করে।

LeanCTX যখন আপনার context engineering layer হয়ে উঠবে, তখন পাঁচটি জিনিস পরিবর্তিত হবে।

LeanCTX के बिना, आपका एजेंट… LeanCTX के साथ… प्राप्ति रसीद

सब कुछ पढ़ता है जो मायने रखता है वह पढ़ता है हर रीड में 60–90% कम

सब कुछ भूल जाता है सेशनों में याद रखता है पुनः-पढ़ने की लागत ~13 टोकन

কিছুই স্পর্শ করে না শুধুমাত্র অনুমোদিত জিনিস স্পর্শ করে PathJail · redaction · budgets

কিছু প্রমাণ করে না প্রতিটি সঞ্চয় প্রমাণ করে Ed25519-signed ledger

যা দেখেছে তা পুনরায় দেখা যায় না যেকোনো অতীত অবস্থা পুনরায় প্লে করে git-anchored, signed snapshots

Compression কনটেক্সটকে ছোট করে তোলে। Context engineering এটিকে সঠিক করে তোলে। পাঁচটি সাবসিস্টেম কাজ করে; compression তার মধ্যে একটি।

স্থাপত্য দেখুন

দেখুন এটি কীভাবে সিদ্ধান্ত নেয়।

একই ফাইল। তিনটি উদ্দেশ্য। তিনটি ভিন্ন দৃশ্য: এক্সপ্লোরিং একটি ম্যাপ পায়, API কাজ সিগনেচার পায়, এডিটিং পুরো কোড পায়। আপনি মোড বেছে নেন না — LeanCTX করে।

src/lib/auth.ts

import { verify, sign } from 'jsonwebtoken';
import { Redis } from 'ioredis';

const redis = new Redis(process.env.REDIS_URL);
const JWT_SECRET = process.env.JWT_SECRET!;

export async function authenticate(token: string) {
  const payload = verify(token, JWT_SECRET);
  const session = await redis.get(`session:${payload.sub}`);
  if (!session) throw new Error('Session expired');
  return JSON.parse(session);
}

export function refreshSession(userId: string) {
  return sign({ sub: userId }, JWT_SECRET, { expiresIn: '1h' });
}

→

lean-ctx map মোড

ctx_read আউটপুট

exports: authenticate(token), refreshSession(userId)
deps: jsonwebtoken, ioredis
types: string → Promise<object>, string → string
lines: 17  size: 4,200 → 180 tokens
cached: 13 tokens on re-read

fn authenticate(token: string): Promise<object>
fn refreshSession(userId: string): string

4,200 → 95 tokens
cached: 13 tokens

exports: authenticate(token), refreshSession(userId)
deps: jsonwebtoken (verify, sign), ioredis (Redis)
pattern: JWT auth + Redis sessions
4,200 → 150 tokens
cached: 13 tokens

সঞ্চয়গুলো কীভাবে যোগ হয়

আপনার এজেন্টদের খাওয়ানো বন্ধ করুন গোলমাল।

কোড, শেল আউটপুট, সার্চ ফলাফল, ওয়েব পেজ, ডকুমেন্ট: আপনার এজেন্টরা যা কিছু গ্রহণ করে, LeanCTX তা সংকুচিত, মডেল-প্রস্তুত context এ পরিণত করে। প্রতিটি ধরনের জন্য নিজস্ব কৌশল রয়েছে।

আপনার AI কী করে LeanCTX কী করে মডেলে কী পৌঁছায় সাধারণ সঞ্চয়

উৎস ফাইল পড়া AST সিগনেচার + ডেল্টা-লোডিং ফাংশন ও টাইপ স্কেলিটন, চাহিদা অনুযায়ী বডি 75–90%

ক্যাশ করা রি-রিড ফাইল নয়, ক্যাশ করা ডেল্টা ফেরত দেয় ফাইল সাইজ নির্বিশেষে ~13 টোকেন ~95%

Shell আউটপুট 95+ প্যাটার্ন মডিউল (git, cargo, npm, docker…) স্ট্যাটাস + গুরুত্বপূর্ণ লাইনগুলি 70–90%

কোড অনুসন্ধান BM25 + ঘন র‍্যাঙ্কিং, ডিডিউप्लिकेटेड সঠিক অবস্থান সহ শীর্ষ হিটগুলি 60–85%

ডিরেক্টরি স্ক্যান গভীরতা-সীমাবদ্ধ কাঠামোগত মানচিত্র গাছটি, বিশৃঙ্খলা ছাড়া 50–80%

API প্রতিক্রিয়া स्कीमा-जागरूक फ़ील्ड निष्कर्षण उपयोगी फ़ील्ड, पेलोड सूप नहीं 60–90%

स्क्रैप किया गया पेज बोइलरप्लेट हटा दिया गया, डीडुप्लीकेटेड साफ़, मॉडल-तैयार सामग्री 70–95%

PDFs और दस्तावेज़ तथ्यों और उद्धरणों में निकाला गया उद्धरण-समर्थित आवश्यक चीज़ें 80–95%

कभी भी एक मृत अंत नहीं। हर मूल सामग्री स्थानीय रूप से पुनर्प्राप्त करने योग्य रहती है, बस एक ctx_retrieve दूर। LeanCTX आपके AI को ठीक-ठीक बताता है कि इसे कब पूछना है।

দশটি রিড মোডের সবগুলি অন্বেষণ করুন

Clean code, a lower AI bill

LeanCTX compresses how code reaches the model — the Code Health Engine attacks the other half of the bill: the intrinsic cost of the code itself. Complex, cryptically named, tightly coupled code makes an agent load more context, take more turns and re-read more often, and you pay for that confusion in tokens on every turn that touches it. It rolls up into a navigability score (0–100) and the estimated USD token tax of your hotspots.

Cognitive complexity

SonarSource's S3776, not cyclomatic count — it penalises deep nesting and tangled control flow an agent has to hold in its head, and rewards code that reads top to bottom.

Naming quality

Cryptic, single-letter or meaningless identifiers that force an agent to re-read the surrounding code just to infer what something is.

Module coupling

Afferent / efferent coupling and instability — how entangled a file is with the rest of the repo, which widens the blast radius (and the context) of any change.

Explore the Code Health Engine

03 Universal

প্রত্যেক এজেন্টের জন্য তৈরি। আপনার 것도 সহ।

৩০+ AI টুলস

Cursor, Claude Code, Codex, Copilot, Windsurf, Cline এবং আরও অনেক কিছু। স্বয়ংক্রিয়ভাবে সনাক্ত করা হয়, প্রতিটি টুলের জন্য শূন্য কনফিগারেশন।

যেকোনো ভাষা

lean-ctx serve এর মাধ্যমে আপনার নিজস্ব এজেন্টে এটি এমবেড করুন: Python, TypeScript এবং Rust SDK সহ একটি ভার্সনযুক্ত /v1 API।

যেকোনো ডোমেইন

Context personas কোডিং, গবেষণা, সহায়তা বা ডেটা বিশ্লেষণের জন্য লেয়ারটিকে নতুন রূপ দেয়। অথবা আপনার নিজস্ব সংজ্ঞায়িত করুন।

যেকোনো ডেটা

ইউনিভার্সাল ইনটেক: কোড, HTML, PDF, CSV, ইমেল, RSS, এমনকি YouTube ট্রান্সক্রিপ্টও ফাক্টস এবং কোটসে সংকুচিত করে।

IDE & Editor

Cursor CLI-Redirect

VS Code MCP

Windsurf MCP

JetBrains MCP

Zed MCP

Sublime Text MCP

Emacs MCP

Neovim MCP

Continue MCP

Trae MCP

CLI Agent

Claude Code CLI-Redirect

GitHub Copilot MCP

Codex CLI CLI-Redirect

Gemini CLI CLI-Redirect

Cline MCP

Roo Code MCP

OpenCode MCP

CodeBuddy MCP

OpenClaw MCP

Augment MCP

Aider Shell Hook

Amp Shell Hook

Platform

Amazon Q MCP

AWS Kiro MCP

Antigravity MCP

Pi MCP

Qwen Code MCP

Verdent MCP

Hermes MCP

Crush MCP

Qoder MCP

QoderWork MCP

আপনার টুলগুলো আনুন ইতিমধ্যেই ব্যবহার করছেন।

একটি অ্যাডন হলো যেকোনো MCP টুল যা একটি ছোট ম্যানিফেস্টে মোড়ানো থাকে। lean-ctx এটি একটি গেটওয়ের পিছনে চালায় এবং এটিকে আপনার নিজস্ব কোডের মতো বিবেচনা করে: সংকুচিত, অনুসন্ধানযোগ্য, একই ctx_ টুলের মধ্যে। যোগ করার জন্য একটি কমান্ড। ফর্ক বা পুনরায় কম্পাইল করার কিছু নেই।

কম্প্রেশন

অন্য কোনো কম্প্রেসার ড্রপ করুন। এটি যা প্রদান করে তা অন্য সবকিছুর মতো একই টোকেন বাজেটে ভাঁজ হয়ে যায়।

HeadroomSophonRTK (Rust Token Killer)

কোড ইন্টেলিজেন্স

প্যাকার, সিম্বল ম্যাপ এবং কোড-গ্রাফগুলি সরাসরি ctx_expand এবং ctx_callgraph এর মধ্যে চলে আসে।

RepomixSerenaMCP Code Context

মেমরি

বাহ্যিক মেমরি স্টোরগুলি একই ctx_knowledge ফিড করে যা আপনার এজেন্ট ইতিমধ্যে পড়ে।

Context-MemMem0Cognee

যুক্তি ও পরিকল্পনা

পরিকল্পনা এবং যুক্তি সার্ভারগুলি আপনার অন্যান্য টুলের পাশে প্লাগ ইন হয়।

Sequential ThinkingLean-MarkDown (lean-md)

অ্যাডন রেজিস্ট্রি ব্রাউজ করুন

আপনি কী তৈরি করছেন? তৈরি করছেন?

টিমগুলি কীভাবে context engineering ব্যবহার করে। আপনার পছন্দ বেছে নিন।

AI কোডিং এজেন্টরা আপনার কোডিং এজেন্টের কাছে আপনার রিপো রিড করার জন্য অর্থ দিতে বন্ধ করুন। ৩০+ টুল, স্বয়ংক্রিয়ভাবে সনাক্ত করা হয়েছে। প্রতি রিডে ৬০–৯০% কম টোকেন কাস্টম বট আপনার বটকে context engineering দিন: কম্প্যাক্ট, পুনরুদ্ধারযোগ্য, নিয়ন্ত্রিত টুল আউটপুট। /v1 API · Python, TS, Rust SDKs স্ক্র্যাপার ও ক্রলার কাঁচা ডেটা স্ক্র্যাপ করুন। lean-এ ফিড করুন। যেকোনো পৃষ্ঠা থেকে পরিষ্কার, ডি-ডুপ্লিকেট করা, মডেল-প্রস্তুত context। HTML · PDF · RSS · YouTube ইনটেক रिसर्च এজেন্ট যে এজেন্টরা পুনরাবৃত্তি করা বন্ধ করে: স্থায়ী অনুসন্ধান, উদ্ধৃতি-সমর্থিত আউটপুট। EvidenceLedger · knowledge store ওয়ার্কফ্লো অটোমেশন প্রতিটি টুল কল মডেল ইনপুটে পরিণত হয়। এটি স্বাভাবিক করুন, নিয়ন্ত্রণ করুন, নিরীক্ষা করুন। ৯৫+ শেল প্যাটার্ন · প্রোভাইডার এন্টারপ্রাইজ এজেন্ট প্ল্যাটফর্ম আপনার এজেন্টরা কী দেখতে পারে, ব্যবহার করতে পারে এবং মনে রাখতে পারে তা নিয়ন্ত্রণ করুন, স্বাক্ষরিত, অডিট-প্রস্তুত প্রমাণ সহ। PathJail · evidence bundles · audit FinOps ও খরচ নিয়ন্ত্রণ স্বাক্ষরিত সঞ্চয়কে ফিনান্স-গ্রেড শোব্যাক-এ রূপান্তর করুন: প্রতি টিম, এজেন্ট, মডেল এবং টুলের খরচ। FOCUS · CloudZero · Vantage · /metrics

একক বিল্ডার থেকে নিয়ন্ত্রিত ফ্লিট পর্যন্ত।

বিল্ডাররা

একক ডেভেলপার এবং ইন্ডি হ্যাকার যারা চান তাদের এজেন্ট কম পড়তে, বেশি মনে রাখতে এবং টোকেন পোড়াতে না — একটি স্থানীয় বাইনারিতে, চিরকাল বিনামূল্যে।

লোকাল-ফ্রি · ৬০–৯০% কম টোকেন বিল্ডারগুলি অন্বেষণ করুন

Teams

এঞ্জিনিয়ারিং দল যারা একটি শেয়ার্ড, অডিটেড context plane চায়: প্রতিটি এজেন্ট এবং IDE জুড়ে সামঞ্জস্যপূর্ণ রিড, পুলড মেমরি এবং প্রতি-ভূমিকা বাজেট।

শেয়ার্ড মেমরি · প্রতি-ভূমিকা বাজেট টিমগুলি অন্বেষণ করুন

Enterprise

নিরাপত্তা এবং প্ল্যাটফর্মের নেতা যারা প্রমাণ করতে চান যে এজেন্টরা কী কী স্পর্শ করেছে: SSO, ফ্লিট পলিসি, সাইনড এভিডেন্স, এবং ডিফল্টভাবে এয়ার-গ্যাপড, লোকাল-ফার্স্ট।

SSO · পলিসি প্যাকস · এভিডেন্স বান্ডেলস এন্টারপ্রাইজ অন্বেষণ করুন

04 শাসন করুন ও সুরক্ষিত রাখুন

নিয়ন্ত্রণ, প্রমাণ ও একটি স্তরে নিরাপত্তা।

এজেন্টরা কী দেখে তা শাসন করুন। তারা কী সংরক্ষণ করে তা প্রমাণ করুন।

অডিটররা আসলে যে নিয়ন্ত্রণ এবং রসিদগুলি জিজ্ঞাসা করেন — তা বিল্ট-ইন, শুধু যোগ করা নয়।

Evidence Bundle v1

প্রতিটি এজেন্ট কী পড়েছিল, চালাচ্ছিল এবং পরিবর্তন করেছিল তার একটি স্বাক্ষরিত, অফলাইন-যাচাইযোগ্য রেকর্ড — leanctx-verify দিয়ে পরীক্ষা করা হয়।

কমপ্লায়েন্স কভারেজ

EU AI Act, ISO 42001 এবং SOC 2 নিয়ন্ত্রণের জন্য ম্যাপ করা রিপোর্ট।

Context policy packs

কী এজেন্টরা পড়তে পারে, চালাতে পারে এবং মনে রাখতে পারে তার ঘোষণামূলক নিয়ম — যা কিছু ঘটার আগেই প্রয়োগ হয়।

Agent registry ও audit log

প্রতিটি এজেন্ট একটি প্রথম-শ্রেণীর পরিচয়; প্রতিটি সিদ্ধান্ত একটি সংস্থা-ব্যাপী ট্রেইলে জমা হয়।

Compliance & frameworks Context Governance Benchmark Open Context Protocol Agent governance

ডিফল্টভাবে স্থানীয়। ডিজাইনে প্রমাণযোগ্য।

প্রতিটি রিড এবং প্রতিটি কমান্ড আপনার মেশিনে পৌঁছানোর আগে context engineering layer-এর মধ্য দিয়ে যায় — বা মডেলে।

স্থানীয়-প্রথম, শূন্য টেলিমেট্রি

সবকিছু আপনার মেশিনে চলে। ডিফল্টভাবে কোথাও কিছু পাঠানো হয় না।

PathJail

ফাইল অ্যাক্সেস শুধুমাত্র সেই পাথগুলিতে সীমাবদ্ধ যা আপনি অনুমতি দেন — কিছুই স্যান্ডবক্স থেকে বের হতে পারে না।

শেল Allowlist

বিপজ্জনক কমান্ডগুলি চলার আগেই ব্লক করা হয়।

Secret ও injection প্রতিরক্ষা

সিক্রেট এবং প্রম্পট-ইনজেকশন প্রচেষ্টা মডেলে পৌঁছানোর আগেই ধরা পড়ে।

নিরাপত্তা মডেল পড়ুন

05 Benchmark

একই মডেল। টোকেনের ভগ্নাংশ।

বাস্তব রিপো অপারেশনগুলিতে পরিমাপ করা হয়, এন্ড-টু-এন্ড পুনরুৎপাদনযোগ্য। আমাদের সংখ্যাগুলি বিশ্বাস করবেন না: আপনার নিজস্ব রিপোতে lean-ctx benchmark report . চালান।

কম্প্রেশন মোড: টোকেন বনাম তথ্য

কোথা থেকে সঞ্চয় আসে

উৎস ফাইল → ম্যাপ মোড -75%

3,000 tok

750 tok

উৎস ফাইল → স্বয়ংক্রিয় মোড -82%

3,000 tok

540 tok

Shell: git diff -75%

2,000 tok

500 tok

Shell: cargo test -88%

2,500 tok

300 tok

সাধারণ সেশন: ~10,500 → ~2,090 টোকেন 80% সঞ্চয় হয়েছে

প্রমাণযোগ্য সঞ্চয়।

প্রতিটি সঞ্চয় আপনার মেশিনে একটি Ed25519-signed, hash-chained লেজারে জমা হয়। এটি আপনার CFO-এর জন্য এক্সপোর্ট করুন, বা আমাদের বিরুদ্ধে যাচাই করুন।

লেজার কীভাবে কাজ করে

সম্পূর্ণ বেঞ্চমার্ক ও পদ্ধতি দেখুন

06 FAQ

প্রশ্নাবলী, উত্তর দেওয়া হলো।

এক অনুচ্ছেদে সংজ্ঞা

LeanCTX (short for Lean Context) হলো AI এজেন্টের জন্য একটি ওপেন-সোর্স context engineering layer। একটি স্থানীয় Rust বাইনারি সিদ্ধান্ত নেয় যে এজেন্টরা কী পড়বে (১০টি রিড মোড, ৬০–৯০% কম টোকেন, ~১৩-টোকেন ক্যাশ করা রি-রিডস), তারা কী শিখল তা মনে রাখে (স্থায়ী সেশন, নলেজ গ্রাফ), তারা কিসে হাত দেবে তা রক্ষা করে (PathJail, সিক্রেট রেডাকশন, বাজেট, ইনজেকশন ডিটেকশন), তারা কী সেভ করল তা প্রমাণ করে (Ed25519-signed ledger, reproducible benchmark) এবং তারা যা দেখল তা পুনরায় প্লে করে (git-anchored, signed context snapshots যা আপনি পুনরুদ্ধার বা শেয়ার করতে পারেন); একটি ঐচ্ছিক স্থানীয় প্রক্সি তাদের পাঠানো জিনিসগুলিকে সংকুচিত করে — প্রতিটি অনুরোধের সিস্টেম প্রম্পট, ইতিহাস এবং টুল আউটপুট, ওয়ায়ারে prompt-cache-safe। কম্প্রেশন — রিড-সাইডে এবং ওয়্যার-সাইডে — পাঁচটি সাবসিস্টেমগুলির মধ্যে একটি, এবং প্রতিটি আসল ডেটা স্থানীয়ভাবে পুনরুদ্ধারযোগ্য থাকে। MCP এবং shell hooks এর মাধ্যমে ৩০+ AI কোডিং টুলের সাথে কাজ করে; Python, TypeScript এবং Rust SDKs সহ একটি ভার্সনযুক্ত /v1 API এর মাধ্যমে যেকোনো এজেন্টে এমবেড করা যায়। স্থানীয় ব্যবহার চিরকাল বিনামূল্যে, যা CI দ্বারা প্রয়োগ করা হয়।

সম্পূর্ণ গল্পটি পড়ুন

LeanCTX কী?

LeanCTX (Lean Context এর সংক্ষিপ্ত রূপ) হল AI এজেন্টের জন্য একটি ওপেন-সোর্স context engineering layer। একটি স্থানীয় Rust বাইনারি নির্ধারণ করে যে আপনার এজেন্টরা কী পড়বে এবং তারা যা পাঠায় তা সংকুচিত করে, তারা যা শেখে তা মনে রাখে, যা স্পর্শ করে তা রক্ষা করে এবং একটি স্বাক্ষরিত লেজারে যা সংরক্ষণ করে তার প্রমাণ দেয়। এটি ৩০+ AI কোডিং টুলের (Cursor, Claude Code, OpenAI Codex, GitHub Copilot এবং যেকোনো MCP-capable ক্লায়েন্ট) সাথে কাজ করে এবং একটি versioned /v1 API এর মাধ্যমে যেকোনো এজেন্টে এমবেড করা যায়।

context সংকুচিত করলে কি উত্তর গুণমান কমে যায়?

না। এটি সাধারণত উন্নত করে। Context-rot গবেষণা দেখায় যে নয়েজ দিয়ে উইন্ডো পূর্ণ হওয়ার সাথে সাথে মডেলের নির্ভুলতা ৯৮% থেকে ৬৪%-এ নেমে আসে। LeanCTX অর্থ বজায় রেখে অপ্রয়োজনীয়তা দূর করে: AST-aware ম্যাপগুলি স্বাক্ষর এবং কাঠামো বজায় রাখে, শেল প্যাটার্নগুলি ত্রুটি এবং ফলাফল বজায় রাখে। কিছুই হারায় না, এমনকি। প্রতিটি মূল জিনিস ctx_retrieve এর মাধ্যমে স্থানীয়ভাবে পুনরুদ্ধারযোগ্য থাকে।

আমি এটি কীভাবে ইনস্টল করব?

একটি কমান্ড, তারপর একটি সেটআপ। স্ক্রিপ্ট, Homebrew, npm, বা cargo এর মাধ্যমে ইনস্টল করুন এবং `lean-ctx setup` চালান। LeanCTX স্বয়ংক্রিয়ভাবে আপনার এডিটরগুলি সনাক্ত করে এবং প্রতিটিটির জন্য সঠিক হুকস এবং MCP সার্ভার সংযুক্ত করে। আপগ্রেড করা একটি একক `lean-ctx update` দিয়ে হয়।

আমার কোড বা ডেটা কি কোনো সার্ভারে পাঠানো হয়?

না। কম্প্রেশন, ক্যাশিং, সেভিংস লেজার এবং প্রজেক্ট মেমরি সবই আপনার মেশিনে স্থানীয়ভাবে চলে; কিছুই আপলোড করা হয় না। একমাত্র নেটওয়ার্ক বৈশিষ্ট্যগুলি (Wrapped share card এবং public leaderboard) কঠোরভাবে অপ্ট-ইন এবং শুধুমাত্র একটি বেনামী, হোয়াইটলিস্টেড সমষ্টি প্রকাশ করে: টোকেন সংখ্যা এবং আপনি যে ডিসপ্লে নাম তা বেছে নেন।

এটি কোন AI টুলগুলির সাথে কাজ করে?

৩০+ এবং বাড়ছে: Cursor, Claude Code, OpenAI Codex, GitHub Copilot, Zed, Windsurf, Cline, Roo Code, Gemini CLI, OpenCode, JetBrains IDEs, এবং যেকোনো MCP-capable ক্লায়েন্ট। একবার lean-ctx setup চালান এবং প্রতিটি ইনস্টল করা টুল স্বয়ংক্রিয়ভাবে সনাক্ত ও কনফিগার হয়।

LeanCTX মানে কী?

লিন কনটেক্সট (Lean Context)। নামটি কাজটি বর্ণনা করে: AI এজেন্টদের জন্য কাঁচা, গোলমেলে ইনপুটের পরিবর্তে লিন, সুনির্দিষ্ট context। LeanCTX হল ব্র্যান্ড এবং প্রজেক্টের নাম; lean-ctx হল বাইনারি, প্যাকেজ এবং CLI কমান্ড। ("Lean Cortex" নয়, একটি ভুল বানান যা প্রাথমিক কভারেজে দেখা গিয়েছিল।)।

Headroom এর মতো কম্প্রেশন টুল থেকে LeanCTX কীভাবে আলাদা?

Headroom এর মতো সরঞ্জামগুলি ওয়ারে রিকোয়েস্ট সংকুচিত করে — প্রক্সি স্তরটি। LeanCTX ইতিমধ্যেই সেই স্তরটি সরবরাহ করে: একটি ঐচ্ছিক লোকাল প্রক্সি (lean-ctx proxy enable) আপনার এজেন্ট এবং মডেলের মধ্যে থাকে এবং প্রতিটি অনুরোধকে সংকুচিত করে — সিস্টেম প্রম্পট, ইতিহাস এবং টুলের ফলাফল — পাঠানোর আগে, যা prompt-cache-safe, প্রকৃত ডলার বাঁচানো পরিমাপ করে। তাই সাধারণত আপনার উপরে আলাদা রিকোয়েস্ট-কম্প্রেশন প্রক্সি দরকার হয় না। আর LeanCTX আরও গভীরে যায়, উৎসে: এটি সিদ্ধান্ত নেয় যে কী পড়া হবে (১০টি রিড মোড, ~১৩-টোকেন ক্যাশ করা রি-রিডস), সেশনের জুড়ে মনে রাখে, ফাইল এবং শেল অ্যাক্সেস রক্ষা করে, এবং একটি যাচাইযোগ্য লেজারে প্রতিটি সেভিং সাইন করে। কম্প্রেশন — রিড-সাইডে এবং ওয়্যার-সাইডে — এর পাঁচটি সাবসিস্টেমগুলির মধ্যে একটি, এবং এটি সম্পূর্ণরূপে বিপরীতমুখী: প্রতিটি মূল জিনিস one ctx_retrieve দূরে থাকে।

আপনার কনটেক্সটের নিয়ন্ত্রণ ফিরিয়ে নিন।

টোকেন সংরক্ষণ করে শুরু করুন। কারণ আপনার এজেন্টরা যা শেখে, স্পর্শ করে এবং সংরক্ষণ করে, তা অবশেষে আপনার নিয়ন্ত্রণে থাকে। স্থানীয় ব্যবহারের জন্য বিনামূল্যে, চিরকাল। একটি CI গেট নিশ্চিত করে যে এটি সেইভাবেই থাকবে।

বিনামূল্যে ইনস্টল করুন পরিকল্পনা দেখুন

আপনি নিয়ন্ত্রণ করুন যেআপনার AI কী দেখতে পারে।