Why not just grep?
grep finds text. LeanCTX finds the right symbols, ranks them by relevance, and returns budgeted, structural context instead of 500 raw matches you still have to read and filter.
Comparaison Honnête
Vous avez déjà des outils. Voici la différence.
Les outils de compression réduisent ce que vous envoyez sur le réseau. LeanCTX fait cela aussi — et décide de ce qui est lu en premier lieu, puis le protège, s'en souvient et le prouve. Un aperçu direct de ce qu'il fait mieux, de ce qu'il fait pareil, et quand vous n'en avez pas du tout besoin.
Cote à Cote
Votre agent, avec et sans.
Le même agent, le même dépôt. La seule variable est la couche entre les deux.
| Feature | Aucun Outil | Règles Manuelles | LeanCTX |
|---|---|---|---|
| Économies de Tokens | Aucune | Faible (règles statiques) | 60–95 % (cache : 99 %) |
| Effort de Configuration | Aucun | Manuel par projet | Une commande |
| Support des Agents | N/A | Un seul agent | Plus de 29 agents |
| Caching | Aucun | Aucun | Automatique + delta |
| Compression Shell | Aucune | Aucune | Plus de 95 modèles |
| Analyse de code | Aucun | Aucun | AST Tree-sitter |
| Maintenance | Aucun | Mises à jour manuelles | Automatique |
| Sécurité et Gouvernance | Pas de mécanisme d'application | ACL de fichiers basique | Aligné OWASP : PathJail, liste blanche shell, redaction de secrets, exécution de code dans un OS sandbox (ctx_execute), piste d'audit |
| Compliance & Evidence | Screenshots | Collecte manuelle des preuves | Bundle de Preuves Signées + vérification hors ligne avec leanctx-verify, couverture EU AI Act / ISO 42001 / SOC 2, CGB + couverture des politiques |
| SDK et extensibilité | Aucun | Code de liaison sur mesure | SDK Python + TypeScript (conformité à 14 points), /v1 OpenAPI + capacités, passerelle ctx_tools, extensions WASM et plugins |
The cached figure (99%) is a repeat read served from cache at ~13 tokens; a first read never returns more tokens than the raw file, and every saving is measured net of injection, so the number reconciles to your provider bill.
Context engineering isn't compression. It's what decides what gets read.
vs Alternatives
Comment LeanCTX se compare aux autres outils
Une comparaison fonctionnalité par fonctionnalité avec RTK, Context+, MemGPT/Letta et Headroom, les alternatives les plus couramment référencées. Basé sur des faits, tiré de leur documentation publique.
| Feature | RTK | Context+ | MemGPT / Letta | Headroom | LeanCTX |
|---|---|---|---|---|---|
| Modes de lecture | Mode unique | Filtrage basique | N/A (axé mémoire) | Compresses après la lecture | 10 modes (auto, map, signatures, diff, entropie...) |
| Compression Shell | Non | Non | Non | Non | 95+ patterns, auto-détectés |
| Mémoire de session | État de base | Historique de conversation | Fonctionnalité principale (mémoire à niveaux) | Stockage inter-agents avec déduplication | Épisodique + procédural + graphe de connaissances |
| Multi-Agent | Non | Non | Limité (focus sur un seul agent) | Stockage partagé | Transfert, sessions partagées, bus de contexte |
| Graphe de code / AST | Indexation de base | Non | Non | Non | AST Tree-sitter, 26 langues, résolution de symboles |
| Governance & Budgets | Non | Non | Non | Non | Budgets basés sur les rôles, SLOs, piste d'audit |
| Local-First / Privacy | Dépend du cloud | Local | Basé sur le serveur | Package Python + proxy | 100% local, zéro télémétrie |
| Outils MCP | Limité | Pas de MCP | Pas de MCP | Enveloppe des outils externes | 81 outils MCP granulaires |
| Security Hardening | None | None | Basic auth | None | Sandboxing, signed bundles, audit reports |
Basé sur la documentation et le code source publiquement disponibles au 2026.06. RTK (github.com/rtk-ai/rtk), Context+ (github.com/ForLoopCodes/contextplus), MemGPT/Letta (arxiv.org/abs/2310.08560), Headroom (github.com/chopratejas/headroom). Tous les outils résolvent de vrais problèmes. LeanCTX couvre simplement plus de couches du problème de contexte dans un seul binaire.
vs. couches de compression
La compression réduit ce qui a été lu. L'ingénierie du contexte décide ce qui est lu.
Des outils comme Headroom compressent la requête sur le fil. LeanCTX fournit déjà cette couche — un proxy local optionnel compresse chaque requête, safe pour le cache de prompts — et va une couche plus loin, à la source : il décide ce qui doit être lu. Compatible avec Headroom, mais vous n'en avez généralement pas besoin au-dessus. Voici la différence honnête.
| Dimension | Couche de compression (ex. Headroom) | LeanCTX |
|---|---|---|
| Où elle se situe | Chemin du message : compresse ce que l'agent a déjà lu | À la source : décide quoi et comment lire (10 modes, routage d'intention, re-lectures mises en cache de ~13 tokens) |
| Memory | Stockage inter-agents avec déduplication | Connaissances persistantes : graphe de propriétés, sessions, transferts, registre des preuves |
| Governance | — | PathJail, allowlist shell, rédaction de secrets, budgets, détection d'injection |
| Preuve | Endpoint statistiques | Registre signé Ed25519, chaîne de hachage + benchmark reproductible |
| Réversibilité | Stockage de récupération de référence | Également réversible : chaque original est conservé ctx_retrieve éloigné |
| Form | Package Python + proxy | Un binaire Rust, 30+ outils auto-détectés, zéro configuration |
Remarque : certains tableaux comparatifs tiers listent lean-ctx comme "Réversible : Non" ; ceci est incorrect. Chaque lecture compressée dans LeanCTX est archivée localement et récupérable via ctx_retrieve. La compression n'est qu'un des cinq sous-systèmes de LeanCTX. Les deux outils peuvent même fonctionner ensemble ; Headroom liste lean-ctx comme un outil contextuel compatible.
Pourquoi ne pas simplement…
Votre stack fait déjà une partie de cela. Voici ce qu'elle ne fait pas.
LeanCTX ne remplace ni grep, ni votre éditeur. C'est la couche qui décide ce qui mérite l'attention de votre IA.
Why not just read the files?
A raw read dumps 4,200 tokens when ~920 carry the signal. LeanCTX keeps the signal and drops the noise, and a cached re-read costs about 13 tokens instead of the whole file again.
Why not just compact more often?
Compaction throws away history you might still need. With LeanCTX there's never a dead end: every original is archived on disk and your agent retrieves it on demand. Nothing is silently lost.
Why not another MCP server?
Most MCP servers add tool-definition overhead and hand back raw output. LeanCTX is a full cognitive context layer: caching, persistent memory, shell hooks, and governance, all in one local binary.
Meilleur choix
Quand lean-ctx Mise en évidence
LeanCTX apporte le plus de valeur dans ces scénarios.
Grandes bases de code
Les projets avec des centaines ou des milliers de fichiers en bénéficient le plus. Plus il y a de contexte à gérer, plus les économies sont importantes.
Flux de travail multi-agents
Lorsque plusieurs agents IA travaillent sur le même projet, LeanCTX leur fournit un cerveau partagé : un contexte cohérent et gouverné pour chaque agent.
Développement itératif
Les longues sessions de codage avec lectures répétées de fichiers utilisent le cache - les relectures coûtent seulement ~13 tokens au lieu de milliers.
Transparence
Quand vous n'en avez pas besoin
Nous croyons en des outils honnêtes. LeanCTX est conçu pour les projets avec des bases de code substantielles - pas pour tout.
Pas toujours nécessaire
- Scripts sur un seul fichier ou petites utilitaires
- Projets de moins de 50 fichiers
- Prompts ponctuels sans contexte de fichier
Dans ces cas, la surcharge d'une couche de contexte n'est pas justifiée. LeanCTX excelle lorsque vos projets grandissent et que la gestion du contexte devient un goulot d'étranglement.
Comparaisons, répondues. answered.
Straight answers about where LeanCTX fits and what makes it different.
L'ingénierie de prompt manuelle nécessite de créer chaque fenêtre de contexte à la main. LeanCTX automatise cela avec 10 modes de lecture, une compression sensible aux AST et une mémoire de session, économisant plus de 88 % des jetons sans effort manuel.
LeanCTX est une couche contextuelle cognitive complète plutôt qu'un simple serveur MCP : intégration CLI, hooks shell, 81 outils MCP, mémoire persistante, graphes d'intelligence du code et une couche de gouvernance avec des rôles et des budgets.
Oui. LeanCTX prend en charge plus de 30 outils IA, y compris Cursor, Claude Code, GitHub Copilot, Windsurf, Gemini CLI, Codex et les IDE JetBrains. Exécutez lean-ctx setup pour une configuration automatique.
Des outils comme Headroom compressent la requête sur le fil — la couche proxy. LeanCTX fournit déjà cette couche : un proxy local optionnel (lean-ctx proxy enable) qui compresse chaque requête — prompt système, historique et résultats d'outils — safe pour le cache de prompts, mesurant les dollars réels économisés, vous n'avez donc généralement pas besoin d'un proxy de compression de requête séparé au-dessus. Et LeanCTX va une couche plus loin, à la source : il décide ce qui est lu en premier lieu (10 modes de lecture, re-lectures mises en cache de ~13 tokens), se souvient des connaissances entre les sessions, protège l'accès aux fichiers et au shell, et signe chaque sauvegarde dans un registre vérifiable. La compression — côté lecture et côté fil — est l'un de ses cinq sous-systèmes, et elle est entièrement réversible : chaque original reste accessible via un ctx_retrieve.
Oui. Chaque lecture compressée est archivée localement et l'original complet est récupérable à la demande via ctx_retrieve. Rien n'est perdu silencieusement ; LeanCTX indique même à votre agent quand demander le contenu complet.
Ces outils permettent à votre IA fournisseur de se souvenir de votre entreprise — vous le taguez, faites un suivi dans un fil et il construit une mémoire. Mais cette mémoire vit dans leur boîte noire : vous ne pouvez pas voir où elle est située, la déplacer ou remplacer le modèle qu'elle contient. C'est une connexion contextuelle, pas une connexion de modèle — au final, vous finissez par louer votre propre connaissance d'entreprise. LeanCTX garde les défenses de votre côté : les sessions, un graphe de connaissances et des paquets .ctxpkg portables restent locaux et inspectables, agnostiques quant au modèle entre OpenAI, Anthropic et Gemini. Même flux de travail agent-comme-collègue ; vous gardez le contexte.
Voyez-le survotre dépôt.
Installez en moins d'une minute, lancez une session, puis consultez le registre. Vos chiffres feront l'argumentaire.