Les tâches parallèles multiplient la facture
Codex exécute de nombreuses tâches sur le même dépôt, et chacune relit les mêmes fichiers à partir de zéro.
LeanCTX pour OpenAI Codex
Codex livre rapidement. Faites-le livrer de manière légère.
LeanCTX réduit l'utilisation des tokens d'OpenAI Codex de 60 à 90 % : l'intégration MCP sert des lectures compressées conscientes de l'AST, des relectures mises en cache d'environ 13 tokens et une sortie de commande 88 à 99 % plus petite. lean-ctx setup détecte automatiquement Codex et écrit la configuration. Les agents conservent leur flux de travail ; le contexte devient léger.
Le problème
Où OpenAI Codex dépense vos tokens.
Cloud + local, tout se paie par token
Que les tâches s'exécutent dans le sandbox cloud ou localement, les dumps de fichiers bruts et les logs verbeux gonflent chaque exécution.
AGENTS.md ne peut pas corriger le volume
Les instructions façonnent le comportement, mais elles ne peuvent pas réduire un fichier de 4 200 tokens. Le volume nécessite une couche de contexte, pas une invite.
Your stack. Your agent. Better context.
L'intégration
Comment LeanCTX s'intègre à OpenAI Codex.
Serveur MCP pour Codex
La configuration de lean-ctx enregistre le serveur MCP dans la configuration de Codex. Les lectures, recherches et appels shell sont routés via le moteur de compression.
Mappage des outils AGENTS.md
La configuration ajoute le bloc de préférences d'outils afin que les agents Codex appellent ctx_read et ctx_shell par défaut.
Un cache pour chaque tâche
Les tâches parallèles partagent le même cache de session locale. La deuxième tâche qui accède à un fichier coûte ~13 tokens au lieu de la lecture complète.
Setup
Une commande. Auto-détecté.
terminal
# installer LeanCTX
$ curl -fsSL https://leanctx.com/install.sh | sh# détecter automatiquement Codex et configurer MCP + AGENTS.md
$ lean-ctx setup# vérifier le câblage
$ lean-ctx doctor# voir le reçu
$ lean-ctx gainCe qui change
Trois moments vous remarquerez.
La deuxième tâche est presque gratuite
La tâche un a exploré le dépôt ; la tâche deux accède au cache. Le contexte partagé entre les exécutions parallèles est là où les économies se composent.
Logs qui tiennent en un coup d'œil
La sortie des tests et des builds arrive sous forme d'erreurs plus résultat. Le raisonnement de Codex reste sur le diff au lieu du défilement.
Chiffres que vous pouvez vérifier
lean-ctx benchmark report . reproduit les économies sur votre propre dépôt, méthodologie incluse.
OpenAI Codex + LeanCTX, répondu.
Installez LeanCTX et exécutez lean-ctx setup. Codex obtient les outils MCP servant des lectures compressées conscientes de l'AST (60–90 % de tokens en moins), des relectures mises en cache à ~13 tokens et une sortie shell compacte, sur toutes les tâches de la machine.
Oui. Toute surface Codex qui charge la configuration MCP utilise le même serveur local : CLI, extension IDE et tâches exécutées localement.
Non. LeanCTX s'exécute entièrement sur votre machine sans télémétrie. Il se situe entre Codex et votre système de fichiers. Rien de nouveau ne quitte la machine.
Vous utilisez ceci au travail ?
Team donne à toute votre organisation un plan de contexte partagé et audité, et le registre prouve les économies à la finance. L'utilisation locale reste gratuite à vie, appliquée par CI.