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.
Confronto onesto
Hai già degli strumenti. Ecco la differenza.
Gli strumenti di compressione riducono ciò che invii sul cavo. LeanCTX fa anche questo — e decide cosa viene letto in primo luogo, quindi lo protegge, lo ricorda e lo dimostra. Uno sguardo diretto su ciò che fa meglio, ciò che fa allo stesso modo e quando non ne hai affatto bisogno.
Lato a lato
Il tuo agente, con e senza.
Lo stesso agente, lo stesso repo. L'unica variabile è lo strato tra loro.
| Feature | Nessuno Strumento | Regole Manuali | LeanCTX |
|---|---|---|---|
| Risparmio di Token | Nullo | Basso (regole statiche) | 60–95% (cached: 99%) |
| Sforzo di Configurazione | Nessuno | Manuale per progetto | Un comando |
| Supporto Agenti | N/A | Solo un agente | 29+ agenti |
| Caching | Nessuno | Nessuno | Automatico + delta |
| Compressione Shell | Nessuno | Nessuno | 95+ pattern |
| Analisi Codice | Nessuno | Nessuno | AST Tree-sitter |
| Manutenzione | Nessuno | Aggiornamenti manuali | Automatico |
| Sicurezza e Governance | Nessu enforcement | ACL file di base | Allineato all'OWASP: PathJail, allowlist shell, ridazione segreti, esecuzione codice in sandbox OS (ctx_execute), traccia di audit |
| Compliance & Evidence | Screenshots | Raccolta manuale di prove | Bundle di Prove Firmate + offline leanctx-verify, copertura EU AI Act / ISO 42001 / SOC 2, CGB + copertura policy |
| SDK ed Estensibilità | Nessuno | Codice di incollaggio su misura | SDK Python + TypeScript (conformità a 14 controlli), /v1 OpenAPI + capacità, gateway ctx_tools, estensioni WASM e plugin |
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. Alternative
Come LeanCTX si confronta con Altri Strumenti
Un confronto funzione per funzione con RTK, Context+, MemGPT/Letta e Headroom, le alternative più comunemente citate. Basato sui fatti, dalla loro documentazione pubblica.
| Feature | RTK | Context+ | MemGPT / Letta | Headroom | LeanCTX |
|---|---|---|---|---|---|
| Modalità di lettura | Modalità singola | Filtraggio base | N/D (orientato alla memoria) | Comprime dopo la lettura | 10 modalità (auto, map, signatures, diff, entropy...) |
| Compressione Shell | No | No | No | Nessuno | 95+ pattern, auto-rilevati |
| Memoria della sessione | Stato base | Cronologia conversazione | Funzionalità principale (memoria a livelli) | Store cross-agent con dedup | Episodico + procedurale + knowledge graph |
| Multi-Agent | No | No | Limitato (focus su singolo agente) | Store condiviso | Handoff, sessioni condivise, context bus |
| Grafo di codice / AST | Indicizzazione di base | Nessuno | Nessuno | Nessuno | Tree-sitter AST, 26 linguaggi, risoluzione dei simboli |
| Governance & Budgets | Nessuno | Nessuno | Nessuno | Nessuno | Budget basati su ruoli, SLO, traccia di audit |
| Local-First / Privacy | Dipendente dal cloud | Locale | Basato su server | Pacchetto Python + proxy | 100% locale, zero telemetria |
| Strumenti MCP | Limitati | Nessun MCP | Nessun MCP | Avvolge strumenti esterni | 81 strumenti MCP granulari |
| Security Hardening | None | None | Basic auth | None | Sandboxing, signed bundles, audit reports |
Basato su documentazione e codice sorgente pubblicamente disponibili al giugno 2026. RTK (github.com/rtk-ai/rtk), Context+ (github.com/ForLoopCodes/contextplus), MemGPT/Letta (arxiv.org/abs/2310.08560), Headroom (github.com/chopratejas/headroom). Tutti gli strumenti risolvono problemi reali. LeanCTX copre semplicemente più livelli del problema del contesto in un unico binario.
vs. strati di compressione
La compressione riduce ciò che è stato letto. L'ingegneria del contesto decide cosa viene letto.
Strumenti come Headroom comprimono la richiesta sul cavo. LeanCTX fornisce già quello strato — un proxy locale opzionale comprime ogni richiesta, sicuro per il cache dei prompt — e va un livello più in profondità, alla fonte: decide cosa deve essere letto. Compatibile con Headroom, ma di solito non è necessario sopra. Ecco la differenza onesta.
| Dimension | Strato di compressione (es. Headroom) | LeanCTX |
|---|---|---|
| Dove si posiziona | Percorso del messaggio: comprime ciò che l'agente ha già letto | Alla fonte: decide cosa e come leggere (10 modalità, routing dell'intento, riletture memorizzate fino a ~13 token) |
| Memory | Store cross-agent con dedup | Conoscenza persistente: grafo di proprietà, sessioni, passaggi, registro delle prove |
| Governance | — | PathJail, allowlist shell, cancellazione segreti, budget, rilevamento iniezione |
| Prova | Endpoint statistici | Ed25519-signed, hash-chained ledger + benchmark riproducibile |
| Reversibilità | Archivio di recupero delle referenze | Anche reversibile: ogni originale rimane intatto ctx_retrieve lontano |
| Form | Pacchetto Python + proxy | Un singolo binario Rust, 30+ strumenti auto-rilevati, zero configurazione |
Nota: alcune tabelle di confronto di terze parti elencano lean-ctx come "Reversible: No"; questo è errato. Ogni lettura compressa in LeanCTX viene archiviata localmente e recuperabile tramite ctx_retrieve. La compressione è uno dei cinque sottosistemi di LeanCTX. I due strumenti possono anche funzionare insieme; Headroom elenca lean-ctx come strumento context compatibile.
Perché non semplicemente…
Il tuo stack fa già parte di questo. Ecco cosa manca.
LeanCTX non sostituisce grep o il tuo editor. È lo strato che decide cosa merita l'attenzione della tua AI.
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.
Migliore Adattamento
Quando lean-ctx Eccelle
LeanCTX offre il massimo valore in questi scenari.
Codebase di grandi dimensioni
I progetti con centinaia o migliaia di file ne traggono il maggior beneficio. Più contesto c'è da gestire, maggiori sono i risparmi.
Flussi di lavoro multi-agente
Quando più agenti AI lavorano sullo stesso progetto, LeanCTX fornisce loro un cervello condiviso: un contesto coerente e governato per ogni agente.
Sviluppo iterativo
Le lunghe sessioni di codifica con letture ripetute di file colpiscono la cache: le riletture costano solo ~13 token invece di migliaia.
Trasparenza
Quando Hai Non Ti Serve
Crediamo negli strumenti onesti. LeanCTX è progettato per progetti con codebase sostanziali, non per tutto.
Non Sempre Necessario
- Script single-file o piccole utilità
- Progetti sotto i 50 file
- Prompt usa e getta senza contesto di file
In questi casi, l'overhead di un layer di contesto non è giustificato. LeanCTX brilla quando i tuoi progetti crescono e la gestione del contesto diventa un collo di bottiglia.
Confronti, risposte. answered.
Straight answers about where LeanCTX fits and what makes it different.
L'ingegneria manuale dei prompt richiede di creare a mano ogni finestra di contesto. LeanCTX automatizza questo con 10 modalità di lettura, compressione consapevole AST e memoria di sessione, risparmiando oltre l'88% dei token senza sforzo manuale.
LeanCTX è un livello di contesto cognitivo completo piuttosto che un semplice server MCP: integrazione CLI, hook shell, 81 strumenti MCP, memoria persistente, grafici di intelligenza del codice e un livello di governance con ruoli e budget.
Sì. LeanCTX supporta oltre 30 strumenti AI, tra cui Cursor, Claude Code, GitHub Copilot, Windsurf, Gemini CLI, Codex e JetBrains IDEs. Esegui lean-ctx setup per una configurazione automatica.
Strumenti come Headroom comprimono la richiesta sul cavo — lo strato proxy. LeanCTX fornisce già quello strato: un proxy locale opzionale (lean-ctx proxy enable) comprime ogni richiesta — prompt del sistema, cronologia e risultati degli strumenti — sicuro per il cache dei prompt, misurando i dollari reali risparmiati, quindi di solito non hai bisogno di un proxy separato di compressione della richiesta sopra. E LeanCTX va un livello più in profondità, alla fonte: decide cosa viene letto in primo luogo (10 modalità di lettura, riletture memorizzate fino a ~13 token), ricorda la conoscenza tra le sessioni, protegge l'accesso ai file e al shell, e firma ogni salvataggio in un registro verificabile. La compressione — lato lettura e lato cavo — è uno dei suoi cinque sottosistemi ed è completamente reversibile: ogni originale rimane raggiungibile con un ctx_retrieve.
Sì. Ogni lettura compressa viene archiviata localmente e l'originale completo è recuperabile su richiesta tramite ctx_retrieve. Nulla va perso silenziosamente; LeanCTX dice anche al tuo agente quando chiedere il contenuto completo.
Questi fanno sì che il tuo AI fornitore ricordi la tua azienda — tu lo etichetti, fai seguito in una conversazione e costruisce una memoria. Ma quella memoria vive nella loro scatola nera: non puoi vedere dove si trova, muoverla o sostituire il modello sottostante. Quello è un login di contesto, non un login di modello — finisci per affittare la conoscenza della tua azienda stessa. LeanCTX mantiene il fossato dalla tua parte: sessioni, un grafo di conoscenza e pacchetti .ctxpkg portabili rimangono locali e ispezionabili, agnostici rispetto al modello su OpenAI, Anthropic e Gemini. Lo stesso flusso di lavoro agente-come-collega; tu mantieni il contesto.
Vederlo suil tuo repo.
Installa in meno di un minuto, esegui una sessione e poi controlla il registro. I tuoi numeri faranno l'argomento.