╭──────────────────────────────────────────╮ ╭──────────────────────────────────────────╮ │ >>>>>>>>>>>>>>> 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

작동 방식

LeanCTX가 무엇을 제어하는지
AI가 보는 것.

LeanCTX는 AI 에이전트를 위한 context engineering layer입니다: 모든 읽기, 명령 및 검색에 동일한 루프를 실행하는 작고 간단한 Rust 바이너리입니다. 어떤 정보를 읽을지 결정하고, 세션 전반에 걸쳐 학습한 것을 기억하며, 접촉하는 것을 보호하고, 서명된 원장(signed ledger)에 저장하는 것을 증명하며, 본 것을 재생합니다. 읽기 내용은 26개 언어에 걸쳐 구조화되어 구문 분석되고 노이즈가 제거되므로, 모델에 도달하는 정보는 의도적이고 압축되었으며 증명이 가능합니다. 한 번 설치하면 모든 것이 자동화됩니다.

데이터 흐름

LeanCTX는 어디에 있을까요?

LeanCTX는 두 경로에 놓입니다. 읽기 경로에서는 파일 읽기, 코드 검색 및 셸 출력을 형성하여 에이전트가 보기 전에 압축합니다. 와이어 경로에서는 선택적 로컬 프록시가 에이전트와 모델 사이에 위치하여 모든 나가는 요청(시스템 프롬프트, 전체 기록 및 도구 결과)을 prompt-cache 안전성을 갖추고 압축합니다. 하나는 컨텍스트로 들어오는 것을 간소화하고; 다른 하나는 비용을 지불하는 모든 요청을 간소화합니다. 모델은 토큰의 일부만으로 동일한 신호를 받습니다.

데이터 흐름: 이전 vs. 이후

lean-ctx 없이:

사용자  →  AI 도구  →  파일 읽기  (전체 내용)  →  LLM이 모든 것을 처리함

lean-ctx 사용 시:

사용자  →  AI 도구  →  lean-ctx 압축함  →  신호만  →  LLM: 노이즈 60–90% 감소
                           ├─ PathJail 샌드박스 + 크기 제한
                           ├─ AST 기반 압축
                           ├─ 메모리 런타임 (지식 + 망각)
                           ├─ 세션 캐시 (재읽기 ≈ 13 토큰)
                           └─ 10 파일 유형별 읽기 모드

심층 분석: 쉘 패턴 (95개 이상의 패턴) · 읽기 모드 (10 압축 모드) · Caching

사용자

평소처럼 코딩하세요. 워크플로우는 아무것도 변경할 필요가 없습니다.

AI 도구

Cursor, Claude Code, Copilot, Windsurf, …

LeanCTX

MCP 서버 및 shell hook을 통해 AI 도구가 자동 감지하여 결정하고, 압축하며, 기억합니다.

LLM

신호만 인식합니다. 토큰은 60–90% 적고, 정보는 동일합니다.

아키텍처

단일 바이너리. 다섯 가지 기능.

모든 기능은 단일 Rust 바이너리 내에서 실행됩니다. 요청이 LeanCTX를 통과하는 방식: AI 도구에서 코그니티브 파이프라인을 거쳐 모델까지.

AI 도구 Cursor · Claude Code · Copilot · Windsurf

MCP · CLI · HTTP

lean-ctx Cognitive Context Layer · 단일 바이너리 · 81개의 도구

이해

10가지 읽기 모드
컨텍스트 가시성
토큰 카운팅
의도 감지

압축

Tree-sitter AST (26개 언어)
95+ 셸 패턴
CDC 재정렬 (Rabin-Karp)
64 KB 예산, 500 ms 마감 시간

기억

세션 캐시 (zstd, 인메모리)
13-토큰 재읽기
지식 그래프 (SQLite)
크로스-세션 메모리

검증

PathJail 샌드박스
OS 레벨 격리
쉘 허용 목록 (기본 거부)
전체 감사 추적

연결

GitHub · GitLab · Jira · Linear
Postgres · REST · MCP Bridge
하이브리드 검색 (BM25 + 의미론적)
설정 기반 제공업체 (TOML)

10읽기 모드

13재읽기당 토큰 수

18언어 (AST)

최적화된 컨텍스트

LLM 노이즈 감소 · 신호 강화 · 결과 개선

다섯 가지 서브시스템

LeanCTX가 하는 다섯 가지 일에 대하여 모든 토큰마다.

AI와 코드 사이에서 로컬 바이너리 하나가 모든 읽기, 명령 및 검색에 동일한 5단계 루프(인지-압축-기억-라우팅-거버넌스)를 실행합니다. 이들은 함께 다섯 가지 작업을 수행합니다: 어떤 정보를 읽을지 결정하고, 학습한 것을 기억하며, 접촉하는 것을 보호하고, 저장하는 것을 증명하며, 본 것을 재생합니다.

인지(Perceive)

행동하기 전에 중요한 것을 파악합니다.

낯선 리포지토리를 매핑하고, 중요한 파일과 심볼을 노출하며, tree-sitter를 통해 전체 파일을 읽는 대신 구조를 읽습니다. 26개 언어 지원.

ctx_overview → repo mapped in one call

압축(Compress)

모든 토큰은 신호를 담고 있습니다.

10가지 읽기 모드, 95개 이상의 셸 출력 패턴 및 콘텐츠 주소 지정 캐싱은 읽기를 60–90% 줄이고 재읽기를 약 13개의 토큰으로 만듭니다. 노이즈는 모델에 도달하지 않습니다.

ctx_read → 4,200 → 920 tokens (78% saved)

기억(Remember)

세션 간의 연속성.

발견, 결정 및 접근된 파일은 지속되며 모든 새 세션에서 자동 복원되므로, 에이전트가 컨텍스트를 재설명하거나 이미 알고 있는 것을 다시 읽을 필요가 없습니다.

ctx_session → restored · 0 re-reads

라우팅(Route)

올바른 컨텍스트를 올바른 모델에.

의도를 감지하고 읽기 모드와 토큰 예산을 선택하며, 작업에 필요한 도구만 로드하여 각 모델이 받아야 할 정확한 컨텍스트만을 제공합니다.

ctx_intent → right mode + budget per task

거버넌스(Govern)

안전하고, 측정 가능하며, 강제됩니다.

PathJail(셸 화이트리스트), 비밀 탐지, 역할 정책 및 토큰 예산으로 모든 도구 호출을 범위 내로 유지하며, 분석 기능을 통해 실제로 무엇이 저장되었는지 증명합니다.

ctx_verify → paths ok · secrets blocked

두 개의 명령어. 그게 전부입니다.

무엇이 당신은 실제로 무엇을 하나요?

거의 아무것도 아닙니다. LeanCTX는 일회성 설정 후 눈에 띄지 않게 작동합니다. 이전과 똑같이 코딩을 계속할 수 있습니다.

설치

단일 Rust 바이너리. 의존성 없음, 클라우드 없음, 계정 필요 없음.

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

Setup

셸과 AI 도구를 자동 감지합니다. 몇 초 만에 모든 것을 구성합니다.

lean-ctx setup

완료. 자동입니다

평소처럼 코딩하세요. AI가 압축된 도구를 자동으로 사용합니다.

절약된 토큰: 자동으로

당신 vs. 머신

당신이 하는 것 (단 한 번)	자동으로 발생하는 것
lean-ctx setup	AI가 Read 대신 `ctx_read`를 사용 - 최대 99% 적은 토큰 (캐시된 재읽기)
	AI가 Shell 대신 `ctx_shell`를 사용 - 60–90% 적은 토큰
	AI가 Grep 대신 `ctx_search`를 사용 - 50–80% 적은 토큰
	Shell hook이 CLI 출력을 투명하게 압축합니다
	세션 캐시가 읽기 간 파일 정보를 기억합니다 (~재읽기 시 13 토큰)
lean-ctx gain (optional)	평생 절약 현황 대시보기를 확인하세요

전체 설정 가이드 → 시작하기 · 모든 CLI 명령어 → CLI 참조

잊는 것조차 결정이다.

세션 캐시가 가득 차면, LeanCTX는 무엇을 유지하고 무엇을 제거할지 자동으로 결정합니다. 최근성, 빈도, 크기별로 항목에 순위를 매긴 다음, 이 신호들을 단일 점수로 융합합니다. 조정이 필요 없습니다.

캐싱 작동 방식 알아보기

보안

접근한 것은 보호한다.

LeanCTX는 LLM 프롬프트 주입이 프로젝트 외부 파일에 접근하는 것을 방지하기 위해 심층 방어 보안 모델을 적용합니다:

[//]

PathJail - 모든 파일 작업은 프로젝트 루트로 샌드박싱됩니다. 심볼릭 링크 순회, ../ 이스케이프 및 격리 외부의 절대 경로는 resolve_path 차단점에서 차단됩니다.

[##]

셸 허용 목록 + AST 파싱 - 구성된 경우, 복합 명령어(파이프, 체인)의 모든 세그먼트는 허용 목록과 검증됩니다. 위험한 패턴(eval, 백틱, $())은 무조건 차단됩니다. 출력은 200KB로 제한됩니다.

[]

안전한 파일 접근 - 파일 읽기는 심볼릭 링크를 통해 프로젝트 외부로 속이는 것이 불가능하며, 로컬 프록시는 항상 자체 머신과만 통신합니다.

[ok]

빌드 무결성 - 컴파일 타임 무결성 시드 및 해시 검증은 변조된 바이너리를 감지합니다. lean-ctx doctor에 의해 자동으로 확인됩니다.

보안 및 신뢰 세부 정보 →

아키텍처를 이해하고 싶으신가요?

Cognitive Context Layer 탐색: 6단계 파이프라인, 통합 모드, 에이전트 매트릭스, Context Field Theory 및 LeanCTX 작동의 아홉 가지 아키텍처 기둥을 살펴보세요.

아키텍처 심층 분석

FAQ

작동 방식, 답변으로 확인하세요.

LeanCTX란 무엇인가요?

LeanCTX (Lean Context의 약자)는 AI 에이전트를 위한 오픈 소스 context engineering layer입니다. 로컬 Rust 바이너리 하나가 어떤 정보를 읽을지 결정하고, 전송할 내용을 압축하며, 학습한 것을 기억하고, 접촉하는 것을 보호하며, 저장하는 것을 증명하고, 본 것을 재생합니다. 이 과정에서 수신 기록당 60–90%의 절감 효과를 제공합니다.

압축이 코드 품질에 영향을 주나요?

아닙니다. LeanCTX는 tree-sitter AST 파싱을 사용하여 코드 구조를 이해한 다음, LLM이 필요로 하지 않는 것(불필요한 공백, 상용구 import, 장식용 주석)만 제거합니다. 평균적으로 AST 구조의 98%, 식별자의 97%, 의미 있는 코드 라인의 96%가 보존됩니다. 이는 lean-ctx benchmark를 실행하여 확인할 수 있습니다.

LeanCTX는 어떻게 설치하나요?

cargo install lean-ctx 또는 curl -fsSL https://leanctx.com/install.sh | sh로 설치하세요. 그런 다음 shell hook을 위해 lean-ctx init을, AI 도구와 연결하기 위해 lean-ctx setup을 실행합니다. 설정이 필요 없습니다.

LeanCTX는 어떤 AI 도구를 지원하나요?

LeanCTX는 Cursor, GitHub Copilot, Claude Code, Windsurf, Cline, OpenAI Codex, Gemini CLI, Antigravity, Pi, Crush, Zed, Continue, OpenCode 등 모든 주요 AI 코딩 도구와 작동합니다. 모든 도구가 context server와 shell hook 압축의 이점을 누릴 수 있습니다.

시작하기

60초 만에 더 스마트한 에이전트가 됩니다.

단일 바이너리. 클라우드 종속성 없음. Apache-2.0. 다음 세션은 더 간결하게 읽히고, 원장은 영수증을 보관합니다.

시작하기 호환성 확인

LeanCTX가 무엇을 제어하는지AI가 보는 것.