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.
Szczere porównanie
Masz już narzędzia. Oto różnica.
Narzędzia kompresujące zmniejszają dane wysyłane przez sieć. LeanCTX robi to również — a ponadto decyduje, co ma być czytane na początku, chroni to, pamięta i udowadnia. Proste spojrzenie na to, co robi lepiej, co robi tak samo i kiedy w ogóle nie jest potrzebne.
Obok siebie
Twój agent, z i bez.
Ten sam agent, ten sam repozytorium. Jedną zmienną jest warstwa między nimi.
| Feature | Bez narzędzi | Ręczne reguły | LeanCTX |
|---|---|---|---|
| Oszczędność tokenów | Brak | Niska (statyczne reguły) | 60–95% (w pamięci podręcznej: 99%) |
| Wymagany wysiłek konfiguracji | Brak | Ręczne na projekt | Jedna komenda |
| Obsługa agentów | N/D | Tylko jeden agent | 29+ agentów |
| Caching | Brak | Brak | Automatyczne + delta |
| Kompresja powłoki | Brak | Brak | 95+ wzorców |
| Analiza kodu | Brak | Brak | Tree-sitter AST |
| Utrzymanie | Brak | Ręczne aktualizacje | Automatyczne |
| Bezpieczeństwo i zarządzanie | Brak egzekwowania | Podstawowa ACL plików | Zgodne z OWASP: PathJail, allowlista powłoki, redakcja sekretów, wykonanie kodu w środowisku OS (ctx_execute), ścieżka audytu |
| Compliance & Evidence | Screenshots | Ręczne zbieranie dowodów | Podpisany pakiet dowodów + offline leanctx-verify, pokrycie EU AI Act / ISO 42001 / SOC 2, CGB + pokrycie polityk |
| SDK i rozszerzalność | Brak | Szyte na miarę kody łączące | Python + TypeScript SDK (weryfikacja 14 punktów), /v1 OpenAPI + możliwości, bramka ctx_tools, rozszerzenia WASM i 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. Alternatywy
Jak LeanCTX Porównuje Się Do Innych Narzędzi
Porównanie cecha po cesze z RTK, Context+, MemGPT/Letta i Headroom – najczęściej cytowanymi alternatywami. Oparte na faktach, zaczerpnięte z ich publicznej dokumentacji.
| Feature | RTK | Context+ | MemGPT / Letta | Headroom | LeanCTX |
|---|---|---|---|---|---|
| Trybyki odczytu | Jeden tryb | Podstawowe filtrowanie | N/A (skupienie na pamięci) | Kompresuje po odczycie | 10 trybów (auto, map, signatures, diff, entropy...) |
| Kompresja powłoki | Nie | Nie | Nie | Nie | 95+ wzorców, automatycznie wykrywane |
| Pamięć sesji | Podstawowy stan | Historia rozmów | Główna funkcja (pamięć warstwowa) | Cross-agent store z deduplikacją | Epizodyczna + proceduralna + graf wiedzy |
| Multi-Agent | Nie | Nie | Ograniczone (skupienie na pojedynczym agentcie) | Wspólne repozytorium | Handoff, współdzielone sesje, context bus |
| Graf kodu / AST | Podstawowe indeksowanie | Nie | Nie | Nie | Tree-sitter AST, 26 języków, rozstrzyganie symboli |
| Governance & Budgets | Nie | Nie | Nie | Nie | Budżety oparte na rolach, SLO, ścieżka audytu |
| Local-First / Privacy | Zależne od chmury | Lokalnie | Oparte na serwerze | Pakiet Python + proxy | 100% lokalnie, zero telemetrii |
| Narzędzia MCP | Ograniczone | Brak MCP | Brak MCP | Zawija zewnętrzne narzędzia | 81 granularnych narzędzi MCP |
| Security Hardening | None | None | Basic auth | None | Sandboxing, signed bundles, audit reports |
Na podstawie publicznie dostępnej dokumentacji i kodu źródłowego na dzień czerwca 2026 r. RTK (github.com/rtk-ai/rtk), Context+ (github.com/ForLoopCodes/contextplus), MemGPT/Letta (arxiv.org/abs/2310.08560), Headroom (github.com/chopratejas/headroom). Wszystkie narzędzia rozwiązują realne problemy. LeanCTX po prostu obejmuje więcej warstw problemu kontekstu w jednym binarnym pliku.
vs. warstwy kompresji
Kompresja zmniejsza to, co zostało odczytane. Context engineering decyduje, co jest czytane.
Narzędzia takie jak Headroom kompresują żądanie na linii. LeanCTX już dostarcza tę warstwę — opcjonalny lokalny proxy kompresuje każde żądanie, bezpieczny dla prompt-cache — i idzie o jeden poziom głębiej, u źródła: decyduje, co w ogóle jest czytane. Kompatybilne z Headroomem, ale zazwyczaj nie potrzebujesz go na górze. Oto prawdziwa różnica.
| Dimension | Warstwa kompresji (np. Headroom) | LeanCTX |
|---|---|---|
| Gdzie się znajduje | Ścieżka wiadomości: kompresuje to, co agent już odczytał | U źródła: decyduje, co i jak czytać (10 trybów, routing intencji, ~13-token cache re-reads) |
| Memory | Cross-agent store z dedupem | Trwała wiedza: graf własnościowy, sesje, przekazywanie zadań, rejestr dowodów |
| Governance | — | PathJail, allowlista shella, redakcja sekretów, budżety, wykrywanie iniekcji |
| Dowód | Endpoint statystyk | Ed25519-signed, hash-chained ledger + reprodukowalny benchmark |
| Odwracalność | Magazyn wyszukiwania referencji | Także odwracalny: każdy oryginał pozostaje nienaruszony ctx_retrieve dalej |
| Form | Pakiet Python + proxy | Jeden binarny plik Rust, 30+ automatycznie wykrytych narzędzi, zero konfiguracji |
Uwaga: niektóre porównania stron trzecich wymieniają lean-ctx jako "Odwracalny: Nie"; jest to nieprawda. Każde skompresowane odczytanie w LeanCTX jest lokalnie archiwizowane i dostępne za pomocą ctx_retrieve. Kompresja to jeden z pięciu podsystemów LeanCTX. Dwa narzędzia mogą nawet działać razem; Headroom wymienia lean-ctx jako kompatybilne narzędzie kontekstowe.
Dlaczego nie po prostu…
Twój stos już robi coś podobnego. Oto, czego nie robi.
LeanCTX nie zastępuje grep ani Twojego edytora. To warstwa decydująca o tym, na co zasługuje uwaga Twojej 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.
Najlepsze dopasowanie
Kiedy lean-ctx Rozświetla
LeanCTX dostarcza największą wartość w tych scenariuszach.
Duże bazy kodu
Najbardziej korzystne są projekty z setkami lub tysiącami plików. Im więcej kontekstu trzeba zarządzać, tym większe oszczędności.
Przepływy pracy wieloagentowe
Gdy wiele agentów AI pracuje nad tym samym projektem, LeanCTX daje im jeden wspólny mózg: spójny, zarządzany kontekst dla każdego agenta.
Rozwój iteracyjny
Długie sesje kodowania z powtarzającym się odczytywaniem plików obciążają pamięć podręczną – ponowne odczyty kosztują tylko ~13 tokenów zamiast tysięcy.
Przejrzystość
Kiedy Masz Nie Potrzebujesz
Wierzymy w uczciowe narzędzia. LeanCTX został zaprojektowany dla projektów z rozbudowanymi bazami kodu – nie dla wszystkiego.
Nie Zawsze Konieczne
- Skrypty jednoplikowe lub małe narzędzia ułatwiające pracę
- Projekty poniżej 50 plików
- Jednorazowe zapytania bez kontekstu pliku
W tych przypadkach narzut warstwy kontekstu nie jest uzasadniony. LeanCTX błyszczy, gdy Twoje projekty rosną, a zarządzanie kontekstem staje się wąskim gardłem.
Porównania, wyjaśnione. answered.
Straight answers about where LeanCTX fits and what makes it different.
Ręczny inżyniering promptów wymaga ręcznego tworzenia każdego okna kontekstowego. LeanCTX automatyzuje to za pomocą 10 trybów odczytu, kompresji świadomej AST i pamięci sesyjnej, oszczędzając 88%+ tokenów bez żadnego manualnego wysiłku.
LeanCTX to pełna warstwa poznawczego kontekstu, a nie zwykły serwer MCP: integracja CLI, haczyki powłoki, 81 narzędzi MCP, pamięć trwałą, grafy inteligencji kodu i warstwę zarządzania z rolami i budżetami.
Tak. LeanCTX obsługuje ponad 30 narzędzi AI, w tym Cursor, Claude Code, GitHub Copilot, Windsurf, Gemini CLI, Codex i IDE JetBrains. Uruchom lean-ctx setup, aby automatycznie skonfigurować system.
Narzędzia takie jak Headroom kompresują żądanie na linii — warstwę proxy. LeanCTX już dostarcza tę warstwę: opcjonalny lokalny proxy (lean-ctx proxy enable) kompresuje każde żądanie — system prompt, historię i wyniki narzędzi — bezpieczny dla prompt-cache, mierząc faktycznie oszczędzone pieniądze, więc zazwyczaj nie potrzebujesz oddzielnego proxy do kompresji żądań na górze. A LeanCTX idzie o jeden poziom głębiej, u źródła: decyduje, co jest czytane na samym początku (10 trybów odczytu, ~13-token cache re-reads), pamięta wiedzę między sesjami, chroni dostęp do plików i shella oraz podpisuje każde zapisanie w weryfikowalnym rejestrze. Kompresja — po stronie odczytu i linii — jest jednym z jego pięciu podsystemów i jest w pełni odwracalna: każdy oryginał pozostaje na wyciągnięcie ręki za pomocą jednego ctx_retrieve.
Tak. Każdy skompresowany odczyt jest archiwizowany lokalnie, a pełny oryginał można pobrać na żądanie za pomocą ctx_retrieve. Nic nie ginie bez śladu; LeanCTX nawet informuje Twojego agenta, kiedy poprosić o pełną zawartość.
Te sprawiają, że Twój AI dostawca zapamiętuje Twoją firmę — oznaczysz ją, kontynuujesz wątek i buduje to pamięć. Ale ta pamięć żyje w ich czarnej skrzynce: nie możesz zobaczyć, gdzie się znajduje, przenieść ani zamienić modelu pod nią. To jest logowanie kontekstu, a nie logowanie modelu — ostatecznie wynajmujesz własną wiedzę firmową z powrotem. LeanCTX utrzymuje fosę po Twojej stronie: sesje, graf wiedzy i przenośne pakiety .ctxpkg pozostają lokalne i podlegające inspekcji, niezależnie od modelu w przypadku OpenAI, Anthropic i Gemini. Ten sam przepływ pracy agenta-jak-kolega; Ty zachowujesz kontekst.
Zobacz naswoim repozytorium.
Zainstaluj w mniej niż minutę, uruchom jedną sesję, a następnie sprawdź księgę rachunkową. Twoje liczby stanowią argument.