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

LeanCTX dla Cursor

Cursor czyta Twój repozytorium
jakby nic nie kosztowało.

LeanCTX redukuje zużycie tokenów Cursor o 60–90%, dostarczając skompresowany, świadomy AST kontekst za pośrednictwem MCP: ctx_read zwraca mapy i sygnatury zamiast pełnych plików, ponowne odczyty z pamięci podręczy kosztują ~13 tokenów, a wydruk powłoki zmniejsza się o 88–99%. Uruchom lean-ctx setup raz, a Cursor zostanie automatycznie wykryty i skonfigurowany.

Instaluj za darmo Wszystkie 30+ narzędzi

Problem

Gdzie Cursor wydaje twoje tokeny.

Tryb agenta ponownie czyta wszystko

Każde uruchomienie agenta ponownie podaje te same pliki do okna kontekstowego. Moduł o rozmiarze 4200 tokenów kosztuje 4200 tokenów. Za każdym razem.

Długie sesje pogarszają jakość

W miarę wypełniania okna kontekstowego surowymi wyciekami plików, uzupełnienia stają się wolniejsze i mniej dokładne. Badania nad rotacją kontekstu mierzą spadek dokładności z 98% do 64%.

Wyjście terminala to zbędny balast

Budowanie Cargo, instalacje npm i uruchomienia testów zalewają konwersację paskami postępu, których model nigdy nie potrzebował.

Integracja

Jak LeanCTX pasuje do Cursor.

Serwer MCP, automatycznie skonfigurowany

lean-ctx setup zapisuje wpis MCP do konfiguracji Cursor. Agent Cursor następnie wywołuje ctx_read, ctx_search i ctx_shell zamiast surowych odczytów.

Dołączony plik reguł

Instalacja tworzy mapowanie .cursor/rules, dzięki czemu agent automatycznie preferuje skompresowane narzędzia. Nie wymaga dyscypliny promptowania.

Pamięć podręczna sesji

Pliki, które Cursor już przeczytał, zwracane są jako pamięć podręczna o hitach ~13 tokenów. Pamięć podręczna unieważnia się po modyfikacji, więc agent nigdy nie widzi przestarzałego kodu.

Setup

Jedna komenda. Automatycznie wykryte.

# instalacja LeanCTX

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

# automatyczne wykrycie Cursor i skonfigurowanie MCP + rules

$ lean-ctx setup

# zweryfikowanie podłączeń

$ lean-ctx doctor

# po dniu pracy w Cursorze: sprawdź rachunek

$ lean-ctx gain

Co się zmienia

Trzy momenty zauważysz.

Ponowne odczytanie, które nic nie kosztuje

Twój agent ponownie przegląda plik, który badał godzinę temu. Zamiast 4200 tokenów: hit pamięci podręcznej o 13 tokenów. Okno pozostaje lekkie przez cały dzień.

Build, który pozostaje czytelny

Wynik cargo build dociera jako błędy plus wynik: 847 tokenów stają się 42. Twoja rozmowa pozostaje o kodzie.

Raport z oszczędności

Wskaźnik gain lean-ctx pokazuje dokładnie, co zostało zaoszczędzone dzisiaj, na podstawie podpisanego lokalnego rejestru, a nie szacunku.

FAQ

Cursor + LeanCTX, odpowiedzi.

Jak zmniejszyć zużycie tokenów w Cursorze?

Zainstaluj LeanCTX i uruchom lean-ctx setup. Cursor jest automatycznie wykrywany: agent otrzymuje narzędzia MCP, które zwracają skompresowany kontekst świadomy AST (o 60–90% mniej tokenów na odczyt) oraz ponowne odczyty z pamięci podręcznej o hitach ~13 tokenów. Nie wymaga zmiany przepływu pracy.

Czy LeanCTX działa z trybem agenta i agentami w tle Cursor'a?

Tak. Każda powierzchnia Cursor, która komunikuje się za pomocą MCP, używa tego samego serwera lean-ctx: tryb agenta, agenci w tle i czat korzystają ze tej samej pamięci podręcznej i kompresji.

Czy skompresowany kontekst pogorszy odpowiedzi Cursor'a?

Zazwyczaj odwrotnie: tryby świadome AST zachowują sygnatury i strukturę, jednocześnie usuwając szum, a badania nad rotacją kontekstu pokazują, że dokładność spada wraz z wypełnianiem okien. Każdy oryginalny pozostaje dostępny za pomocą ctx_retrieve, gdy potrzebne są pełne szczegóły.

Używasz tego w pracy?

Zespół zapewnia całej organizacji jeden wspólny, audytowany plan kontekstu, a księgowość udowadnia oszczędności. Lokalne użycie pozostaje darmowe na zawsze, egzekwowane przez CI.

Instaluj za darmo Zobacz plany Team

Cursor czyta Twój repozytoriumjakby nic nie kosztowało.