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.
Comparação Honesta
Você já tem ferramentas. Aqui está a diferença.
Ferramentas de compressão encolhem o que você envia pela linha. O LeanCTX faz isso também — e decide o que é lido em primeiro lugar, depois protege, lembra e prova isso. Uma análise direta do que ele faz melhor, o que ele faz igual, e quando você não precisa dele de jeito nenhum.
Lado a Lado
Seu agente, com e sem.
O mesmo agente, o mesmo repositório. A única variável é a camada entre eles.
| Feature | Sem Ferramenta | Regras Manuais | LeanCTX |
|---|---|---|---|
| Economia de Tokens | Nenhum | Baixa (regras estáticas) | 60–95% (cache: 99%) |
| Esforço de Configuração | Nenhum | Manual por projeto | Um comando |
| Suporte a Agentes | N/A | Apenas um agente | 29+ agentes |
| Caching | Nenhum | Nenhum | Automático + delta |
| Compressão de Shell | Nenhum | Nenhum | 95+ padrões |
| Análise de Código | Nenhum | Nenhum | AST Tree-sitter |
| Manutenção | Nenhum | Atualizações manuais | Automático |
| Segurança e Governança | Sem aplicação | ACL de arquivo básico | Alinhado ao OWASP: PathJail, allowlist de shell, redação de segredos, execução de código em sandbox OS (ctx_execute), trilha de auditoria |
| Compliance & Evidence | Screenshots | Coleta manual de evidências | Bundle de Evidência Assinado + offline leanctx-verify, cobertura EU AI Act / ISO 42001 / SOC 2, CGB + cobertura de políticas |
| SDKs e Extensibilidade | Nenhum | Código cola personalizado | SDKs Python + TypeScript (conformance de 14 verificações), /v1 OpenAPI + capacidades, gateway ctx_tools, extensões 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. Alternativas
Como LeanCTX se Compara a Outras Ferramentas
Uma comparação recurso por recurso com RTK, Context+, MemGPT/Letta e Headroom, as alternativas mais citadas. Baseado em fatos, de sua documentação pública.
| Feature | RTK | Context+ | MemGPT / Letta | Headroom | LeanCTX |
|---|---|---|---|---|---|
| Modos de Leitura | Modo único | Filtragem básica | N/A (focado em memória) | Comprime após a leitura | 10 modos (auto, map, signatures, diff, entropy...) |
| Compressão de Shell | Não | Não | Não | Não | 95+ padrões, auto-detectados |
| Memória da Sessão | Estado básico | Histórico de conversação | Recurso principal (memória em camadas) | Armazenamento cross-agent com desduplicação | Episódico + processual + grafo de conhecimento |
| Multi-Agent | Não | Não | Limitado (foco em agente único) | Armazenamento compartilhado | Handoff, sessões compartilhadas, bus de contexto |
| Grafo de Código / AST | Indexação básica | Não | Não | Não | Tree-sitter AST, 26 languages, symbol resolution |
| Governance & Budgets | Não | Não | Não | Não | Orçamentos baseados em função, SLOs, trilha de auditoria |
| Local-First / Privacy | Dependente da nuvem | Local | Baseado em servidor | Pacote Python + proxy | 100% local, zero telemetria |
| Ferramentas MCP | Limitado | Sem MCP | Sem MCP | Envolve ferramentas externas | 81 ferramentas MCP granulares |
| Security Hardening | None | None | Basic auth | None | Sandboxing, signed bundles, audit reports |
Baseado na documentação e código-fonte publicamente disponíveis até junho de 2026. RTK (github.com/rtk-ai/rtk), Context+ (github.com/ForLoopCodes/contextplus), MemGPT/Letta (arxiv.org/abs/2310.08560), Headroom (github.com/chopratejas/headroom). Todas as ferramentas resolvem problemas reais. LeanCTX simplesmente cobre mais camadas do problema de contexto em um único binário.
vs. camadas de compressão
Compressão encolhe o que foi lido. Engenharia de contexto decide o que é lido.
Ferramentas como Headroom comprimem a requisição na linha. O LeanCTX já fornece essa camada — um proxy local opcional comprime toda requisição, seguro para cache de prompts — e vai mais uma camada fundo, na fonte: ele decide o que deve ser lido. Compatível com Headroom, mas você geralmente não precisa dele por cima. Aqui está a diferença honesta.
| Dimension | Camada de compressão (ex.: Headroom) | LeanCTX |
|---|---|---|
| Onde se encaixa | Caminho da mensagem: comprime o que o agente já leu | Na fonte: decide o que e como ler (10 modos, roteamento de intenção, releituras cacheadas de ~13 tokens) |
| Memory | Armazenamento cross-agent com dedup | Conhecimento persistente: grafo de propriedade, sessões, passagens, livro-razão de evidências |
| Governance | — | PathJail, allowlist de shell, redação de segredos, orçamentos, detecção de injeção |
| Prova | Endpoint de estatísticas | Ed25519-signed, hash-chained ledger + benchmark reprodutível |
| Reversibilidade | Armazenamento de recuperação de referência | Também reversível: cada original permanece intacto ctx_retrieve fora |
| Form | Pacote Python + proxy | Um binário Rust, 30+ ferramentas auto-detectadas, zero configuração |
Nota: algumas tabelas de comparação de terceiros listam lean-ctx como "Reversible: Não"; isso está incorreto. Cada leitura comprimida em LeanCTX é arquivada localmente e recuperável via ctx_retrieve. A compressão é um dos cinco subsistemas do LeanCTX. As duas ferramentas podem até rodar juntas; Headroom lista lean-ctx como uma ferramenta de contexto compatível.
Por que não apenas…
Seu stack já faz parte disso. Veja o que falta.
LeanCTX não substitui grep ou seu editor. É a camada que decide o que merece a atenção do seu 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.
Melhor Ajuste
Quando usar lean-ctx Brilha
LeanCTX oferece o maior valor nestes cenários.
Bases de Código Grandes
Projetos com centenas ou milhares de arquivos se beneficiam mais. Quanto mais contexto há para gerenciar, maiores as economias.
Fluxos de Trabalho Multi-Agente
Quando múltiplos agentes de IA trabalham no mesmo projeto, LeanCTX fornece um cérebro compartilhado: contexto consistente e governado para cada agente.
Desenvolvimento Iterativo
Sessões longas de codificação com leituras repetidas de arquivos atingem o cache - releituras custam apenas ~13 tokens em vez de milhares.
Transparência
Quando Você Não Precisa
Acreditamos em ferramentas honestas. LeanCTX é projetado para projetos com bases de código substanciais - não para tudo.
Nem Sempre Necessário
- Scripts de arquivo único ou utilitários pequenos
- Projetos com menos de 50 arquivos
- Prompts avulsos sem contexto de arquivo
Nesses casos, o overhead de uma camada de contexto não é justificado. LeanCTX brilha quando seus projetos crescem e o gerenciamento de contexto se torna um gargalo.
Comparações, respondidas. answered.
Straight answers about where LeanCTX fits and what makes it different.
A engenharia de prompt manual exige a criação manual de cada janela de contexto. O LeanCTX automatiza isso com 10 modos de leitura, compressão consciente AST e memória de sessão, economizando mais de 88% dos tokens sem esforço manual.
LeanCTX é uma camada de contexto cognitiva completa em vez de um servidor MCP simples: integração CLI, hooks de shell, 81 ferramentas MCP, memória persistente, grafos de inteligência de código e uma camada de governança com funções e orçamentos.
Sim. O LeanCTX suporta mais de 30 ferramentas de IA, incluindo Cursor, Claude Code, GitHub Copilot, Windsurf, Gemini CLI, Codex e JetBrains IDEs. Execute lean-ctx setup para configuração automática.
Ferramentas como Headroom comprimem a requisição na linha — a camada proxy. O LeanCTX já fornece essa camada: um proxy local opcional (lean-ctx proxy enable) comprime toda requisição — prompt do sistema, histórico e resultados de ferramentas — seguro para cache de prompts, mensurando os dólares reais economizados, de modo que você geralmente não precisa de um proxy separado de compressão de requisições por cima. E o LeanCTX vai mais uma camada fundo, na fonte: ele decide o que é lido em primeiro lugar (10 modos de leitura, releituras cacheadas de ~13 tokens), lembra conhecimento entre sessões, protege acesso a arquivos e shell, e assina cada salvamento em um livro-razão verificável. Compressão — lado da leitura e na linha — é um de seus cinco subsistemas, e é totalmente reversível: todo original permanece acessível com um ctx_retrieve.
Sim. Cada leitura comprimida é arquivada localmente e o original completo é recuperável sob demanda via ctx_retrieve. Nada se perde silenciosamente; o LeanCTX até informa ao seu agente quando solicitar o conteúdo completo.
Esses fazem seu IA fornecedor lembrar sua empresa — você marca, dá seguimento em um tópico e ele constrói a memória. Mas essa memória vive na caixa preta deles: você não pode ver onde ela está, movê-la ou trocar o modelo por baixo. Isso é um login de contexto, não um login de modelo — no final você acaba alugando seu próprio conhecimento da empresa de volta. O LeanCTX mantém o fosso do lado você: sessões, um grafo de conhecimento e pacotes .ctxpkg portáteis permanecem locais e inspecionáveis, agnósticos a modelos em OpenAI, Anthropic e Gemini. Mesmo fluxo de trabalho de agente-como-colega; você mantém o contexto.
Veja emseu repositório.
Instale em menos de um minuto, execute uma sessão e depois verifique o livro-razão. Seus números farão o argumento.