ShadowShield MCP
🛡️ ShadowShield MCP
Recorta los tokens de LLM desperdiciados antes de que lleguen a tu ventana de contexto.
Un servidor local-first del Protocolo de Contexto de Modelo (MCP) que reduce el uso de tokens de LLM para desarrolladores que usan Claude Desktop, Cursor o Claude Code.
npx shadowshield-mcp installSin cuentas. Sin backend alojado. Sin cambios en el flujo de trabajo.
📖 Tabla de Contenidos
Related MCP server: Refract
🤔 ¿Por qué ShadowShield?
Los agentes de IA modernos no solo consumen tokens de lo que escribes — queman contexto silenciosamente, en segundo plano, durante cada llamada de herramienta.
Durante sesiones largas de agente, rutinariamente:
🔁 Releen archivos que ya han visto
🔁 Ejecutan exactamente la misma llamada de herramienta dos veces
📦 Reciben respuestas de API sobredimensionadas llenas de ruido
🗂️ Llevan prompts y salidas inflados a través de la ventana de contexto
🧹 Desperdician tokens en valores nulos, metadatos muertos e información duplicada
AI Agent
│
├── list_issues() ───────► 3,000 tokens
│
├── read(config.py) ─────► 1,200 tokens
│
├── read(config.py) ─────► 1,200 tokens (again 🙃)
│
└── large tool response ─► 4,000 tokensNada aquí está roto — pero tu ventana de contexto se llena más rápido, las solicitudes se vuelven más grandes y pagas por tokens que nunca necesitaste.
ShadowShield MCP se sitúa de forma transparente entre tu cliente de IA y otras herramientas MCP (GitHub, sistema de archivos, búsqueda web y más), interceptando, deduplicando, comprimiendo y optimizando el tráfico de contexto — sin requerir ningún cambio en tu flujo de trabajo normal.
⚡ Características Clave
🧠 Caché de Deduplicación Inteligente
Calcula huellas digitales deterministas para cada llamada de herramienta MCP. Cuando la misma herramienta se invoca de nuevo con argumentos idénticos dentro de una ventana de sesión móvil, ShadowShield sirve la respuesta en caché en lugar de volver a ejecutar la operación.
First request Repeated request
Agent → Tool Call → MCP Server Agent → Tool Call → ShadowShield Cache
│ │
▼ ▼
Cache Response ⚡Evita la ejecución repetida de herramientas
Elimina contexto duplicado
Reduce el uso innecesario de tokens
Mejora la latencia de respuesta en aciertos de caché
✂️ Compresor de Salida Inteligente
Un recortador basado en reglas que limpia las respuestas de las herramientas antes de que entren en el contexto del modelo.
Elimina propiedades nulas y vacías
Trunca campos de texto sobredimensionados
Elimina metadatos redundantes
Aplica filtrado de claves en lista blanca
Reduce respuestas estructuradas innecesariamente verbosas
// Before
{
"id": 4812,
"title": "Authentication bug",
"body": "...very large response...",
"metadata": null,
"unused_field": "",
"internal_data": "..."
}
// After
{
"id": 4812,
"title": "Authentication bug",
"body": "...trimmed, relevant content..."
}Envía información útil al modelo — no ruido estructural.
🔧 Optimizador de Código y Prompts
Reescribe automáticamente prompts o archivos sobredimensionados para minimizar su huella de tokens — respaldado por validación de similitud coseno con embeddings locales (all-MiniLM-L6-v2) para ayudar a garantizar que el significado semántico se preserve antes de aceptar cualquier cambio.
Original Content
│
▼
Optimization
│
▼
Candidate Output
│
▼
Local Embedding Verification
│
├── Similar enough ──► ✅ Accept
│
└── Unsafe change ───► ❌ RejectPrincipios de seguridad:
Los archivos originales nunca se sobrescriben silenciosamente
Las versiones optimizadas se pueden escribir por separado para revisión
Las transformaciones de baja confianza se rechazan automáticamente
La optimización se centra en la redundancia — no en reescribir la intención de tu código
📊 Panel de Ahorros Local de Archivo Único
Un dashboard.html estático y ligero — sin cuenta, sin backend, sin servicio de análisis — que muestra:
💰 Total de tokens ahorrados
🔁 Ahorros por deduplicación
✂️ Ahorros por compresión
🔧 Ahorros por optimización
📈 Tendencias diarias de ahorro
🕒 Eventos de optimización recientes
~/.shadowshield/dashboard.html🧰 Instalador de Configuración Cero
Un comando localiza la configuración de tu cliente MCP, registra ShadowShield y preserva cada entrada de servidor existente — sin necesidad de editar JSON manualmente.
🚀 Inicio Rápido
Requisitos
Node.js (v18+)
npm
Un cliente compatible con MCP (Claude Desktop, Cursor, Claude Code)
1. Instalación
npx shadowshield-mcp installO compilar desde el código fuente:
git clone <your-repository-url>
cd shadowshield-mcp
npm install
npm run build
node bin/install.jsEl instalador:
Localizará la configuración de tu cliente MCP compatible
Registrará ShadowShield como servidor MCP
Preservará todas las entradas de servidor MCP existentes
Creará el directorio de datos local
~/.shadowshield/Configurará las rutas de ejecución necesarias
2. Reinicia tu Cliente de IA
Reinicia Claude Desktop, Cursor o tu entorno de Claude Code. ShadowShield se conecta automáticamente y expone:
shadowshield_dedup_cache
shadowshield_compress_output
shadowshield_optimize3. Simplemente Usa tu IA — Como Siempre
No hay un flujo de trabajo separado de ShadowShield que aprender.
You
│
▼
AI Client
│
▼
ShadowShield
│
├── Deduplication
├── Compression
└── Optimization
│
▼
MCP Tools / Context4. Revisa tus Ahorros
Abre el panel en cualquier navegador:
~/.shadowshield/dashboard.html🏗️ Cómo Funciona
┌──────────────────────────┐
│ Claude / Cursor │
│ / MCP Client │
└────────────┬─────────────┘
│
▼
┌──────────────────────────┐
│ ShadowShield MCP │
│ │
│ ┌────────────────────┐ │
│ │ Dedup Cache │ │
│ ├────────────────────┤ │
│ │ Output Compressor │ │
│ ├────────────────────┤ │
│ │ Prompt Optimizer │ │
│ └────────────────────┘ │
└────────────┬─────────────┘
│
▼
┌──────────────────────────┐
│ MCP Tools │
│ │
│ GitHub · Filesystem │
│ Search · APIs · etc. │
└──────────────────────────┘Cada evento de optimización se mide y registra localmente, para que siempre sepas exactamente de dónde provienen tus ahorros.
🔒 Local-First por Diseño
Tu contexto de desarrollo debe permanecer bajo tu control.
~/.shadowshield/
├── cache.db
├── savings-log.jsonl
└── dashboard.htmlShadowShield no requiere:
❌ Una cuenta de ShadowShield
❌ Una base de datos alojada de ShadowShield
❌ Un backend de análisis separado
❌ Autenticación del panel
❌ Subir tu historial de ahorros a ningún lugar
Tu caché, registros, contabilidad de tokens, verificación de embeddings y datos del panel permanecen completamente en tu máquina.
Cualquier interacción con modelos externos utilizada por la funcionalidad de optimización configurada depende de tu propia configuración de modelo/proveedor.
🧰 Stack Tecnológico
Componente | Tecnología |
Lenguaje | TypeScript |
Runtime | Node.js |
MCP |
|
Caché | SQLite |
Registro | JSONL |
Conteo de tokens |
|
Verificación semántica |
|
Métrica de similitud | Similitud coseno |
Panel | HTML + Chart.js |
Distribución | npm |
📁 Estructura del Repositorio
shadowshield-mcp/
│
├── bin/
│ └── install.js # npx installer entry point
│
├── src/
│ ├── server.ts # MCP server entry point
│ │
│ ├── tools/
│ │ ├── dedupCache.ts # Tool call deduplication cache logic
│ │ ├── outputCompressor.ts # Rule-based tool output compressor
│ │ └── optimizer.ts # Prompt & code optimizer with embedding verification
│ │
│ ├── storage/
│ │ ├── sqlite.ts # SQLite cache database (~/.shadowshield/cache.db)
│ │ └── logger.ts # Append-only logger (~/.shadowshield/savings-log.jsonl)
│ │
│ └── utils/
│ ├── tokenCount.ts # tiktoken token counter wrapper
│ └── embeddings.ts # Local feature extraction & cosine similarity wrapper
│
├── dashboard.html # Static savings visualization dashboard
├── downstream.example.json
├── package.json
├── tsconfig.json
├── README.md
└── LICENSE🛠️ Desarrollo
Clona el repositorio e instala las dependencias:
git clone (https://github.com/Mahesh8214/ShadowShield-MCP)
cd shadowshield-mcp
npm installCompila el proyecto:
npm run buildEjecuta el instalador localmente:
node bin/install.jsVerifica el paquete antes de publicar:
npm pack --dry-run🎯 Principios de Diseño
ShadowShield sigue cuatro principios fundamentales:
# | Principio | Descripción |
1 | Reducir desperdicio, no capacidad | La optimización solo importa si el contexto resultante sigue siendo útil para el modelo. |
2 | Permanecer invisible | No deberías tener que cambiar cómo trabajas con tus herramientas de IA para ahorrar tokens. |
3 | Preferir infraestructura local | Caché, registros, medición, verificación y visualización — todo local, sin servicios alojados. |
4 | No modificar más de lo necesario | La optimización es conservadora y dirigida, nunca una excusa para reescribir código no relacionado. |
🗺️ Hoja de Ruta
Extensión de VS Code para sugerencias de optimización en línea
Análisis de ahorro de tokens por proyecto
Integraciones adicionales de clientes MCP
Estrategias de compresión mejoradas específicas para herramientas
Umbrales de optimización configurables
Resúmenes semanales de ahorro local
Mejor atribución y reporte de ahorros
🤝 Contribuciones
¡Las contribuciones son bienvenidas! 🎉
Si has encontrado un error, tienes una idea de optimización o quieres mejorar el soporte para otro cliente o herramienta MCP:
Revisa primero los issues existentes
Abre un nuevo issue describiendo el problema o la idea
Para cambios arquitectónicos significativos, abre un issue antes de enviar un PR para que el enfoque pueda discutirse
🔐 Seguridad
Si descubres una vulnerabilidad de seguridad, no publiques detalles de explotación en un issue público.
En su lugar, repórtala de forma privada a través del canal de seguridad configurado del repositorio.
📄 Licencia
Publicado bajo la Licencia MIT. Consulta LICENSE para obtener todos los detalles.
🛡️ ShadowShield MCP
Menos contexto redundante. Menos tokens desperdiciados. Mismo flujo de trabajo.
npx shadowshield-mcp installConstruido para desarrolladores que quieren que sus herramientas de IA usen el contexto de manera más eficiente.
⭐ Si ShadowShield te ahorra tokens, ¡considera darle una estrella al repositorio!
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Related MCP Servers
- AlicenseNot gradedqualityAmaintenanceA proxy server that wraps existing MCP servers to significantly reduce token consumption by compressing tool descriptions into a two-step interface. It enables users to integrate extensive toolsets without exceeding context limits or incurring high API costs.116Apache 2.0
- AlicenseAqualityBmaintenanceMCP proxy that compresses tool schemas on the fly. Up to 98% token reduction, 100% signal preserved verified after every compression. Zero LLM calls, fully deterministic.53MIT
- FlicenseNot gradedqualityDmaintenanceAn MCP server that reduces token usage by lazily loading skills and tools only when needed, and routing repetitive subtasks to ML backends instead of the LLM.
- FlicenseBqualityCmaintenanceLocal MCP server for token optimization, providing tools to compress code/JSON, optimize prompts, and manage placeholder-based content redaction and hydration to reduce LLM token usage.5
Related MCP Connectors
AI Reasoning Cache & Consensus Layer with 11 MCP tools via Streamable HTTP.
Hosted MCP server for LLM cost estimation, model comparison, and budget-aware routing.
MCP server for secureFlows: token-free URL builders and integration-linting tools for AI agents.
Latest Blog Posts
- Who's Calling? MCP Hosts Are an Identity Blind Spot (And the Spec Knows It)By Om-Shree-0709 on .mcpAgent IdentityOAuth 2.1
- Your AI Chatbot Just Exposed Your CEO's Salary to an InternBy Om-Shree-0709 on .Agent IdentityMCP SecurityOAuth Delegation
- Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)By Om-Shree-0709 on .Agentic AiPrompt InjectionWebAssembly
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/Mahesh8214/ShadowShield-MCP'
If you have feedback or need assistance with the MCP directory API, please join our Discord server