クロスエージェントセッション記憶移行レイヤー：ターゲットモデルのコンテキストウィンドウ容量に基づいて、会話を自動的に移行または圧縮します。
エージェント1で進行中の会話をエージェント2に引き継ぐ必要があるが、2つのエージェントは異なるコンテキストウィンドウを持つ異なるモデルを使用しています。ルールはシンプルです：
ターゲットモデルが会話全体を収まる場合 → そのまま移行、圧縮なし；
収まらない場合 → 最も価値のあるコンテキストのみを保持（最新メッセージ優先）。
Related MCP server: OpenAI Assistant MCP Server
session-migrator/
├── session_migrator/
│ ├── context_windows.py # model capacity mapping table (the soul)
│ ├── exporter.py # session export/serialization + token estimation
│ ├── decision.py # decision engine: compare capacity → direct/compress
│ ├── compressors.py # compressor: budget truncation, keeps latest
│ ├── storage.py # shared storage: JSON files, per-workspace isolation
│ ├── codex_adapter.py # Codex session → Session adapter
│ ├── llm_summarizer.py # LLM topic summarization (deepseek/OpenAI-compatible)
│ ├── server.py # MCP server entry (exposes migration tools)
│ └── __init__.py
├── examples/
│ ├── demo.py # full demo, zero dependencies
│ ├── codex_to_workbuddy_demo.py # Codex → memory (truncation)
│ └── llm_summarize_demo.py # Codex → memory (LLM topic summarization)
├── tests/test_core.py # core logic tests
├── pyproject.toml
├── requirements.txt
└── LICENSEpython examples/demo.py
python tests/test_core.pyどちらも標準ライブラリのみを使用します。インストール不要 — 「決定＋圧縮＋保存」がエンドツーエンドで動作するのをすぐに確認できます。
pip install mcp
python -m session_migrator.server例としてClaude Codeを使用する場合、これをプロジェクトの.mcp.json（またはグローバル設定）に追加します：
{
"mcpServers": {
"session-migrator": {
"command": "python",
"args": ["-m", "session_migrator.server"]
}
}
}Cursor / Codex / WorkBuddy、またはMCP stdioをサポートする任意のクライアントでも同様に動作します。接続後、エージェントはmodel_context_window、list_known_models、migrate_sessionを呼び出すことができます。
Codexセッションを構造化メモリに圧縮するには、OpenAI互換のLLMが必要です。deepseek / OpenAI、または/chat/completionsと互換性のある任意のサービスで動作します — 環境変数を設定するだけです：
export DEEPSEEK_API_KEY="sk-xxx" # or OPENAI_API_KEY3つのコアMCPツールには不要です（決定／切り詰め圧縮のみを行い、LLM呼び出しはありません）。
ツール | 目的 |
| モデルのコンテキストウィンドウ容量を照会 |
| 組み込みモデルとその容量を一覧表示 |
| 移行を実行、決定＋移行済みメッセージ＋トークン前後を返す |
migrate_sessionのmessages_jsonは次のようになります：
[{"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]decide(session, target_model)基準は「ターゲット容量がセッションの実際のトークン数を収容できるか」であり、単に2つのモデルの容量を比較するのではありません — ターゲット容量がソースモデルより小さくても、小さなセッションはそのまま移行されます。
TruncationCompressorデフォルト実装は外部依存ゼロ：最新から遡ってメッセージ全体を保持し、収まらない以前のメッセージは省略し、先頭にプレースホルダーノート（省略数＋最古メッセージのプレビュー）を挿入します。
Codexセッションを構造化メモリに移行するための完全なパイプライン（アダプター＋LLM）：
from session_migrator.codex_adapter import get_thread_meta, extract_rollout
from session_migrator.llm_summarizer import summarize_session
meta = get_thread_meta("your-codex-thread-id")
session = extract_rollout(meta["rollout_path"], meta["id"], meta["model"])
markdown = summarize_session(session, meta, target_chars=5000) # needs LLM key set firstLLMを使用しない切り詰め版：codex_adapter.to_memory_markdown(session, meta)。
session_migrator/context_windows.pyには静的マッピングテーブル（OpenAI / Anthropic / Google / 中国モデル）が同梱されています。注意：これらは静的フォールバック値であり、プロバイダーの更新に応じて変更される可能性があります。
LLMトピック要約（llm_summarizer.py、「トピック要約」を参照）
動的容量取得（各プロバイダーの/models APIを呼び出し）
ヘッドルーム可逆圧縮（元のテキストを復元可能）
ベクターストア検索インジェクション（オンデマンド検索）
tiktokenによる正確なトークンカウント
MIT
This server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Hosted MCP server for LLM cost estimation, model comparison, and budget-aware routing.
Free OpenAI-compatible inference with signed provenance receipts and 3 focused MCP tools.
Remote MCP for Gemini upgrade evals, prompt regressions, output diffs, and eval receipts.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/liangyuan0219/session-migrator'
If you have feedback or need assistance with the MCP directory API, please join our Discord server
