PromptThrift MCP: Intelligente Token-Komprimierung für LLM-Apps

Senken Sie Ihre LLM-API-Kosten um 70-90 % mit intelligenter Gesprächskomprimierung. Jetzt mit lokaler Gemma-4-Komprimierung: intelligentere Zusammenfassungen, null API-Kosten.

⭐ Wenn Ihnen das Geld spart, geben Sie diesem Repo einen Stern! ⭐

Das Problem

Jeder LLM-API-Aufruf sendet Ihren gesamten Gesprächsverlauf erneut. Ein Chat mit 20 Nachrichten kostet pro Aufruf 6-mal mehr als einer mit 3 Nachrichten, Sie bezahlen also immer wieder für dieselben alten Nachrichten.

Turn 1:  ████ 700 tokens ($0.002)
Turn 5:  ████████████████ 4,300 tokens ($0.013)
Turn 20: ████████████████████████████████████████ 12,500 tokens ($0.038)
                                              ↑ You're paying for THIS every call

Related MCP server: compresh-mcp

Die Lösung

PromptThrift ist ein MCP-Server mit 4 Tools, um Ihre API-Kosten drastisch zu senken:

Warum PromptThrift?

Schnellstart

Installation

Option A: pip install (empfohlen)

pip install git+https://github.com/woling-dev/promptthrift-mcp.git

Option B: klonen und installieren

git clone https://github.com/woling-dev/promptthrift-mcp.git
cd promptthrift-mcp
pip install -e .

Optional: Gemma-4-Komprimierung aktivieren

Für intelligentere, KI-gestützte Komprimierung (kostenlos, läuft lokal):

# Install Ollama: https://ollama.com
ollama pull gemma4:e4b

PromptThrift erkennt Ollama automatisch. Wenn es läuft → nutzt es Gemma 4 zur Komprimierung. Wenn nicht → greift es auf schnelle heuristische Komprimierung zurück. Keine Konfiguration erforderlich.

Claude Desktop

Fügen Sie dies zu claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "promptthrift": {
      "command": "python",
      "args": ["/path/to/promptthrift-mcp/server.py"]
    }
  }
}

Cursor / Windsurf

Fügen Sie dies zu Ihren MCP-Einstellungen hinzu:

{
  "mcpServers": {
    "promptthrift": {
      "command": "python",
      "args": ["/path/to/promptthrift-mcp/server.py"]
    }
  }
}

Praxisbeispiel

Ein KI-Programmierassistent, der ein komplexes Problem über 30+ Nachrichten hinweg debuggt:

Vor der Komprimierung (wird bei jedem API-Aufruf gesendet):

User: My Next.js app throws a hydration error on the /dashboard page.
Asst: That usually means server and client HTML don't match. Can you share the component?
User: [pastes 50 lines of DashboardLayout.tsx]
Asst: I see the issue, you're using `new Date()` directly in render, which differs
      between server and client. Let me also check your data fetching...
User: I also get a warning about useEffect running twice.
Asst: That's React 18 Strict Mode. Not related to hydration. Let me trace the real bug...
User: Wait, there's also a flash of unstyled content on first load.
Asst: That's a separate CSS loading order issue. Let me address both...
      [... 25 more turns of debugging, trying fixes, checking logs ...]
User: OK it's fixed now! But I want to add dark mode next.
Asst: Great! For dark mode with Next.js + Tailwind, here are three approaches...

~8.500 Token nach 30 Nachrichten, und es wächst mit jedem einzelnen API-Aufruf

Nach der Gemma-4-Komprimierung:

[Compressed history]
Resolved Next.js hydration error in DashboardLayout.tsx caused by
Date() in render (fixed with useEffect). Unrelated: React 18 Strict Mode
double-fire (expected), CSS flash (fixed via loading order).
User now wants to add dark mode to Next.js + Tailwind app.
[End compressed history]

[Recent turns preserved, last 4 turns intact]

~1.200 Token. 86 % Ersparnis bei jedem nachfolgenden Aufruf

Kostenauswirkung im großen Maßstab (Claude Sonnet @ $3/MTok):

Angeheftete Fakten (Nicht-komprimierbare Liste)

Einige Fakten dürfen während der Komprimierung niemals verloren gehen: Benutzernamen, kritische Präferenzen, wichtige Entscheidungen. Heften Sie diese an:

You: "Pin the fact that this customer is allergic to nuts"

→ promptthrift_pin_facts(action="add", facts=["Customer is allergic to nuts"])
→ This fact will appear in ALL future compressed summaries, guaranteed.

Unterstützte Modelle (Preise vom April 2026)

Funktionsweise

Before (every API call sends ALL of this):
┌──────────────────────────────────┐
│ System prompt      (500 tokens)  │
│ Turn 1: user+asst  (600 tokens)  │  ← Repeated every call
│ Turn 2: user+asst  (600 tokens)  │  ← Repeated every call
│ ...                              │
│ Turn 8: user+asst  (600 tokens)  │  ← Repeated every call
│ Turn 9: user+asst  (new)         │
│ Turn 10: user      (new)         │
└──────────────────────────────────┘
Total: ~6,500 tokens per call

After PromptThrift compression:
┌──────────────────────────────────┐
│ System prompt      (500 tokens)  │
│ [Pinned facts]      (50 tokens)  │  ← Always preserved
│ [Compressed summary](200 tokens) │  ← Turns 1-8 in 200 tokens!
│ Turn 9: user+asst  (kept)        │
│ Turn 10: user      (kept)        │
└──────────────────────────────────┘
Total: ~1,750 tokens per call (73% saved!)

Komprimierungsmodi

PromptThrift verwendet automatisch die beste verfügbare Methode. Installieren Sie Ollama + Gemma 4 für maximale Komprimierungsqualität.

Wann glänzt die Komprimierung?

Die Effektivität der Komprimierung skaliert mit der Gesprächslänge und Redundanz:

Warum? Kurze, dichte Gespräche haben wenig Füllmaterial, das entfernt werden könnte. Längere Gespräche sammeln Begrüßungen, wiederholten Kontext, explorative Sackgassen und wortreiche Erklärungen an – genau das, was der Kompressor entfernt. Eine 30-minütige Debugging-Sitzung mit Code-Snippets, Hin-und-Her-Fehlersuche und endgültiger Lösung lässt sich dramatisch komprimieren, da für den zukünftigen Kontext nur das Ergebnis und die wichtigsten Entscheidungen zählen.

Faustregel: Beginnen Sie nach 8-10 Nachrichten mit der Komprimierung für beste Ergebnisse.

Umgebungsvariablen

Sicherheit

• Alle Daten werden standardmäßig lokal verarbeitet. Nichts verlässt Ihren Rechner

• Die Ollama-Komprimierung läuft zu 100 % auf Ihrer Hardware

• Post-Komprimierungs-Sanitizer entfernt Prompt-Injection-Muster aus Zusammenfassungen

• API-Schlüssel werden nur aus Umgebungsvariablen gelesen, niemals hartcodiert

• Keine persistente Speicherung, keine Telemetrie, keine Drittanbieter-Aufrufe

Roadmap

• [x] Heuristische Gesprächskomprimierung

• [x] Multi-Modell-Token-Zählung (14 Modelle)

• [x] Intelligentes Modell-Routing

• [x] Gemma-4-lokale LLM-Komprimierung via Ollama

• [x] Angeheftete Fakten (Nicht-komprimierbare Liste)

• [x] Post-Komprimierungs-Sicherheits-Sanitizer

• [ ] Cloud-basierte Komprimierung (Anthropic/OpenAI-API-Fallback)

• [ ] Berater für Prompt-Caching-Optimierung

• [ ] Web-Dashboard für Nutzungsanalysen

• [ ] VS-Code-Erweiterung

Mitwirken

PRs willkommen! Dieses Projekt verwendet die MIT-Lizenz. Forken Sie es, verbessern Sie es, veröffentlichen Sie es.

Über BrandDefender.ai

BrandDefender.ai ist die Produktlinie von Wolin Global Media (沃嶺國際媒體), einem in Taiwan ansässigen KI-Infrastrukturstudio, das Marken dabei hilft, von KI-Systemen entdeckt, verstanden und empfohlen zu werden.

Was wir bauen

🔍 AEO-Beratung (Answer Engine Optimization) Sorgen Sie dafür, dass Ihre Marke von ChatGPT, Gemini, Perplexity und Claude korrekt zitiert wird. Wir implementieren JSON-LD-Schema, optimieren die Inhaltsstruktur und überwachen die KI-Suchpräsenz für taiwanesische Lebensmittel-, Tee-, Beauty- und Lifestyle-Marken.

• Website: https://aibranddefender.com/

• Kostenloser KI-Marken-Scan: https://app.aibranddefender.com/

💬 KI-Kundenservice (LINE Bot) Produktionsreife LINE-Chatbots mit 3-Ebenen-Speicher, Admin-Übernahme und Supabase-Backend. Bedient bereits echte Marken im Einzelhandel und in der Gastronomie.

• Leitfaden: LINE AI Chatbot Guide

🧠 KI-Speicher-MCP-Infrastruktur Open-Source-MCP-Server für Claude Code, Cursor und LLM-Entwickler. Lokal-zuerst, datenschutzfreundlich, entwickelt, um API-Kosten zu sparen.

• Dieses Repo ist eines davon.

• Verwandte Tools: promptforge · promptthrift-mcp

Kontakt

• 📧 E-Mail: service@wolinglobal.com

• 💬 LINE: @886upktf

• 🌐 Website: https://aibranddefender.com/

• 🐙 GitHub: https://github.com/woling-dev

Taiwanische Marken, die ein AEO-Audit wünschen: Wir bieten umfassende Scans für ChatGPT / Gemini / Perplexity + JSON-LD-Korrekturen + monatliche Überwachung. Kontaktieren Sie uns direkt per E-Mail oder LINE.

Lizenz

MIT-Lizenz. Kostenlos für den persönlichen und kommerziellen Gebrauch.

© 2026 Wolin Global Media (沃嶺國際媒體).

Geben Sie diesem Repo einen Stern, wenn es Ihnen Geld spart!