PromptThrift MCP: Умное сжатие токенов для LLM-приложений

Сократите расходы на API LLM на 70-90% с помощью интеллектуального сжатия диалогов. Теперь с локальным сжатием Gemma 4: более умные суммаризации, нулевые затраты на API.

⭐ Если это экономит ваши деньги, поставьте звезду этому репозиторию! ⭐

Проблема

Каждый вызов API LLM повторно отправляет всю историю вашего диалога. Чат из 20 сообщений стоит в 6 раз дороже за вызов, чем чат из 3 сообщений, поэтому вы постоянно платите за одни и те же старые сообщения.

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

Решение

PromptThrift — это MCP-сервер с 4 инструментами для сокращения ваших расходов на API:

Почему PromptThrift?

Быстрый старт

Установка

Вариант A: pip install (рекомендуется)

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

Вариант B: клонирование и установка

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

Опционально: Включение сжатия Gemma 4

Для более умного сжатия на базе ИИ (бесплатно, работает локально):

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

PromptThrift автоматически обнаруживает Ollama. Если запущено → использует Gemma 4 для сжатия. Если нет → переключается на быстрое эвристическое сжатие. Настройка не требуется.

Claude Desktop

Добавьте в claude_desktop_config.json:

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

Cursor / Windsurf

Добавьте в настройки MCP:

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

Пример из реальной жизни

ИИ-ассистент по программированию отлаживает сложную проблему в течение 30+ сообщений:

До сжатия (отправляется при каждом вызове API):

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 токенов после 30 сообщений, и растет с каждым вызовом API

После сжатия Gemma 4:

[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 токенов. 86% экономии на каждом последующем вызове

Влияние на расходы в масштабе (Claude Sonnet @ $3/млн токенов):

Закрепленные факты (Список "Никогда не сжимать")

Некоторые факты никогда не должны теряться при сжатии: имена пользователей, критические предпочтения, ключевые решения. Закрепите их:

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.

Поддерживаемые модели (цены на апрель 2026 г.)

Как это работает

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!)

Режимы сжатия

PromptThrift автоматически использует лучший доступный метод. Установите Ollama + Gemma 4 для максимального качества сжатия.

Когда сжатие наиболее эффективно?

Эффективность сжатия зависит от длины диалога и избыточности:

Почему? Короткие, плотные диалоги содержат мало лишнего для удаления. Длинные диалоги накапливают приветствия, повторяющийся контекст, исследовательские тупики и многословные объяснения — именно это и удаляет компрессор. 30-шаговая сессия отладки с фрагментами кода, обсуждениями и итоговым решением сжимается драматически, так как для будущего контекста важны только выводы и ключевые решения.

Правило: Начинайте сжимать после 8-10 сообщений для достижения наилучших результатов.

Переменные окружения

Безопасность

• Все данные по умолчанию обрабатываются локально. Ничего не покидает вашу машину

• Сжатие Ollama работает на 100% на вашем оборудовании

• Пост-компрессионный санитайзер удаляет паттерны инъекций промптов из суммаризаций

• API-ключи считываются только из переменных окружения, никогда не прописываются в коде

• Нет постоянного хранилища, нет телеметрии, нет сторонних вызовов

Дорожная карта

• [x] Эвристическое сжатие диалогов

• [x] Подсчет токенов для нескольких моделей (14 моделей)

• [x] Интеллектуальная маршрутизация моделей

• [x] Локальное сжатие LLM Gemma 4 через Ollama

• [x] Закрепленные факты (Список "Никогда не сжимать")

• [x] Пост-компрессионный санитайзер безопасности

• [ ] Облачное сжатие (резервный вариант через API Anthropic/OpenAI)

• [ ] Советник по оптимизации кэширования промптов

• [ ] Веб-панель для аналитики использования

• [ ] Расширение для VS Code

Участие в разработке

PR приветствуются! Этот проект использует лицензию MIT. Форкайте, улучшайте, выпускайте.

О BrandDefender.ai

BrandDefender.ai — это линейка продуктов Wolin Global Media (沃嶺國際媒體), тайваньской студии ИИ-инфраструктуры, помогающей брендам быть обнаруженными, понятыми и рекомендованными ИИ-системами.

Что мы создаем

🔍 AEO Consulting (Оптимизация для поисковых систем с ответами) Сделайте так, чтобы ваш бренд правильно цитировался ChatGPT, Gemini, Perplexity и Claude. Мы внедряем схему JSON-LD, оптимизируем структуру контента и отслеживаем присутствие в ИИ-поиске для тайваньских брендов продуктов питания, чая, косметики и лайфстайла.

• Веб-сайт: https://aibranddefender.com/

• Бесплатное сканирование бренда ИИ: https://app.aibranddefender.com/

💬 ИИ-обслуживание клиентов (LINE Bot) Промышленные чат-боты LINE с 3-уровневой памятью, административным управлением и бэкендом Supabase. Уже обслуживают реальные бренды в ритейле и общепите.

• Руководство: LINE AI Chatbot Guide

🧠 Инфраструктура ИИ-памяти MCP MCP-серверы с открытым исходным кодом для Claude Code, Cursor и разработчиков LLM. Локально-ориентированные, сохраняющие конфиденциальность, созданные для экономии затрат на API.

• Этот репозиторий — один из них.

• Родственные инструменты: promptforge · promptthrift-mcp

Контакты

• 📧 Email: service@wolinglobal.com

• 💬 LINE: @886upktf

• 🌐 Веб-сайт: https://aibranddefender.com/

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

Тайваньские бренды, желающие провести AEO-аудит: мы предлагаем полное сканирование ChatGPT / Gemini / Perplexity + исправление JSON-LD + ежемесячный мониторинг. Email или LINE — пишите нам напрямую.

Лицензия

Лицензия MIT. Бесплатно для личного и коммерческого использования.

© 2026 Wolin Global Media (沃嶺國際媒體).

Поставьте звезду этому репозиторию, если он экономит ваши деньги!