Headroom — Context Compression + MCP for Agents

Main

• 先用 wrap 模式：headroom wrap claude|codex|cursor 不改业务代码也能立刻省 token。

• 需要语言无关就用 proxy：把任意 OpenAI 兼容客户端指向本地 proxy，数据留在本机（README）。

• 把 CCR 当成可逆压缩：README 强调原文可按需取回，因此可以更激进地压缩同时保留可审计性。

• 量化收益：记录压缩前后 token（README demo 给出 10,144 → 1,260），只在高频场景里调参。

Source-backed notes

• README 列出三种使用模式：库、proxy（headroom proxy）与 agent wrap（headroom wrap ...）。
• README 表示提供 MCP server，并包含 headroom_compress/headroom_retrieve/headroom_stats 等工具。
• README demo 给出 token 压缩例子（10,144 → 1,260），并强调 CCR 为可逆压缩。

FAQ

• 需要改应用吗？：不一定；先用 headroom wrap ... 或把 headroom proxy 当作 drop-in 入口即可。
• 压缩可逆吗？：README 表示 CCR 会保留原文，必要时 agent 可按需取回。
• MCP 客户端怎么用？：启用 Headroom 的 MCP server（README 提到 MCP-native 入口），然后调用 compress/retrieve/stats 工具。