开源项目 Headroom：给 AI Agent 的 token 账单打七折

GitHub 仓库

headroomlabs-ai/headroom

总 Stars

★ 76,244

今日新增

+310

主要语言

Python

查看 GitHub 项目

是什么

Headroom（headroomlabs-ai/headroom）是 AI Agent 的上下文压缩层：在工具输出、日志、文件进入 LLM 之前先压缩一遍，官方称代码类 agent 可省 20% token、JSON 省 60-95%，且回答质量不变。提供三种接入方式：直接调库、挂代理、跑 MCP server。项目 7.6 万 star，Apache-2.0 协议，今日单日新增 310 star。

能干嘛

Claude Code、Cursor 这类 agent 每天烧掉的 token 里，大头是冗长的工具输出（动辄几万行的测试日志）。Headroom 插在中间做「瘦身」，官方自测把 55,957 token 压到 24,340，接近腰斩。对自建 agent 平台的团队来说，这是控制推理成本最直接的杠杆之一。

适合谁

每天重度用 coding agent 的个人开发者、被 API 账单刺痛的小团队、自建 agent 平台想控成本的工程师。个人用户从 MCP server 接入最省事，团队级再用代理模式统一管。

注意点

压缩本质是有损的——官方的漂亮数字不代表所有内容类型，代码 diff 这种高信息密度内容压缩率会低很多。仓库有 485 个 open issue，说明迭代极快，API 可能随时变动，生产环境接入务必锁死版本，别追着 main 分支跑。

站长点评：我看过 LLMLingua 那类学术压缩方案，效果有但落地难，Headroom 聪明在做成「库+代理+MCP」三件套，接入成本低。不过话说回来，省 token 永远是第二优化——先确认你的 agent 工作流本身是必要的，再谈压缩，不然就是给无效调用打折。