LeanCTX řeší praktický problém AI coding agentů: model často dostává příliš mnoho opakovaného nebo málo užitečného kontextu. Nástroj běží lokálně mezi agentem a projektem a rozhoduje, jak hluboko má agent číst soubory, výstupy shellu a další data. Místo toho, aby se do modelu posílal celý obsah souboru nebo dlouhý git status, LeanCTX se snaží předat kompaktnější verzi. Cíl není nahradit agenta, ale řídit to, co agent skutečně uvidí.
Za projektem stojí vývojář Yves Gugger, na GitHubu vystupující jako yvgude. LeanCTX je publikovaný jako open-source projekt pod Apache-2.0 licencí a je napsaný jako lokální Rust binary. Projekt uvádí podporu pro nástroje jako Cursor, Claude Code, Codex CLI, Gemini CLI, Windsurf, GitHub Copilot, VS Code, JetBrains IDEs nebo Zed. Použití je postavené kolem MCP serveru, shell hooků a příkazové řádky.
Control what your AI can see.
V praxi to znamená, že LeanCTX přidává nad běžnou práci AI agenta vrstvu pro správu kontextu. Umí nabízet různé režimy čtení souborů, například plný obsah, mapu struktury, signatury nebo výřezy konkrétních řádků. U shell výstupů komprimuje běžné příkazy z nástrojů jako git, npm, cargo, docker, kubectl nebo terraform. Součástí je také session memory, takže některé informace a rozhodnutí mohou přežít reset chatu nebo přechod do nové konverzace.
Technicky sedí LeanCTX v toku mezi AI nástrojem, MCP voláním, shellem a repozitářem. Agent může místo surového čtení použít ctx_* nástroje, které vrací kompaktnější nebo vhodněji zvolený pohled na data. Shell hook zase zachytává výstupy příkazů a zkracuje je dřív, než skončí v kontextovém okně modelu. Nad tím je ještě dashboard a příkazy typu lean-ctx gain, které ukazují spotřebu tokenů a odhadované úspory.
Projekt uvádí několik konkrétních čísel. Opakované čtení souboru, které by jinak stálo zhruba 2000 tokenů, má po cache podle autorů stát přibližně 13 tokenů. Surový git status má být zhruba 800 tokenů, komprimovaná varianta okolo 120 tokenů. Celkově projekt uvádí 60 až 90 % méně tokenů u čtení a shell výstupů, v některých externích popisech se objevují ještě vyšší úspory pro konkrétní typy vstupů. Důležité je, že jde o čísla uváděná projektem, ne o nezávislý benchmark.
Pro vývojáře je zajímavá hlavně kombinace nízké invazivnosti a viditelnosti. Instalace může proběhnout přes install script, Homebrew, npm nebo Cargo a onboarding má detekovat dostupné AI nástroje. LeanCTX lze vypnout pro aktuální shell přes lean-ctx-off, obejít kompresi u jednoho příkazu přes --raw a nastavit aktivaci jen pro agent sessions. To je praktické, protože podobná vrstva zasahuje do workflow citlivě: špatně zvolená komprese může modelu odebrat informaci, kterou právě potřebuje.
Zdroje:
