Headroom：帮 Agent 省下 90% 的 Token！

Agent 跑久了，搜索结果、日志、JSON 等工具输出越堆越多，Token 成本怎么降？

Headroom 是一个开源的上下文优化工具，部署在 Agent 等模型应用与模型服务之间，在请求进入模型前先处理上下文。它会识别 JSON、日志、搜索结果、代码、文本等不同内容，再决定压缩还是原样透传。

被压缩内容的原文会保存在本地缓存中，并可通过 CCR（Compress-Cache-Retrieve）机制按需取回。通过本地代理接入时，模型可以调用 Headroom 提供的取回工具重新获取完整原文。

Headroom 提供多种接入方式：
1️⃣Claude Code、Codex 等 Coding Agent 可以通过 Headroom 的 wrap 命令接入；
2️⃣已有模型应用可以通过本地代理接入 Headroom；
3️⃣自研 Agent 可以直接使用 Python SDK；
4️⃣TypeScript SDK 则通过本地 Headroom 代理执行压缩。

官方 Quickstart 的一个搜索结果示例中，Token 从 45,000 降到 4,500，压缩 90%；其他官方可复现场景的节省比例为 21%～57%，实际效果取决于输入内容和重复程度。

如果你经常使用 Coding Agent 跑长任务，或者正在开发包含大量工具调用、JSON、日志、数据库结果的 Agent 应用，这类场景更适合使用 Headroom。短对话、单轮请求和上下文本来就很少的场景，压缩空间通常有限。

项目地址：github.com/headroomlabs-ai/headroom

Headroom Agent CodingAgent 上下文工程 Token优化 LLM 开发者工具 开源项目 GitHub