Headroomは、LLMへ渡すツール出力を先に小さくする圧縮レイヤー
ツールの出力、ログ、ファイル、RAG チャンクを LLM に到達する前に圧縮します。コーディング エージェントのトークンは 20% 減少し、JSON のトークンは 60 ～ 95% 減少しました。答えは同じです。ライブラリ、プロキシ、MCP サーバー。
ひと目でわかる
- これは何？
- ログ、ファイル、RAGチャンク、会話履歴をモデル到達前に処理するPython・TypeScriptライブラリで、プロキシとMCPサーバーも提供します。
- 誰に向いている？
- Headroomが適するのは、エージェントのツール出力やJSONが大きく、入力トークンを抑えたいチームです。READMEの20%、60から95%という削減値は自己報告で、回答品質や自社データへの再現性を保証しません。
- 商用利用できる？
- できます。Apache-2.0 は寛容なライセンスで、著作権表示とライセンス表示を残せば、使用・改変・販売が可能です。
- 今もメンテナンスされている？
- されています。最後のコミットは 1 日前です。
- 何の言語で書かれている？
- 主に Python です（GitHub の言語統計による）。
回答はプロジェクトの GitHub データ（最終同期：2026年9月15日）と当サイトの分析に基づくもので、法的助言ではありません。
オープンソース詳細解説
モデルが読む前に圧縮する
Headroomは、AIエージェントが読む素材（ツール出力、ログ、RAGチャンク、ファイル、会話履歴）を圧縮するPythonおよびTypeScriptライブラリ、プロキシ、MCPサーバーです。READMEはこれをローカルファーストのレイヤーと位置づけています。プロキシはあなたのマシンで実行され、原本はCCRを介してオンデマンド取得のためにキャッシュされるため、圧縮は可逆です。リポジトリはJSONデータで60〜95%、コーディングエージェントで15〜20%のトークン削減を主張し、回答は同じだと述べています。これらの数字はREADMEの冒頭バナーと証明テーブルにありますが、ソースは独立に検証していません。
ルーティングと圧縮パイプライン
READMEは異なる段階を持つパイプラインを説明しています。ContentRouterはコンテンツタイプを検出して圧縮器を選択します。JSONにはSmartCrusher、複数言語のASTにはCodeCompressor、散文にはエージェントトレースで訓練されたHuggingFaceモデルKompress-v2-baseを使用します。CacheAlignerはプロバイダーのKVキャッシュプレフィックスを無効化する可能性のある揮発性コンテンツをプロンプトから検査し、書き換えずに警告します。CCRは原本をローカルに保存し、LLMが完全なテキストを必要とするときにheadroom_retrieveを呼び出せるようにします。ライブゾーン圧縮は新しいバイトのみを圧縮し、凍結されたプレフィックスをバイト同一に保ってプロバイダーキャッシュを維持します。READMEはSetupからResponse Receivedまでのライフサイクルと、変換および拡張フックも列挙しています。
インストール経路とCLIの境界
インストールは複数のチャネルで提供されています。uv tool install --python 3.13 "headroom-ai[all]"は隔離環境にCLIをインストールします。pip install "headroom-ai[all]"はheadroomコマンドを含みます。npm install headroom-aiはTypeScript SDKのみを提供し、CLIはありません。Dockerイメージはghcr.io/chopratejas/headroomから入手できます。Python 3.10以上が必要です。READMEは[proxy]、[mcp]、[ml]、[code]、[memory]、[vector]などの細かいエクストラに言及し、[all]はLangChainやAgnoなどのフレームワークアダプターを含まないと警告しています。CLIはPyPIパッケージを通じてのみ配布され、npmパッケージはライブラリのインポートです。
報告された節約とベンチマーク数値
証明セクションは4つのワークロードでのトークン節約を報告しています。コード検索（92%）、SREインシデントデバッグ（92%）、GitHub issueトリアージ（73%）、コードベース探索（47%）です。ベンチマークではGSM8Kの精度は0.870で不変、TruthfulQAは0.530から0.560に向上、SQuAD v2とBFCLはそれぞれ19%と32%の圧縮で97%でした。READMEは再現コマンドを提供しています：python -m headroom.evals suite --tier 1。これらは自己報告の数値であり、リポジトリには独立した検証の記述はありません。
出力トークンの整形
入力圧縮に加えて、Headroomはシステムプロンプトの末尾に簡潔さのメモを追加し、日常的なターンの思考努力を下げることで出力トークンを削減できます。これはデフォルトでオフであり、HEADROOM_OUTPUT_SHAPER=1で有効化します。プロキシは各リクエストで設定をライブで読み取り、headroom wrapはループバックエンドポイントを介して現在の設定をホット同期します。headroom learn --verbosityは過去のセッションから望ましい簡潔さを推測できます。出力節約は信頼区間付きの推定値として報告されるか、HEADROOM_OUTPUT_HOLDOUT=0.1でホールドアウトグループを設定した場合は測定値として報告されます。READMEはこの推定は誠実であり、決して捏造された数字ではないと述べています。
エージェントラッパーと統合マトリックス
エージェント互換性マトリックスは、Claude Code、Codex、Grok CLI、Cursor、Aider、Copilot CLI、VS Code Copilot、OpenClaw、OpenCode、Cline、Continue、Goose、OpenHands、Mistral Vibe、Oh My Pi、Cortex Code、Kimi CLI、ZCodeのラッパーを列挙しています。ほとんどがheadroom wrapをサポートし、CursorとZCodeは手動設定用のベースURLを出力し、Cortex Codeはライブラリのみです。ラッパーはセマンティックコードナビゲーション用にSerenaをインストールできます。複数のツールでunwrapがサポートされています。別のセクションではGitHub Copilot CLIサブスクリプションモードを説明しており、OAuthトークンを交換してプロキシ経由でルーティングします。VS Code Copilotの場合、headroom wrap vscodeはVS Codeにパッチを当てずにAPIプロキシエンドポイントを上書きします。VS Code内のClaude Codeはheadroom wrap vscode-claudeを使用します。READMEはWindowsとLinuxの一部の認証探索パスがまだ検証を必要としていると述べています。
チーム向け提供、ライセンス、ソースが語らないこと
READMEはHeadroom OSSが個人開発者向けに構築されており、管理された提供が組織向けに利用可能であると述べています。リポジトリのすべてはApache 2.0の下にあります。ライセンス抜粋は、複製、派生作品の作成、配布のための永続的、世界的、非独占的、無償、取消不能な著作権ライセンスと、特許訴訟時に終了する特許ライセンスを付与します。ライセンス文書はサポート、保証、セキュリティ体制については何も述べておらず、READMEも報告されたベンチマークを超える独立したセキュリティ監査や性能保証を説明していません。チーム向けには、READMEは価格やサービスレベルを詳述せずにメール連絡先を指しています。
編集部の結論
Headroomが適するのは、エージェントのツール出力やJSONが大きく、入力トークンを抑えたいチームです。READMEの20%、60から95%という削減値は自己報告で、回答品質や自社データへの再現性を保証しません。まず小さなログとRAG入力を同じモデルへ圧縮前後で渡し、出力、レイテンシ、失われたフィールドを記録してからプロキシやMCP統合へ進んでください。
コミュニティノート