$ loading_
用 TraceFlow 指标压缩与分析提示词，并支持路由和缓存优化。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"TraceFlow Compress" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 TraceFlow Compress 压缩这段提示词，并比较压缩前后的 token、成本和延迟变化：<粘贴提示词>
返回压缩后的提示词，以及压缩前后在 token、成本和延迟上的对比结果。
分析这段提示词的 TraceFlow 指标，包括 tokens、cost、latency、compute、energy 和 carbon：<粘贴提示词>
输出该提示词的关键指标分析，帮助判断是否需要进一步优化。
根据 TraceFlow 指标为以下两类提示词制定路由和缓存策略，并说明原因：A. 高频短提示词；B. 长上下文复杂提示词。
给出适合不同提示词类型的路由与缓存建议，以平衡成本、速度和资源消耗。
开发者在接入大模型应用时，可用它压缩提示词并查看 tokens、成本和延迟等指标，减少调用开销。对于高频请求场景，这有助于更稳定地控制预算。
运维或平台团队可以结合分析、路由和缓存能力，为不同类型的提示词请求设计处理策略。这样能在响应速度、计算资源和成本之间取得更好的平衡。
关注可持续性的团队可通过它查看 energy 和 carbon 等指标，评估提示词优化带来的资源与环境影响变化。适合将性能与环保目标一起考量的场景。
它是一个无服务器 MCP 连接器，用于基于 TraceFlow 指标压缩提示词。它还提供分析、路由和缓存相关工具。
给定信息显示它涉及 tokens、cost、latency、compute、energy 和 carbon。这些指标可用于评估提示词优化效果。
当前素材只说明它是一个无服务器 MCP 连接器，未提供具体安装步骤、运行时或密钥要求。更详细信息见源码仓库。
通过 OAuth2 授权，让 AI 安全访问 Appwrite 任务，实现任务读取与管理。
通过自然语言调用 MetricFlow，查询指标、维度并执行数据分析操作。
压缩并代理 MCP 响应，帮助大模型降低令牌消耗并高效调用工具。
让 AI 直接查询并分析应用链路追踪数据，快速定位故障与性能瓶颈
压缩 MCP 工具 schema，显著降低 token 消耗并保持完整语义与确定性。
只读查询 LangSmith 追踪记录、运行层级与链接，便于排查和分析 LLM 调用。