$ loading_
压缩并分析超大模型上下文与代理载荷，保留关键信息以提升推理效率。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"distill-mcp-v2" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请将这份 AI 代理运行日志压缩为适合再次输入模型的上下文，保留目标、关键决策、错误原因、工具调用结果和未完成事项，并按要点输出。
一份高密度摘要，保留关键语义，便于继续推理或接续执行。
分析这段多轮对话与工具输出，提炼用户需求、约束条件、已尝试方案、失败模式和下一步建议，尽量减少 token 占用。
结构化上下文摘要，可直接作为后续模型调用的精简输入。
检查这份大型提示词与附加数据包，指出冗余内容、重复信息、关键语义块和可安全删除的部分，并给出优化后的压缩版本。
一份载荷诊断结果与压缩后的提示版本，帮助降低上下文成本。
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。
压缩长文本上下文并按标题标签检索，显著降低大模型 token 消耗。
通过 MCP 提供内容压缩能力，帮助缩短上下文并优化 AI 工作流传输效率。
作为 MCP 服务器与代理压缩提示词和回复，降低大模型令牌成本。
通过多模型与可视化工具，用自然语言完成软件开发、调试与成本管理。
在终端统一调用多家AI模型，完成文本、图像、视频生成与搜索对比。