$ 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。
将本地 PDF、DOCX 等文档转换为干净精简的 Markdown，降低大模型处理成本。
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。
压缩 MCP 工具 schema，显著降低 token 消耗并保持完整语义与确定性。
集中管理多个MCP服务器并按需加载工具模式，降低大模型上下文占用。
通过 MCP 为 AI 编码代理提供文件、Git、数据库与计算能力，提升开发自动化效率。