工具输出吃掉 98% 上下文？2.4 万星项目关进沙箱

AI 编码 agent 的上下文窗口，正在被自家工具吃掉：一次 Playwright 快照 56 KB，二十条 GitHub issue 59 KB，一份访问日志 45 KB，半小时后四成上下文没了；更糟的是压缩会话腾空间时，agent 会忘掉自己正在改哪些文件。context-mode 是 Hacker News 当日第一（570+ 分）的开源方案：2.4 万星，从四个方向把这个问题一起治了。

四件事一起做

沙箱工具输出：MCP 工具返回的原始数据不再直接灌进上下文，315 KB 的抓取结果被压成 5.4 KB 的摘要，减幅 98%，原始数据留在沙箱里按需取用。

会话连续性：每次文件编辑、git 操作、任务、报错和用户决策都进 SQLite；会话被压缩时不是把数据倾倒回上下文，而是索引进 FTS5、用 BM25 检索只取相关片段，模型从断点继续。不 --continue 时上一session数据立即删除，干净开局。

用代码思考：这是它最有趣的一条原则：LLM 应该写程序去做分析，而不是自己当计算器。数一遍 50 个文件里每个文件的行数，过去是 47 次 Read 吃掉 700 KB 上下文，现在是 1 次 ctx_execute() 跑段脚本只输出 3.6 KB 的结果，省 100 倍。这条范式在全部 17 个支持客户端里强制执行。

不管文风：它只管"数据去哪"，不管"模型怎么说话"。理由有出处：Moonshot AI 在 kimi-k2.5 上发现激进的简洁提示会拖累编码和推理基准，所以措辞留给你的 CLAUDE.md。

快速上手

Claude Code 走插件市场全自动安装；17 个支持客户端分两类：支持 hooks 的平台自动做路由强制，不支持的复制一次路由文件。需求只有 Python 3.8+ 和 yt-dlp 式的老朋友依赖栈，核心就一个 MCP server。

适合谁用

重度 MCP 用户：浏览器自动化、issue 批量读取、日志分析这类"工具输出爆炸"的场景，收益立竿见影。

长会话工作者：跨天的任务靠 SQLite 会话记忆接续，压缩不再等于失忆。

成本敏感团队：上下文即成本，98% 的工具输出减幅直接换算成账单。

两点背景：协议是 Elastic License 2.0（可自用可集成，但不能把它当托管服务卖），" teams at"徽章是 npm 下载来源统计而非商业合作。它和 Codex 自带的"笔记式上下文管理"是同一个问题的两条路线：一个外挂治理，一个原生改造，你可以都试。