Esta categoría abarca en realidad dos problemas distintos: reducir las salidas que saturan la ventana de contexto (compresión) y no perder información del proyecto entre sesiones (memoria persistente). La eficiencia de tokens tampoco se limita a una sola capa: las salidas de la shell, las respuestas del propio modelo y las respuestas de las herramientas se abordan con soluciones diferentes. Activar dos hooks superpuestos en la misma capa puede anular el ahorro. La guía de ingeniería de contexto de Anthropic también destaca que el objetivo real es «el conjunto de tokens más pequeño con la mayor densidad de señal» [7].
Presta especial atención a la calidad de la evidencia en este ámbito. Solo hay dos herramientas con pruebas comparativas independientes, y ambas quedaron muy por debajo de lo anunciado: Caveman ahorró un 8,5 % [1] y RTK logró un ahorro nulo o negativo [2]. Las cifras del resto de herramientas se basan en sus propios benchmarks; por eso, la clasificación de abajo pondera la calidad del diseño, la transparencia y los valores predeterminados de privacidad. ECC, que estaba en tu lista, se trasladó a la categoría 1; las otras cuatro herramientas están en esta lista.
Biblioteca, proxy y servidor MCP que comprimen el contexto del agente localmente y de forma reversible
Plugin de memoria automática y persistente que conserva el contexto entre sesiones del agente
Servidor MCP y plugin que procesan salidas voluminosas de herramientas de forma aislada y conservan la memoria de la sesión
Memoria MCP local para compartir sesiones y decisiones de proyecto entre agentes de programación
Un skill que acorta las respuestas del agente; la CLI también comprime las salidas de herramientas
SDK e infraestructura alojable por tu cuenta para añadir memoria persistente a aplicaciones de agentes
Memoria persistente compartida basada en Markdown, con búsqueda híbrida para agentes de programación
Motor de contexto que proporciona a los agentes memoria persistente, perfiles de usuario y RAG híbrido
Un paquete de skills que enseña a los agentes a diseñar la ingeniería de contexto, la memoria y la evaluación
Servidor MCP local-first que ofrece memoria persistente para agentes en archivos Markdown