Cette catégorie couvre en réalité deux problèmes distincts : réduire les sorties qui gonflent la fenêtre de contexte (compression) et ne pas perdre les informations sur le projet entre les sessions (mémoire persistante). L’efficacité en tokens comporte aussi plusieurs niveaux : les sorties du shell, les réponses du modèle et les réponses des outils sont ciblées par des outils différents. Activer deux hooks à la fois au même niveau peut annuler les économies. Le guide d’Anthropic sur l’ingénierie du contexte souligne lui aussi que l’objectif est d’obtenir « le plus petit ensemble de tokens présentant le plus fort signal » [7].
Soyez particulièrement attentif à la qualité des preuves dans ce domaine. Seuls deux outils ont fait l’objet de tests comparatifs indépendants, et les résultats des deux sont très inférieurs aux promesses : Caveman affiche 8,5 % [1], tandis que RTK ne réalise aucune économie, voire entraîne une hausse [2]. Les chiffres des autres outils proviennent de leurs propres benchmarks ; le classement ci-dessous accorde donc davantage de poids à la qualité de conception, à la transparence et aux paramètres de confidentialité par défaut. ECC, dans votre liste, a été déplacé vers la catégorie 1 ; les quatre autres outils figurent dans cette liste.
Bibliothèque, proxy et serveur MCP pour compresser localement et de façon réversible le contexte des agents
Un plugin de mémoire automatique et persistante qui conserve le contexte entre les sessions d’agent
Serveur MCP et plugin qui traitent les sorties volumineuses des outils de manière isolée et préservent la mémoire de la session
Une mémoire MCP locale qui partage les sessions et les décisions de projet entre les agents de codage
Un skill qui raccourcit les réponses de l’agent ; une CLI qui compresse aussi les sorties des outils
SDK et infrastructure auto-hébergeable pour ajouter une mémoire persistante aux applications d’agent
Une mémoire persistante partagée, basée sur Markdown et dotée d’une recherche hybride, pour les agents de codage
Un moteur de contexte qui fournit aux agents une mémoire persistante, des profils utilisateur et du RAG hybride
Un ensemble de skills qui enseigne aux agents la conception de l’ingénierie du contexte, de la mémoire et de l’évaluation
Serveur MCP local-first qui fournit une mémoire persistante à l’agent dans des fichiers Markdown