Entroly

社区

为 AI Agent 提供可恢复、可审计的上下文压缩。

分类: 开发工具第 26 / 438
Stars: ★ 478 非常热门
传输方式: stdio（本地进程）
运行环境: Python · Node.js
凭据: 无需凭据
许可证: Apache-2.0
最近提交: 10 天前

67FMRS · C

Entroly 面向需要上下文治理而非聊天运行时的 AI Agent 开发者。它提供本地优先的选择、压缩、恢复、回执和验证能力，支持 Python/PyPI、Node/npm 和 stdio MCP。主要限制是实际拦截范围取决于集成方式，恢复依赖本地状态，且 token 节省和质量结果必须在目标工作负载上自行验证。

最强项 · 文档质量 17/20 最弱项 · 可靠性 10/20

可靠性

10/20

安全与权限

14/20

维护活跃度

13/20

文档质量

17/20

安装易用性

13/20

查看各项评分依据

可靠性 10/20: 静态材料显示存在版本化的 PyPI/npm stdio 清单、验证命令、错误边界和多种恢复机制，MCP 启动路径看起来合理。但未提供实际服务器源代码、CI 工作流或提交的 MCP 握手/工具测试，因此无法验证初始化、工具列表与实现一致性；复杂功能面和大量未逐项核验的声明也增加不确定性，故扣分。
安全与权限 14/20: 材料明确描述本地优先、默认不发送分析数据、代理由用户配置上游、凭据不持久化，以及带项目、范围和期限的 MCP 授权；未见恶意软件、凭据窃取或无确认的删除/支付/部署红线。但缺少源代码和权限实现证据，且系统会处理源码、对话、日志和恢复存储，数据保留、文件权限、网络边界及危险操作确认仍不充分，故未给满分。
维护活跃度 13/20: 项目使用 Apache-2.0，当前版本为 1.0.67，仓库未归档且有明确维护者和大量功能文档；但提供材料没有提交历史、发布频率、依赖更新记录、漏洞响应流程或安全联系渠道。开放问题数为零不能证明持续维护，因此扣分。
文档质量 17/20: README 覆盖安装、多个集成路径、认证边界、恢复、成本口径、性能限制、基准范围和故障边界，且多次区分本地估算与 provider-observed 结果，文档完整度较高。扣分原因是 MCP 工具的逐项参数/返回契约、权限矩阵、平台依赖和排障证据未完整提供，部分内容依赖未给出的文档和源文件。
安装易用性 13/20: 提供 PyPI、npm、uvx、Docker、stdio MCP、代理、CLI 和 Claude Code/Codex/OpenClaw 等示例，主流路径清晰且无需在示例中暴露真实密钥。扣分原因是集成选择很多、Python/Rust/WASM/代理模式增加复杂度，客户端行为存在模式边界，且没有源文件、CI 或真实握手测试来证明安装后连接必然成功。

静态评测 · 未实际运行收录于 2026-07-30

查看 FMRS 评分方法 →

选型与风险

能访问什么读取本地文件写入 / 删除本地文件访问网络

适合谁

大型代码库和文档集合
多轮、日志密集型 AI Agent 会话
需要证据追溯、恢复和审计记录的团队
希望在本地运行并控制模型集成路径的开发者

不适合谁

上下文很短或已经低于预算的项目
需要自动拦截所有模型请求的 MCP-only 集成
要求始终保留完整上下文的任务
需要将有限基准结果视为所有模型和生产工作负载保证的场景

所需权限

需要访问所配置项目中的本地代码、文档、日志或其他上下文数据
MCP attachment 可按项目、范围和过期时间授予并可撤销
代理模式需要用户自行配置相应 provider API key；Entroly 不选择 provider 或接收其凭据

风险与副作用

压缩可能遗漏相关证据；应检查 Context Receipt 和验证结果
精确恢复依赖 receipt 和本地 recovery store，删除这些状态会删除恢复路径
MCP 集成不会自动拦截每个模型请求；provider savings 需要请求经过 Entroly proxy
代理对未知或歧义结构会原样传递，无法安全压缩时可能返回 413
README 中的基准是特定数据集、预算、模型和版本上的结果，不是普遍保证

安装接入

准备工作

运行环境：Python · Node.js

其他可选配置项（6 个）

ANTHROPIC_BASE_URL 可选将应用请求指向本地 Entroly 代理（http://localhost:9377）的可选环境变量；仅代理模式使用。

OPENAI_BASE_URL 可选将 OpenAI 兼容客户端指向 Entroly 代理（http://localhost:9377/v1）的可选环境变量；仅代理模式使用。

GOOGLE_GEMINI_BASE_URL 可选将 Gemini 客户端指向 Entroly 代理（http://localhost:9377/v1beta）的可选环境变量；仅代理模式使用。

ENTROLY_LOCAL_NLI 可选设为 1 时启用可选的本地 DeBERTa NLI 验证，无需 API 密钥。

ENTROLY_NO_DOCKER 可选设为 1 时 `entroly serve` 使用已安装的 Python 运行时而非默认 Docker 镜像。

ENTROLY_VERIFIED_DREAMING 可选设为 1 时启用实验性的 verified dreaming 自我改进循环（可选）。

安装 Python 包：pip install -U entroly。将 Entroly 注册为 stdio MCP 服务器，命令为 entroly 且不带参数；也可使用 entroly init，或针对 Claude Code、Codex、OpenClaw 使用 entroly attach create --client <client> --project . --ttl 4h --install。安装后可运行 entroly verify-claims 和 entroly simulate 进行本地检查。

claude_desktop_config.json

{"mcpServers":{"entroly":{"command":"entroly","args":[]}}}

以 Claude Desktop 为例。其他客户端的配置文件位置或字段可能不同（如 VS Code 使用 servers 字段），可用下方配置生成器转换。

.vscode/mcp.json

{
  "servers": {
    "entroly": {
      "command": "entroly",
      "args": []
    }
  }
}

写入项目的 .vscode/mcp.json（VS Code 使用 servers 字段）。

Terminal

claude mcp add entroly -- entroly

在终端运行；先把 <…> 占位符换成你自己的值。

生成并校验客户端配置

验证是否装好

运行 `entroly verify-claims` 完成本地自检（无需 API key）；在 MCP 客户端中确认 entroly 服务器已启动并提供上下文优化、检索、回执与验证工具。

常见排障

运行 entroly verify-claims 检查安装、导入、压缩、恢复和引擎模式
运行 entroly simulate 或 entroly perf 检查本地 token 估算和延迟
确认 MCP 客户端使用 stdio 命令 entroly 且不带参数
代理模式确认应用的 base URL 已指向 localhost:9377，并正确配置上游 provider
若没有 provider-bound 请求，检查客户端是否绕过了自定义端点或仅使用 MCP 模式
检查 receipt 和 recovery store 是否仍保留，以确保遗漏内容可恢复

试试这样问

连接成功后，可以直接对 AI 助手这样说：

压缩这段 API 响应到 2000 token 以内，并给我一份包含被省略内容的回执。
检查这个回答是否与提供的证据一致，指出没有依据的声明。
在我的仓库上做一次本地 token 节省估算，不调用任何模型。
恢复之前被压缩省略的那段认证相关代码原文。

使用场景

在预算内选择和压缩代码库或文档上下文

压缩重复的终端、测试和函数输出并保留恢复句柄

生成 Context Receipt，记录选中、遗漏、风险和指纹

对遗漏内容进行精确恢复和可重放验证

使用 WITNESS 根据证据检查回答

在本地估算 token 减少并观察 provider-bound 请求价值

支持客户端

Claude Desktop

Claude Code

Codex

OpenClaw

Cursor

Windsurf

VS Code MCP clients

Zed

GitHub Copilot CLI部分支持

依据项目文档列出，未经本站实测。

详细介绍

Entroly 是一个本地 Context OS 和 MCP 服务器，在模型请求前发现、排序、去重并压缩工具输出、日志、文件、对话和 RAG 上下文。它通过预算感知选择、内容寻址恢复和 Context Receipt 保留关键证据，并提供本地验证、恢复、缓存、记忆和成本观测能力。源码声明在测量工作负载上最多可减少 90% 的不必要 token，但实际效果取决于工作负载和集成路径。