Agentfit

io.github.MukundaKatta由 GitHub 账号 MukundaKatta 发布v0.1.0更新于 Oct 24, 2026

Token-aware message truncation: fit a chat history into your model's context budget.

已验证STDIO仅桌面开发者工具AI 与机器学习

概览

AI 生成的概览

本地 MCP 服务器，让助手估算 token 数量并把聊天记录裁剪到模型的上下文预算内。

可以做什么
  • 估算字符串或聊天消息数组的 token 数，支持按模型划分的估算器系列（openai、anthropic、google、llama、default）
  • 按 maxTokens 预算裁剪聊天记录，支持 drop-oldest、drop-middle 和 priority 策略，并遵循 preserveSystem、preserveFirstN、preserveLastN
  • 列出内置的估算器系列
  • 返回结构化结果，包含保留与丢弃的消息以及裁剪前后的 token 数；预算无法满足时返回 fit: false 而不是报错
适用场景
适合让助手检查一段提示或对话记录有多大，或在保留系统提示和最近几轮的前提下把长对话压缩到 token 上限。在把上下文发送给模型前做准备时很有用。
运行要求
以本地 stdio 进程运行，通常通过 npx 启动 npm 包 @mukundakatta/agentfit-mcp，因此需要 Node.js 和 npx。未声明认证、环境变量或请求头。仅支持桌面 MCP 客户端，无网页版。
安装前请注意
传给工具的聊天记录由本地服务器进程处理；README 说明 token 数为估算值，预算可能与服务商的精确计数不一致。该服务器只返回裁剪后的消息，本身不会修改你的数据。

安装

在 SourceWeft 中

  1. 打开 控制台中的 Agentfit，将其添加到工作区。
  2. 为需要使用其工具的对话启用该服务。

Desktop only，通过 STDIO。 STDIO 服务会启动本地进程，因此需要 SourceWeft 桌面宿主。

其他 MCP 客户端

参照 仓库 中的启动说明。

README

agentfit-mcp

MCP server for @mukundakatta/agentfit. Lets Claude Desktop, Cursor, Cline, Windsurf, Zed, or any other MCP client estimate token counts and fit a chat history into a model's context budget on demand.

bash
npx -y @mukundakatta/agentfit-mcp

Three tools:

  • count_tokens — estimate tokens in a string or chat-message array, with per-model estimator families (openai, anthropic, google, llama, default).
  • fit_messages — drop messages from a chat history until under a maxTokens budget. Supports drop-oldest, drop-middle, and priority strategies; honors preserveSystem, preserveFirstN, preserveLastN.
  • list_estimators — list the built-in estimator families.

Add to your client

Claude Desktop

Edit ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) or %APPDATA%\Claude\claude_desktop_config.json (Windows):

json
{  "mcpServers": {    "agentfit": {      "command": "npx",      "args": ["-y", "@mukundakatta/agentfit-mcp"]    }  }}

Cursor

~/.cursor/mcp.json:

json
{  "mcpServers": {    "agentfit": {      "command": "npx",      "args": ["-y", "@mukundakatta/agentfit-mcp"]    }  }}

Cline / Windsurf / Zed

Same shape as above. The server speaks plain MCP over stdio, so any client that supports stdio MCP servers will work.

Tool examples

count_tokens:

json
{ "input": "hello world", "model": "claude-sonnet-4-6" }

Returns:

json
{ "tokens": 4, "model": "claude-sonnet-4-6" }

fit_messages:

json
{  "messages": [    { "role": "system", "content": "You are precise." },    { "role": "user", "content": "long context..." },    { "role": "assistant", "content": "..." },    { "role": "user", "content": "final question" }  ],  "maxTokens": 8000,  "model": "claude-sonnet-4-6",  "preserveSystem": true,  "preserveLastN": 2,  "strategy": "drop-oldest"}

Returns:

json
{  "messages": [...],  "dropped": [...],  "tokens": { "before": 12000, "after": 7800, "budget": 8000 },  "fit": true}

fit_messages always returns a structured result and never throws across the wire: if the budget is unreachable even after dropping all non-protected messages, you get fit: false with the partial result so the caller can decide what to do.

Why a separate MCP server

@mukundakatta/agentfit is a zero-dependency JavaScript library. This package wraps it as an MCP server so it's accessible from inside any MCP-aware AI assistant: ask Claude "how many tokens is this transcript?" or "trim this chat to 8k tokens preserving the system prompt and last 2 turns" and the assistant calls these tools directly.

Sibling MCP servers

Part of the agent-stack series, all @mukundakatta/*-mcp:

License

MIT

来源：README.md，提交 6657bbb

工具

0
SourceWeft 尚未在沙箱中启动过该软件包，因此其工具未知。

版本历史

1
  1. v0.1.0最新Sep 16, 2026

评分

已满足适用检查项的 50%

该评分衡量此收录条目的完整程度，依据注册中心条目、端点与公开来源计算得出。它不是对服务器本身的评价，也不表示服务器安全或当前可用：可连通性是带日期的检查结果，评分也不包含安装量或用户评价。

  • 近 30 天内可连通25 分

    请保持端点能够响应 MCP 握手；SourceWeft 每 30 天探测一次。

  • 已声明认证方式10 分

    请在注册中心条目中声明凭据请求头，或保持端点能够响应探测，以便判定其认证方式。

  • 已列出工具15 分

    请让服务器在无凭据时响应 tools/list，或发布可在沙箱中无凭据启动的软件包。

  • 描述必需15 分
  • 图标10 分
  • 文档15 分
  • 许可证10 分