AIが読み込むデータを最大9割圧縮する開発ツール「Headroom」が登場

AIエージェントが参照する各種データを受信前に手元の環境で圧縮し、言語モデルの利用コストとデータ量を抑えるソースコードを無償で一般に公開し、誰でも自由に利用や改良、再配布ができるようにした仕組み。">オープンソースツール「Headroom」が公開された。ツールの実行結果やログ、RAG（検索拡張生成）の取得文章、ファイル内容、会話履歴などをモデルへ送信する直前に圧縮する。圧縮処理は利用者の端末上でのみ実行され、外部サーバーに内容が送信されることはない。

エージェントの運用では、繰り返しの多いログや膨大な構造化データによってデータ量が急増し、モデルの処理費用が高騰しやすい課題がある。Headroomは入力データの種類を自動判別し、JSONデータ向けには「SmartCrusher」、ソースコードには抽象構文木（AST）を考慮する「CodeCompressor」、一般的な文章には専用モデル「Kompress-v2-base」をそれぞれ適用する。圧縮前の原本はローカル環境に一時保存され、モデルが必要とした際にオンデマンドで全文を取得できる可逆性（CCR）を確保した。また、プロバイダー側のKVキャッシュを破壊しないよう、変化しやすい部分のみを調整する仕組みも組み込まれている。

公表されたベンチマークによると、圧縮にかかる処理時間は1万トークンのJSON検索結果で中央値0.21ミリ秒、10万トークンでも1.4ミリ秒にとどまり、応答速度への影響は極めて小さいとされる。繰り返しの多いJSON配列やログ出力では90%以上のデータ削減率を記録した。一方で、通常の散文や既に密度の高い文章では圧縮率は低くなる。回答精度を測るベンチマーク「TruthfulQA」を用いた検証（試行回数100）では、誤差範囲がプラスマイナス0.03以内に収まり、圧縮による有意な精度の変化は見られなかったという。

Headroomは入力データの圧縮に加え、モデルが出力する回答の削減機能も備える。最上位クラスのモデルでは出力トークンの単価が入力の約5倍に設定されていることが多い。挨拶文などの定型句を省く指示の自動付加や、単純なツール実行結果を受けた後の思考ステップを抑える制御を行い、出力に伴う費用を削減する。

利用形態としては、PythonやTypeScriptのライブラリとして組み込む方法のほか、ローカルプロキシとしての起動、主要なコーディング支援ツール（Claude Code、GitHub Copilot、Cursorなど）を1コマンドで連携させるラッパー機能を提供する。モデル間をまたいで利用できる共有メモリ機能や、MCP（Model Context Protocol）サーバーとしての動作にも対応している。