AI 에이전트 토큰 다이어트 & 컨텍스트 압축기

거대 JSON API 응답, 수만 줄의 에러 로그, 마크다운 문서를 핵심 구조와 고유 에러 패턴만 추출해 토큰 소비를 최대 95% 절감해요 (LLM 토큰 절감, Prompt Diet, Context Compression, GPT-4o, Claude 3.5 Sonnet, MCP)

llms.txt

내 기기에서 처리입력·파일 자동 업로드 없음영구 저장 없음민감한 원문을 기록하지 않음PWA 확인 중방문·준비한 도구 자원 재사용

다운로드 파일명 agent-token-diet-result.txt

입력값은 이 브라우저의 메모리에서만 처리됩니다.

고급 기능 · 공유·연결·단축키

입력 데이터는 저장하거나 주소에 넣지 않습니다. 공유 기능은 선택·체크·범위 같은 옵션만 다룹니다.

⌘/Ctrl + K: 도구 빠른 검색
Alt + S / R / W: 샘플 · 초기화 · 좌우 교환
⌘/Ctrl + Shift + C / D: 결과 복사 · 다운로드
Esc: 진행 중인 대용량 작업 취소

모드:

대용량 JSON / 로그 / 텍스트 파일 드래그 앤 드롭 또는 선택브라우저 메모리에서만 즉시 스트리밍 처리되며 서버로 전송되지 않습니다.

원본 추정 토큰

383 tokens

다이어트 후 토큰

169 tokens

토큰 절감률

↓ 56% 절감

예상 API 비용 절감 (1회당)

$0.00064

💡 왜 단순 축소가 아닌 100% 핵심 정보 보존(Semantic Lossless)인가요?

• JSON 스키마 무손실: 반복되는 수천 개 행의 중복 텍스트만 걷어내고, 모든 필드명과 데이터 타입, 총 개수, 대표 샘플은 100% 보존하여 LLM의 코드/SQL 생성에 정보 누락이 없습니다.
• 에러 스택트레이스 완전 보존: 핑/정상 로그 노이즈만 제거하고, 에러 발생 파일, 라인 번호, 호출 스택, 반복 횟수는 단 1줄도 생략 없이 유지됩니다.
• 환각(Hallucination) 방지: 프롬프트가 과도하게 길어질 때 발생하는 'Needle in a Haystack' 주의력 분산을 차단하여 LLM 추론 정확도가 대폭 향상됩니다.

null / 빈값 필드 제거배열 샘플 유지 개수:

📥 원본 데이터 (JSON / Log / Text)

{
  "status": "success",
  "code": 200,
  "data": [
    {
      "id": 1,
      "name": "Alpha Service",
      "host": "10.0.1.15",
      "status": "HEALTHY",
      "tags": [
        "core",
        "gateway"
      ],
      "metrics": {
        "cpu": 12.4,
        "mem": 45.1
      },
      "metadata": null
    },
    {
      "id": 2,
      "name": "Beta Worker",
      "host": "10.0.1.16",
      "status": "HEALTHY",
      "tags": [
        "worker",
        "async"
      ],
      "metrics": {
        "cpu": 88.1,
        "mem": 72.3
      },
      "metadata": null
    },
    {
      "id": 3,
      "name": "Gamma DB",
      "host": "10.0.1.17",
      "status": "WARNING",
      "tags": [
        "db",
        "primary"
      ],
      "metrics": {
        "cpu": 94.2,
        "mem": 89.9
      },
      "metadata": null
    },
    {
      "id": 4,
      "name": "Delta Cache",
      "host": "10.0.1.18",
      "status": "HEALTHY",
      "tags": [
        "cache"
      ],
      "metrics": {
        "cpu": 5.1,
        "mem": 21
      },
      "metadata": null
    },
    {
      "id": 5,
      "name": "Epsilon Logger",
      "host": "10.0.1.19",
      "status": "HEALTHY",
      "tags": [
        "log"
      ],
      "metrics": {
        "cpu": 14.8,
        "mem": 33.2
      },
      "metadata": null
    }
  ],
  "pagination": {
    "page": 1,
    "limit": 100,
    "total": 500
  },
  "debug_trace_id": null,
  "internal_audit_key": ""
}

⚡ 에이전트 최적화 압축 결과

{
  "status": "success",
  "code": 200,
  "data": [
    {
      "id": 1,
      "name": "Alpha Service",
      "host": "10.0.1.15",
      "status": "HEALTHY",
      "tags": [
        "core",
        "gateway"
      ],
      "metrics": {
        "cpu": 12.4,
        "mem": 45.1
      }
    },
    {
      "id": 2,
      "name": "Beta Worker",
      "host": "10.0.1.16",
      "status": "HEALTHY",
      "tags": [
        "worker",
        "async"
      ],
      "metrics": {
        "cpu": 88.1,
        "mem": 72.3
      }
    },
    "... [3 more items omitted]"
  ],
  "pagination": {
    "page": 1,
    "limit": 100,
    "total": 500
  }
}

도구를 준비하고 있습니다…

✓브라우저 안에서 안전하게 입력한 데이터와 파일은 서버로 전송하거나 저장하지 않고 현재 브라우저에서만 처리합니다.

FRIENDLY GUIDE

AI 에이전트 토큰 다이어트 & 컨텍스트 압축기, 이렇게 사용해 보세요

거대 JSON API 응답, 수만 줄의 에러 로그, 마크다운 문서를 핵심 구조와 고유 에러 패턴만 추출해 토큰 소비를 최대 95% 절감해요 (LLM 토큰 절감, Prompt Diet, Context Compression, GPT-4o, Claude 3.5 Sonnet, MCP) 처음 사용하는 분도 아래 순서대로 진행하면 쉽게 결과를 만들 수 있어요.

언제 사용하나요?

Claude, ChatGPT, Cursor, Windsurf 등의 AI 에이전트에게 수만 줄의 원본 데이터나 로그를 통째로 넘기기 전, 컨텍스트 초과 오류를 방지하고 비용을 아끼고자 할 때 매우 유용합니다.

어떻게 사용하나요?

1압축할 대용량 JSON, 에러 로그 파일 또는 텍스트를 붙여넣거나 파일을 드롭하세요.
2실시간 절감 대시보드에서 줄어든 토큰 수와 절감률(%)을 확인하세요.
3배열 샘플 유지 개수나 에러 전용 추출 등 세부 옵션을 조정한 뒤 '에이전트 프롬프트용 복사'를 클릭하세요.

주요 기능과 옵션

거대 JSON API 응답, 수만 줄의 에러 로그, 마크다운 문서를 핵심 구조와 고유 에러 패턴만 추출해 토큰 소비를 최대 95% 절감해요 (LLM 토큰 절감, Prompt Diet, Context Compression, GPT-4o, Claude 3.5 Sonnet, MCP)
대용량 JSON, 에러 로그, 마크다운 텍스트를 LLM 프롬프트에 최적화된 초경량 데이터로 압축하여 토큰 소비를 70~95% 절감하고 API 호출 비용을 최소화합니다.
입력값은 네트워크로 보내지 않고 현재 브라우저에서만 계산합니다.

GLOSSARY

알아두면 좋은 용어

토큰 다이어트(Token Diet): LLM이 처리하기에 비효율적인 반복 데이터, 빈 필드, 핑 로그를 결정론적 알고리즘으로 제거하여 컨텍스트 창을 최적화하는 기법
스키마 추상화(Schema Abstract): 수백 개의 배열 아이템을 전부 전달하지 않고 1~2개 대표 샘플과 전체 아이템 수 메타데이터만 남겨 구조를 요약하는 방법
에러 시그니처 중복 제거: 반복해서 쏟아지는 동일한 스택트레이스를 그룹화하고 고유 에러 패턴 및 발생 횟수만 요약하는 처리
BPE 토큰 추정치: 바이트 페어 인코딩(Byte Pair Encoding) 기반으로 프롬프트에 투입될 근사 토큰 수와 예상 절감 비용을 실시간 계산하는 지표

TIP프롬프트 입력 전 '⚡ 샘플 JSON'이나 '📋 샘플 로그' 버튼으로 압축 전후 토큰 수와 절감률(%)을 비교해보세요. '에이전트 프롬프트용 복사'를 누르면 즉시 LLM에 붙여넣을 수 있습니다.

LIMIT모든 압축은 100% 브라우저 메모리 안에서 결정론적 규칙으로 수행되며, 외부 LLM API로 데이터를 전송하지 않습니다.