AIエージェントのトークン最適化とは、LLMに渡す入力を絞って消費量を下げる取り組みだ。Claude CodeやCodexを毎日使うと、コマンド出力、ファイルの読み直し、セッションごとの再説明が積み重なる。削る場所ごとに道具が違い、OSSでは RTK、Graphify、OpenWolf、MemPalace、OpenViking の5つが代表的だ。
この記事は、5つの README を2026-10-16に読み直し、公称値が何を測った数字かとライセンスを並べた。エージェント基盤そのものを選ぶ段階なら、先にAIエージェントフレームワーク比較2026|LangGraph・CrewAI・Dify等9種をStar数・実コードで検証を読むと全体像がつかめる。
WHERE TO CUTどこで削るか
トークンは入口ごとに別のツールで削る
-
コマンド出力
RTK
-
ファイル読み込み
Graphify
-
セッションの再開
OpenWolf
-
長期の記憶
MemPalace
-
自作エージェント
OpenViking
30秒でわかるトークン最適化
- ・手法は5つ。消費源に合わせて選ぶ。コマンド出力・ファイル読み込み・再説明・長期記憶・自作基盤のどれが重いかで決まる。
- ・公称値は並べて比べられない。71.5倍、96.6%、90%減はそれぞれ測っているものが違う。
- ・ライセンスが割れる。MITはMemPalaceだけで、OpenWolfとOpenViking本体はAGPLだ。
AIエージェントのトークン管理:消費はどこで増えるのか
LLM の料金は入力トークンと出力トークンの合計で決まる。エージェントを使うと、入力側が次の3か所で膨らむ。
・コマンド出力:git status やテストログの全文がそのまま入る。
・ファイルの読み込み:関連ファイルを次々開き、大きなコードベースでは同じファイルも繰り返し読む。
・セッションの再構築:会話が切れるたびに、リポジトリの説明や前回の試行を最初から渡し直す。
Codex でトークン消費を抑えたいときも考え方は同じで、まず上の3か所のどれが重いかを測る。加えて、会話をまたぐ記憶をどう持つかも別の論点になる。5つのOSSは、この4つ+自作エージェントの基盤に1つずつ対応する。
5つの手法を比べる
README の記載を横に並べると、次の表になる。
| ツール | 削る場所 | 仕組み | ライセンス |
|---|---|---|---|
| RTK | コマンド出力 | PreToolUse フックで出力を整形・圧縮 | Apache-2.0 + BUSL-1.1 |
| Graphify | ファイル読み込み | コードと文書を知識グラフ化して問い合わせる | ブランチで異なる(下記) |
| OpenWolf | セッションの再開 | .wolf/ にインデックス・メモ・チェックポイントを保存 |
AGPL-3.0 |
| MemPalace | 長期記憶 | 会話を原文のまま保存し、意味検索で呼び出す | MIT |
| OpenViking | 文脈とセッション間の記憶 | viking:// の仮想ファイルシステムで L0/L1/L2 に階層化 |
AGPLv3(CLI は Apache 2.0) |
Graphify は README 本文にライセンス記載が無く、LICENSE ファイルを 2026-10-16 に raw.githubusercontent.com から取得すると、master では Apache-2.0、v4 ブランチでは MIT だった。使うブランチの LICENSE を確認すること。以下、ツールごとに「何を代替するか」と README の範囲を見ていく。
RTK:コマンド出力のトークンを縮める
RTK は単一の Rust バイナリで、100以上のコマンドの出力をエージェントが読む前に圧縮する。git log はハッシュ・作者・件名だけ、pytest は失敗のみ、cargo test は成功を件数にまとめる、といった変換だ。オーバーヘッドは 10ms 未満とされる。
brew install rtk # macOS / Linux
rtk init -g # Claude Code / Copilot 向けフック
rtk gain # 節約量のダッシュボード。"command not found" なら別物
rtk gain が節約量を出すかどうかで、同名の別プロジェクト(crates.io に存在)と取り違えていないかを確かめられる。Codex は rtk init -g --codex、Cursor は rtk init -g --agent cursor だ。この手順は README 通りで、今回の環境には brew が無く実行はしていない(未検証)。
使う前に知っておく制約が3つある。
・フックが効くのは Bash ツール呼び出しだけ。Read・Grep・Glob といった組み込みツールは通らない。
・削減率は bash 出力に対する数字。入力全体にも請求額にもそのまま当てはまらない(README が明記)。
・パーセントは信頼できるが、トークンの絶対数は bytes / 4 の推定値。
ライセンスは完全版が Apache-2.0 + BUSL-1.1、rtk-oss が Apache-2.0 のみ。本番利用は無料で、制限されるのは RTK を第三者に商用サービスとして提供する場合だ。
Graphify:ファイル読み込みを知識グラフに置き換える
Graphify はコード・PDF・Markdown・画像を知識グラフにし、エージェントが生ファイルの代わりにグラフを引く。コードは tree-sitter で構文解析し、グラフは NetworkX と Leiden で構築、サーバー不要でローカルに完結する。
pip install graphifyy && graphify install # PyPI 名は graphifyy(y が2つ)
今回、仮想環境で上記をインストールし、graphify --help のコマンド一覧が出るところまで確認した。グラフの構築と問い合わせ(/graphify query)、画像解析に使う Claude の呼び出しは試していない。
README の 71.5倍は、Karpathy のリポジトリ・論文5本・画像4枚、計52ファイルの混合コーパスでの1クエリあたりの比だ。同じ README が「6ファイルならコンテキストに収まるので圧縮ではなく構造の見通しが価値になる」と書いており、効果はコーパスの大きさで変わる。自分のリポジトリの倍率は、構築時に表示されるトークンベンチマークで確かめる。詳しい使い方はGraphify入門で扱っている。
OpenWolf:セッション再開のトークンを減らす
OpenWolf は .wolf/ ディレクトリにプロジェクトの索引、メモ、バグ履歴、タスクのチェックポイントを置き、フックでセッション開始や圧縮時に復元する。メモリと索引の処理はローカルで動き、追加のモデル呼び出しは無い。対応は Claude Code と Codex CLI がフック、OpenCode がプラグイン、Cursor・Gemini CLI などはコンテキストのみだ。
npm install -g openwolf
openwolf init
v2.5.2 を空の git リポジトリで openwolf init した結果、.wolf/ に anatomy-index.json・cerebrum.md・buglog.json・memory.md・token-ledger.json・STATUS.md などが作られた。フックの実動作と削減量は Claude Code 上では測っていない。openwolf report で記録済みの使用量を見る設計だ。
旧版の説明にあった「平均65.8%削減」は、現行 README には載っていない。数字をそのまま引く記事は古い版を見ている可能性がある。ライセンスは AGPL-3.0 なので、社内で改変して配布する場合は条件を確認する。
MemPalace と OpenViking:記憶と文脈を持つ
MemPalace は会話履歴を要約せず原文のまま保存し、意味検索で呼び出す。人やプロジェクトが wing、話題が room、原文が drawer という構造で、検索範囲を絞れる。pip install mempalace のあと mempalace init・mine・search・wake-up を使う。CLI のヘルプは仮想環境で表示を確認した。
96.6% は LongMemEval 500問の想起率(R@5)で、API キーも LLM も使わない素の検索の値だ。トークン節約率ではない。ハイブリッド構成の 98.4% は調整に使っていない 450問での値と README が区別している。旧記事にあった「170トークンのウェイクアップ」は、現行 README に記載が無いため削除した。
OpenViking は ByteDance の Volcano Engine のプロジェクトで、文脈を viking:// の仮想ファイルシステムに置く。各ディレクトリに L0(1文の要約)、L1(概要)、L2(原本)があり、エージェントは要約を見てから必要なものだけ原本を開く。README は v0.3.22 の評価で、3つのエージェント連携の精度が 24〜57% から 80〜83% に上がり、入力トークンが 34.3〜91.0% 減ったと書く。評価には Doubao 2.0 Pro と埋め込みモデルが使われている。メモリプラグインのインストーラーが Claude Code・Codex・Cursor などに対応し、既存のエージェントにも入れられる。エージェントを自作する場合は、文脈管理の基盤にもなる。構成はOpenViking入門と、記憶側のMemPalace完全解説が詳しい。
PUBLISHED NUMBERS公称値の中身
数字は測っているものが別で、並べて比べられない
71.5倍
Graphify
52ファイルの混合コーパスで、1クエリあたりのトークン比
96.6%
MemPalace
LongMemEval 500問の想起率 R@5(節約率ではない)
34.3-91.0%
OpenViking
LoCoMo 評価で入力トークンが減った幅
自分の消費源に合わせて選ぶ
まず請求の内訳を見る。コマンド出力が長いなら RTK、巨大なコードベースを読み回しているなら Graphify、毎回の説明が重いなら OpenWolf が先だ。会話をまたいだ記憶が要るなら MemPalace、エージェントを自作するなら OpenViking を検討する。
| 状況 | 最初の一手 | 理由 |
|---|---|---|
| テストやビルドのログが長い | RTK | 出力の整形だけで済み、設定が最小 |
| 大きなリポジトリを何度も読む | Graphify | 生ファイルをグラフ問い合わせに置き換える |
| 毎回リポジトリの説明をやり直す | OpenWolf | 索引と checkpoint を保存して復元 |
| 長期の会話や好みを覚えさせたい | MemPalace | 原文保存+意味検索で、LLM 不要 |
| エージェントを自作している/複数のエージェントで記憶を共有したい | OpenViking | L0/L1/L2 で文脈を階層化 |
BEFORE YOU PICK選ぶ前の3点
導入の前に自分の請求書の内訳を見る
-
1.何がトークンを食っているか
コマンド出力か、ファイル読み込みか、再説明か
-
2.ライセンスは使い方に合うか
OpenWolf と OpenViking は AGPL、RTK は Apache-2.0 と BUSL-1.1
-
3.1つずつ入れて測れるか
同じ作業の前後で消費量を比べる
複数を入れるときの注意が2つある。RTK も OpenWolf も、対応する Claude のフックで長い Bash 出力を縮められるため、働きが重なる可能性がある。そこで1つ入れるたびに、同じ作業の前後で消費量を比べる。もう1つはライセンスで、AGPL の道具は組織の配布形態によって扱いが変わるため、導入前に法務の確認が要る。





