Headroom 集成测试报告
日期: 2026-06-24 版本: headroom-ai v0.23.0 (MCP Server v1.26.0) 仓库: headroomlabs-ai/headroom (48.4K⭐)
集成方式
MCP Server（Hermes 原生）— 已配置到 manas/config.yaml：
headroom:
command: ${HOME}/.hermes/hermes-agent/venv/bin/headroom
args: '["mcp","serve"]'
timeout: 30
connect_timeout: 10
enabled: true暴露的 MCP 工具：
| 工具 | 用途 |
|---|---|
headroom_compress | 压缩内容（JSON/日志/文本） |
headroom_retrieve | 按 hash 恢复原始内容（CCR 可逆机制） |
headroom_stats | 查看会话压缩统计 |
压缩效果实测
场景1：JSON 数组（200条）
- 输入: 19,633 chars
- 输出: 9,097 chars
- 输出/输入字符比: 46.3%；字符数减少 53.7%（未记录 tokenizer，不能据此认定 token 缩减）
- 格式: JSON → 表头+CSV 行（SmartCrusher 算法）
场景2：日志（600条结构化日志）
- 输入: 112,668 chars
- 输出: 46,793 chars
- 输出/输入字符比: 41.5%；字符数减少 58.5%（未记录 tokenizer，不能据此认定 token 缩减）
- 格式: 同上，自动识别为 JSON 数组
场景3：纯文本日志
- 输入: 20,000 chars
- 输出: 不变
- 不压缩（需要 Kompress-base ML 模型，需要 PyTorch）
限制
- 文本/散文压缩需要 PyTorch（~500MB），Kompress-base 模型不可用
- 纯代码场景较低收益（CodeCompressor 需要 PyTorch/tree-sitter）
- 短消息（<300 tokens）跳过压缩
生效条件
下次 Manas gateway 重启时自动加载 Headroom MCP 工具到会话中。
在当前会话中无手动预热，重启后可直接在 Hermes 中调用 headroom_compress。
结论
✅ 集成成功，MCP Server 正常工作 ✅ 本次两组 JSON 样本字符数减少约 54–58%；token 收益尚未直接测量 ✅ 配置已持久化到 profile config，重启后自动生效 ⚠️ 文本压缩需要额外安装 PyTorch（当前 WSL 环境不推荐）
2026-10-09 审阅说明
本文件保留 2026-06-24 的配置和试验记录。字符数与 token 数不是同一计量单位，已按原始输入/输出长度修正计算口径；未重新运行 Headroom、未核验当前版本、MCP 加载或服务状态，不能用这份旧报告证明当前集成生效。