Toon MCP

🚀 TOON MCP 服務器

TOON MCP 服務器是一個支持 TOON（面向令牌的對象表示法） 編碼的 MCP（模型上下文協議）服務器。在發送結構化數據時，它能夠將大語言模型（LLM）的令牌使用量減少 50 - 70%，從而顯著降低使用成本。

🚀 快速開始

MCP（模型上下文協議）服務器用於 TOON（面向令牌的對象表示法） 編碼。在發送結構化數據時，可將大語言模型（LLM）的令牌使用量減少 50 - 70%。

✨ 主要特性

• 高效的令牌使用：通過 TOON 編碼，大幅減少發送結構化數據時的 LLM 令牌使用量，最高可節省 70% 的成本。
• 多種數據格式支持：支持將 JSON、CSV、TSV、XML、HTML 表格、YAML 等格式的數據轉換為 TOON 格式。
• 豐富的工具集：提供 toon_encode、toon_decode、toon_analyze 和 toon_optimize_prompt 等工具，滿足不同的數據處理需求。

📦 安裝指南

快速啟動（npx - 無需安裝）

將以下配置添加到你的 MCP 設置中：

Claude 桌面版 (~/Library/Application Support/Claude/claude_desktop_config.json)：

{
  "mcpServers": {
    "toon": {
      "command": "npx",
      "args": ["-y", "toon-mcp-server"]
    }
  }
}

Claude 代碼版 (~/.claude/settings.json)：

{
  "mcpServers": {
    "toon": {
      "command": "npx",
      "args": ["-y", "toon-mcp-server"]
    }
  }
}

全局安裝

npm install -g toon-mcp-server

然後將以下配置添加到你的 MCP 設置中：

{
  "mcpServers": {
    "toon": {
      "command": "toon-mcp"
    }
  }
}

作為 Claude 代碼技能安裝

# 下載技能
curl -o ~/.claude/skills/toon.md https://raw.githubusercontent.com/elminson/toon-mcp/main/skills/toon.md

然後在 Claude 代碼中使用 /toon。

💻 使用示例

在 Claude 桌面版/代碼版（使用 MCP）

只需請求 Claude 使用工具：

• "將此 JSON 編碼為 TOON: [...]"
• "分析將此數據轉換為 TOON 可節省多少成本"
• "優化此提示以提高令牌效率"

編程方式（Node.js）

const { ToonEncoder } = require('toon-mcp-server/src/toon-encoder');

// 編碼
const data = [
  { id: 1, name: 'Test', price: 99.99 },
  { id: 2, name: 'Test 2', price: 149.99 },
];
const toon = ToonEncoder.encode(data);

// 獲取統計信息
const json = JSON.stringify(data);
const stats = ToonEncoder.getStats(json, toon);
console.log(stats.savings.percent); // "64.5%"

// 解碼
const decoded = ToonEncoder.decode(toon);

📚 詳細文檔

可用工具

toon_encode

將數據轉換為 TOON 格式。

支持的格式：JSON、CSV、TSV、XML、HTML 表格、YAML

輸入: [{"name":"Alice","age":30},{"name":"Bob","age":25}]
輸出: [name,age]
        Alice,30
        Bob,25

toon_decode

將 TOON 格式的數據轉換回 JSON。

toon_analyze

分析數據並顯示潛在的令牌/成本節省情況。

toon_optimize_prompt

在提示中查找數據部分並自動將其轉換為 TOON 格式。

🔧 技術細節

基準測試

使用 OpenAI GPT - 4o - mini 進行測試：

大規模成本節省

使用場景

✅ 最適合的場景：

• 具有相同結構的對象數組（表格、列表、記錄）
• API 響應、數據庫結果
• 發送給大語言模型的大型數據集
• 大規模成本優化

⚠️ 效果較差的場景：

• 深度嵌套、非統一的數據
• 小負載（少於 5 項）
• 具有許多唯一字段結構的數據

📄 許可證

本項目採用 MIT 許可證。

貢獻說明

歡迎提交拉取請求！請先開一個問題討論變更。