Toon MCP

🚀 TOON MCP 服务器

TOON MCP 服务器是一个支持 TOON（面向令牌的对象表示法） 编码的 MCP（模型上下文协议）服务器。在发送结构化数据时，它能够将大语言模型（LLM）的令牌使用量减少 50 - 70%，从而显著降低使用成本。

🚀 快速开始

MCP（模型上下文协议）服务器用于 TOON（面向令牌的对象表示法） 编码。在发送结构化数据时，可将大语言模型（LLM）的令牌使用量减少 50 - 70%。

✨ 主要特性

• 高效的令牌使用：通过 TOON 编码，大幅减少发送结构化数据时的 LLM 令牌使用量，最高可节省 70% 的成本。
• 多种数据格式支持：支持将 JSON、CSV、TSV、XML、HTML 表格、YAML 等格式的数据转换为 TOON 格式。
• 丰富的工具集：提供 toon_encode、toon_decode、toon_analyze 和 toon_optimize_prompt 等工具，满足不同的数据处理需求。

📦 安装指南

快速启动（npx - 无需安装）

将以下配置添加到你的 MCP 设置中：

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

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

Claude 代码版 (~/.claude/settings.json)：

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

全局安装

npm install -g toon-mcp-server

然后将以下配置添加到你的 MCP 设置中：

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

作为 Claude 代码技能安装

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

然后在 Claude 代码中使用 /toon。

💻 使用示例

在 Claude 桌面版/代码版（使用 MCP）

只需请求 Claude 使用工具：

• "将此 JSON 编码为 TOON: [...]"
• "分析将此数据转换为 TOON 可节省多少成本"
• "优化此提示以提高令牌效率"

编程方式（Node.js）

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

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

// 获取统计信息
const json = JSON.stringify(data);
const stats = ToonEncoder.getStats(json, toon);
console.log(stats.savings.percent); // "64.5%"

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

📚 详细文档

可用工具

toon_encode

将数据转换为 TOON 格式。

支持的格式：JSON、CSV、TSV、XML、HTML 表格、YAML

输入: [{"name":"Alice","age":30},{"name":"Bob","age":25}]
输出: [name,age]
        Alice,30
        Bob,25

toon_decode

将 TOON 格式的数据转换回 JSON。

toon_analyze

分析数据并显示潜在的令牌/成本节省情况。

toon_optimize_prompt

在提示中查找数据部分并自动将其转换为 TOON 格式。

🔧 技术细节

基准测试

使用 OpenAI GPT - 4o - mini 进行测试：

大规模成本节省

使用场景

✅ 最适合的场景：

• 具有相同结构的对象数组（表格、列表、记录）
• API 响应、数据库结果
• 发送给大语言模型的大型数据集
• 大规模成本优化

⚠️ 效果较差的场景：

• 深度嵌套、非统一的数据
• 小负载（少于 5 项）
• 具有许多唯一字段结构的数据

📄 许可证

本项目采用 MIT 许可证。

贡献说明

欢迎提交拉取请求！请先开一个问题讨论变更。