AIツールの出力のための信頼性ゲートウェイ:スキーマテーブル、シークレットセーフ、パジネーションコンJSON。

SiftはMCPおよびCLI用具の出力のための低下の信頼性の層です。 これは、アーティファクトとしてフルペイロードを主張し、インラインペイロード([full])またはコンパクトな参照([schema_ref]])のいずれかを返します。そして、エージェントは、保存されたデータの上にPythonコードで必要なものを尋ねることができます。

ベンチマークの要約: 103 実際の JSON データセット全体で実際の質問, シフトの改善精度 33.0% から 99.0% まで、入力トークンをカット 95.4% (10,757,230 → 489,655). 完全な細部: ベンチマーク/README.md。

使い方

流れ:

1. ツール/コマンドを実行し、JSON をキャプチャします。 2。 SQLiteとdeterministicallyマップスキーマ/rootヒントでアーティファクトとして完全な出力。
2. [full(小)またはschema_refを返す。
3. [pagination.retrieval_status == COMPLETEまでのページを明示的に続けてください。 5。 1つのアーティファクトまたはフルペジネーションチェーンに焦点を絞ったPythonクエリを実行します。

主要なMCPの痛みポイント

これらは、MCP クライアントの問題追跡者とプロトコルの使用を生産中に再帰しています。

• 大きい用具の定義および大きい用具の結果はコンテキストをすぐに消費します.

Sift

Reliability gateway for AI tool output: schema-stable, secret-safe, pagination-complete JSON.

Sift is a drop-in reliability layer for MCP and CLI tool output. It persists full payloads as artifacts, returns either inline payload (full) or compact references (schema_ref), and lets agents query what they need with Python code over stored data.

Benchmark summary: on 103 factual questions across 12 real JSON datasets, Sift improved accuracy from 33.0% to 99.0% while cutting input tokens by 95.4% (10,757,230 -> 489,655). Full details: benchmarks/README.md.

How it works

                           ┌─────────────────────┐
  MCP tool call ──────────▶│                     │──────────▶ Upstream MCP server
  CLI command   ──────────▶│        Sift         │──────────▶ Shell/API command
                           │                     │
                           │   ┌─────────────┐   │
                           │   │  Artifacts  │   │
                           │   │  (SQLite)   │   │
                           │   └─────────────┘   │
                           └─────────────────────┘
                                     │
                                     ▼
                         Small output -> `full` inline
                         Large output -> `schema_ref`
                         Agent queries artifacts with code

Flow:

1. Execute upstream tool/command and capture JSON.
2. Persist full output as an artifact in SQLite and deterministically map schema/root hints.
3. Return full (small) or schema_ref (large/paginated).
4. Continue pages explicitly until pagination.retrieval_status == COMPLETE.
5. Run focused Python queries on one artifact or the full pagination chain.

Main MCP pain points

These are recurring across MCP client issue trackers and protocol usage in production:

• Large tool definitions and large tool results consume context quickly.
• Upstream API pagination often sits outside MCP list-cursor flows, so agents can stop early and answer on partial data.
• Tool output shape differs across servers, which makes follow-up parsing brittle.
• Tool output is untrusted input and can contain sensitive values that should not re-enter model context.
• Raw outputs scroll away in chat history, so provenance and reproducibility degrade across multi-step runs.

Background and references: docs/why.md.

What Sift adds (without changing upstream servers)