Надежный шлюз для вывода инструментов ИИ: схема-стабильный, секретно-безопасный, полный JSON.

Sift - это уровень надежности для вывода инструментов MCP и CLI. Он сохраняет полную полезную нагрузку в качестве артефактов, возвращает встроенную полезную нагрузку ([T0]) или компактные ссылки ([T1]) и позволяет агентам запрашивать то, что им нужно, с помощью кода Python по сохраненным данным.

Резюме: по 103 фактическим вопросам в 12 реальных наборах данных JSON Sift повысил точность с 33,0% до 99,0% при сокращении входных токенов на 95,4% (10 757 230 -> 489 655). Полная информация: benchmarks/README.md.

Как это работает

Поток:

1. Выполнить восходящий инструмент/команд и захватить JSON. 2.Сохраняйте полный вывод в качестве артефакта в SQLite и детерминированных схемах карт / подсказках корня.
2. Возврат [[Т2]] (маленький) или [[Т3]] (большой/периодичный). 4.Продолжить страницы до pagination.retrieval_status == COMPLETE. 5.Запуск сфокусированных запросов Python на одном артефакте или всей цепочке пагинации.

Основные болевые точки MCP

Они повторяются при отслеживании проблем клиентов MCP и использовании протоколов в производстве:

Большие определения инструментов и большие результаты инструментов быстро потребляют контекст.

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)