Cara Mengurangi Penggunaan Token pada Agen Koding AI: 4 Alat yang Dapat Membantu

Jika Anda pernah mencapai batas penggunaan token pada paket AI koding hanya setelah beberapa permintaan, Anda mungkin bertanya-tanya ke mana semua token itu pergi. 

Anda meminta agen memperbaiki bug, merombak sebuah fitur, atau memeriksa repositori, dan tiba-tiba porsi besar jatah koding Anda habis.

Ini tidak selalu berarti ada masalah dengan penyedia atau langganan Anda. 

Agen koding AI memang jauh lebih intensif token dibanding chatbot biasa. Mereka tidak sekadar menjawab prompt Anda. Mereka bisa membaca banyak file, menelusuri codebase, memeriksa log, menjalankan tes, memanggil tool, menghasilkan kode, meninjau perubahan sendiri, dan mengulang proses beberapa kali sebelum menyelesaikan tugas.

Kabar baiknya, Anda bisa mengurangi banyak penggunaan token yang tidak perlu ini.

Ada alat yang membuat agen koding lebih ringkas, mencegah mereka terlalu merekayasa tugas sederhana, memampatkan keluaran terminal yang bising, dan mencegah respons tool yang besar memenuhi jendela konteks.

Dalam panduan ini, kita akan melihat empat alat untuk mengurangi penggunaan token pada agen koding AI: Caveman, Ponytail, RTK, dan Context Mode. 

Kita akan melihat apa fungsi masing-masing, cara menyiapkannya, dan bagaimana mengombinasikannya agar Anda bisa menyelesaikan lebih banyak koding menggunakan langganan seperti Claude Code dan Codex sebelum mencapai batas penggunaan.

Mengapa Alur Kerja Agenik Menggunakan Begitu Banyak Token?

Chatbot biasa mungkin menerima satu prompt dan mengembalikan satu jawaban. Agen biasanya melakukan lebih banyak.

Ia bisa membaca file, memanggil tool, memeriksa log, mengambil dokumen, menulis kode, dan mengulang proses ini beberapa kali sebelum selesai. 

Setiap langkah menambah informasi ke konteks, dan banyak dari konteks itu bisa dikirim lagi ke model pada panggilan berikutnya.

Loop agen yang disederhanakan tampak seperti ini:

Permintaan dikirim ke model, model memanggil tool, tool mengembalikan output, dan output itu dilipat kembali ke dalam konteks sebelum langkah berikutnya. Panah umpan balik adalah tempat biayanya berada: setiap putaran membawa hasil sebelumnya ke depan, sehingga tugas yang membutuhkan enam panggilan tool akan mengirim sebagian besar riwayat itu ke model sebanyak enam kali.

Ini menciptakan beberapa sumber pemborosan token yang umum:

• Respons bertele-tele: Agen menjelaskan terlalu banyak padahal jawaban singkat sudah cukup.
• Kode yang terlalu direkayasa: Tugas kecil berubah menjadi file tambahan, abstraksi, dan dependensi.
• Output tool yang besar: Log, tes, diff Git, dan perintah terminal dapat mengembalikan ribuan token.
• Terlalu banyak konteks: Dokumen yang diambil, definisi tool, dan hasil sebelumnya dapat dengan cepat memenuhi jendela konteks.
• Sesi yang berjalan lama: Semakin lama agen bekerja, semakin banyak riwayat dan hasil antara yang harus dibawa.

Jadi tantangan sebenarnya bukan hanya berapa banyak token yang dihasilkan agen, melainkan berapa banyak yang dibaca, dibawa ke depan, dan diproses kembali seiring alur kerja berjalan.

Itulah yang tepat ditarget alat seperti Caveman, Ponytail, RTK, dan Context Mode, masing-masing membidik sumber pemborosan token yang berbeda.

1. Caveman: Buat Agen Anda Bicara Lebih Sedikit

Caveman adalah cara sederhana untuk membuat agen koding lebih ringkas. 

Alih-alih membiarkan agen menarasikan setiap langkah, mengulang detail yang jelas, atau menambah isian yang tak perlu, alat ini mendorong respons agar fokus pada informasi yang benar-benar penting.

Ini sangat berguna untuk sesi koding panjang, di mana respons bertele-tele bukan hanya menambah token output. 

Respons itu juga bisa menjadi bagian dari riwayat percakapan dan terbawa ke giliran berikutnya.

Cara kerja Caveman

Caveman memiliki dua bagian terpisah.

Skill Caveman mengubah cara agen menulis. 

Ia menghapus isian, basa-basi, keragu-raguan, dan narasi yang tidak perlu sambil membiarkan detail penting seperti blok kode, perintah, nama API, dan pesan galat persis apa adanya. 

Gaya yang ringkas juga dilonggarkan saat kejelasan lebih penting, misalnya pada peringatan keamanan atau tindakan yang tidak dapat dibatalkan. 

Ada juga proxy lokal opsional yang menangani sisi lain dari masalah: apa yang dibaca agen. 

Ia duduk di antara agen koding dan penyedia model lalu memampatkan konteks yang memenuhi syarat sebelum permintaan dikirim. 

Skill dan proxy bekerja secara independen, jadi Anda bisa mulai dengan skill yang ringan dan menambahkan proxy nanti jika Anda butuh reduksi konteks yang lebih agresif. 

Cara sederhana untuk memikirkannya dijelaskan pada diagram berikut:

Di kiri, agen membungkus kodenya dengan pembuka dan kemudian menjelaskan kode yang sama lagi setelahnya. Di kanan, Anda mendapat jawaban yang berguna dan kodenya, tanpa embel-embel. Pekerjaan sama, token yang dihabiskan untuk narasi jauh lebih sedikit.

Mulai menggunakan Caveman

Cara termudah memasang skill adalah:

npx skills add JuliusBrussee/caveman

Lalu aktifkan di dalam agen koding Anda dengan:

/caveman

Anda bisa kembali ke respons normal dengan:

/caveman off

Caveman juga menyediakan opsi instalasi native untuk alat seperti Claude Code, Codex, Gemini CLI, Cursor, dan OpenCode.

Jika Anda juga ingin mengurangi konteks yang dikirim ke model, pasang CLI:

npm install -g @caveman-ai/cli
caveman setup --install

Kemudian jalankan agen yang didukung melaluinya, misalnya:

caveman claude

Ini menjalankan proxy lokal Caveman dan merutekan agen melalui lapisan kompresi konteksnya. 

Bagi sebagian besar pengguna, saya akan mulai dengan skill terlebih dahulu. 

Mudah ditambahkan, tidak mengubah alur kerja koding normal Anda, dan langsung menyasar salah satu sumber pemborosan token paling sederhana: agen yang berbicara jauh lebih banyak daripada yang diperlukan.

2. Ponytail: Cegah Agen Anda Terlalu Merekayasa

Ponytail dirancang untuk jenis pemborosan token yang berbeda: agen koding menulis lebih banyak kode daripada yang dibutuhkan tugasnya.

Permintaan sederhana kadang berubah menjadi dependensi baru, kelas helper, komponen pembungkus, dan konfigurasi tambahan. 

Ponytail mencoba menghentikannya dengan mendorong agen menuju solusi paling kecil yang masuk akal terlebih dahulu.

Cara kerja Ponytail

Sebelum menulis kode, Ponytail membuat agen melewati tangga keputusan sederhana:

Setiap anak tangga memberi kesempatan agen untuk berhenti sebelum menulis sesuatu yang baru. Ia hanya mencapai langkah terakhir, menulis kode minimum yang berfungsi, setelah pustaka standar, fitur native platform, dan dependensi yang ada semuanya disingkirkan sebagai opsi.

Misalnya, alih-alih memasang pustaka date-picker dan membangun komponen pembungkus, Ponytail mungkin memutuskan bahwa browser sudah memiliki:

<input type="date">

Tujuannya bukan membabi buta memendekkan semuanya. 

Ponytail secara eksplisit menjaga hal-hal seperti validasi, keamanan, aksesibilitas, dan perlindungan kehilangan data agar tidak ikut terpangkas. 

Maksudnya adalah malas dalam implementasi, bukan ceroboh dalam ketepatan.

Dalam tolok ukur agenik milik Ponytail sendiri, alat ini menghasilkan sekitar 54% lebih sedikit kode dan 22% lebih sedikit token pada 12 tugas koding dibanding agen yang sama tanpa skill tersebut. 

Tolok ukur independen juga menemukan implementasi yang jauh lebih kecil, meski mencatat bahwa pengaturan yang terlalu agresif kadang dapat mengorbankan ketangguhan pada kasus tepi yang tidak dinyatakan.

Mulai menggunakan Ponytail

Untuk Claude Code, tambahkan marketplace:

/plugin marketplace add DietrichGebert/ponytail

Lalu pasang Ponytail:

/plugin install ponytail@ponytail

Kirim sebagai dua perintah terpisah.

Setelah terpasang, Anda dapat mengontrol seberapa agresif Ponytail menyederhanakan:

/ponytail lite
/ponytail full
/ponytail ultra
/ponytail off

full adalah default dan mungkin titik awal terbaik. lite tetap membangun apa yang Anda minta, tetapi menunjukkan alternatif yang lebih sederhana, sedangkan ultra menerapkan YAGNI jauh lebih agresif. 

Anda juga dapat meninjau perubahan yang ada untuk kompleksitas yang tidak perlu:

/ponytail-review

Atau memindai codebase yang lebih besar:

/ponytail-audit

Ponytail sangat cocok untuk agen koding karena pengurangan kode yang tidak perlu memberi efek berantai: agen menulis lebih sedikit token sekarang, membuat diff lebih kecil, dan menyisakan lebih sedikit kode untuk dibaca lagi nanti.

3. RTK: Pangkas Output Tool yang Bising

RTK, singkatan dari Rust Token Killer, berfokus pada sumber pemborosan token yang berbeda: segala sesuatu yang diterima agen koding Anda dari terminal.

Perintah seperti git status, menjalankan tes, log, pencarian, dan output package manager bisa mengembalikan ratusan atau ribuan baris. 

Sebagian besar informasi itu berguna bagi manusia saat melihat terminal, tetapi agen sering hanya butuh bagian pentingnya.

RTK berada di antara perintah dan agen dan memampatkan output sebelum model melihatnya. 

Cara kerja RTK

RTK menggunakan penyaringan spesifik perintah, pengelompokan, pemangkasan, dan deduplikasi untuk menghapus kebisingan sambil mempertahankan informasi berguna seperti error, kegagalan, file yang berubah, dan ringkasan. 

Sebagai contoh:

Dalam aliran normal, agen menjalankan pytest dan membaca kembali setiap baris yang dicetaknya, sebagian besar adalah tes yang lolos yang tidak perlu dilihat. Dengan RTK di tengah, hasil yang sama kembali sebagai kegagalan plus ringkasan, sehingga agen membaca beberapa lusin baris alih-alih ratusan.

Dengan agen koding yang didukung, RTK dapat mengait ke panggilan shell secara otomatis. Perintah seperti:

git status

bisa ditulis ulang di belakang layar menjadi:

rtk git status

Agen lalu menerima output yang lebih kecil tanpa harus secara eksplisit meminta RTK setiap kali. 

RTK melaporkan sekitar 60–90% lebih sedikit penggunaan token dari output perintah untuk perintah pengembangan umum. Itu bukan berarti tagihan LLM total Anda turun 60–90%; itu hanya merujuk pada output terminal yang dikompresi RTK. 

Mulai menggunakan RTK

Di macOS atau Linux, Anda bisa memasangnya dengan Homebrew:

brew install rtk-ai/tap/rtk

Atau gunakan skrip instalasi:

curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/master/install.sh | sh

Lalu verifikasi bahwa Anda memasang RTK yang benar:

rtk --versionrtk gain

Perintah rtk gain menampilkan dasbor penghematan token. Pemeriksaan ini berguna karena ada proyek lain yang tidak terkait juga menggunakan nama rtk. 

Untuk Claude Code, inisialisasi RTK secara global dengan:

rtk init -g

Untuk Codex:

rtk init -g --codex

Dan untuk Gemini CLI:

rtk init -g --gemini

RTK juga mendukung Cursor, OpenCode, Copilot, Cline, Windsurf, dan beberapa agen koding lainnya. 

Setelah dikonfigurasi, Anda dapat terus menggunakan perintah terminal normal Anda. 

RTK menangani kompresi di latar belakang, yang membuatnya sangat berguna bagi agen yang banyak menghabiskan waktu untuk menjalankan tes, mencari kode, memeriksa perubahan Git, dan membaca log.

4. Context Mode: Jauhkan Output Tool Besar dari Konteks

Context Mode berfokus pada apa yang terjadi setelah agen mulai menggunakan tool.

Cuplikan browser, daftar isu GitHub, pencarian file, atau output perintah besar dapat membuang sejumlah besar informasi langsung ke jendela konteks. 

Lebih buruk lagi, informasi itu kemudian dapat terbawa ke giliran berikutnya.

Context Mode berusaha menghindarinya dengan menjaga data mentah yang besar tetap di luar konteks LLM aktif dan hanya membawa kembali bagian yang benar-benar dibutuhkan agen.

Cara kerja Context Mode

Context Mode berjalan sebagai server MCP dan menyediakan tool sandbox untuk operasi yang biasanya menghasilkan output besar.

Informasi mentah dapat disimpan secara lokal dalam indeks pencarian berbasis FTS5, sehingga agen bisa mencarinya lagi nanti tanpa membuang seluruh hasil kembali ke percakapan. 

Dalam salah satu contoh dari proyek ini, 315 KB output tool mentah dikurangi menjadi 5,4 KB konteks, yang dilaporkan sebagai reduksi 98%. 

Itu adalah contoh dari beban kerja proyek sendiri, bukan jaminan untuk setiap panggilan tool. 

Mulai menggunakan Context Mode

Untuk Claude Code, penyiapan termudah adalah melalui plugin marketplace:

/plugin marketplace add mksglu/context-mode
/plugin install context-mode@context-mode

Restart Claude Code, lalu verifikasi penyiapan dengan:

/context-mode:ctx-doctor

Pemeriksaan ini memastikan plugin, hook, runtime, dan komponen pencarian lokal berfungsi dengan benar. 

Anda juga dapat memasang Context Mode secara global:

npm install -g context-mode

dan mendaftarkannya sebagai server MCP di klien yang didukung seperti Cursor, Gemini CLI, GitHub Copilot CLI, JetBrains, dan lainnya. 

Setelah berjalan, Anda bisa memeriksa berapa banyak konteks yang dihemat dengan alat statistiknya.

Context Mode paling berguna untuk agen yang berjalan lama dan banyak menggunakan tool di mana hasil browser, log, pembacaan file, respons MCP, dan data antara lainnya sebaliknya akan terus memenuhi jendela konteks.

Membandingkan Empat Alat Penghemat Token

Keempat alat ini menarget bagian berbeda dari alur kerja agen koding, dari apa yang ditulis agen hingga seberapa banyak output tool yang dibawanya dalam konteks.

Cara termudah untuk memikirkan perbedaannya adalah: 

• Caveman mengurangi apa yang dikatakan agen
• Ponytail mengurangi apa yang dibangunnya
• RTK mengurangi apa yang dikirim balik terminal
• Context Mode mengurangi apa yang tetap berada dalam konteks dari hasil tool.

Bisakah Anda Menggunakan Alat-Alat Ini Bersamaan?

Bisa, tetapi saya tidak akan menumpuk semuanya sejak awal.

Pendekatan yang lebih baik adalah mulai dengan Ponytail. 

Ini mudah ditambahkan ke agen koding dan, untuk banyak alur kerja, mengurangi kode yang tidak perlu sudah cukup. Saya menggunakannya dengan alat seperti Zcode, Claude Code, dan Codex, dan saya puas dengan pengurangannya.

Jika Anda ingin melangkah lebih jauh, coba Ponytail + Caveman. Ponytail mengurangi kode yang tidak perlu, sementara Caveman mengurangi penjelasan yang tidak perlu, jadi keduanya saling melengkapi dengan baik.

Jika alur kerja Anda masih menghasilkan banyak output berat token dari tes, log, Git, atau perintah terminal, coba Ponytail + Caveman + RTK.

Jika RTK tidak cocok dengan alur kerja Anda, terutama bila Anda banyak menggunakan tool MCP, tool browser, API, atau output tool besar lainnya, coba Ponytail + Caveman + Context Mode sebagai gantinya.

Tidak ada kombinasi sempurna yang cocok untuk semua orang. 

Tujuannya adalah bereksperimen dan menemukan setelan yang memberi Anda penggunaan token lebih rendah tanpa mengorbankan performa agen koding. Bagi sebagian orang, Ponytail saja sudah cukup. Bagi yang lain, mengombinasikan dua atau tiga alat ini akan lebih efektif.

Cara Lain untuk Mengurangi Penggunaan Token dan Biaya

Anda tidak selalu membutuhkan alat lain. 

Claude Code sudah menyertakan beberapa fitur yang dapat membantu Anda menjaga konteks tetap kecil dan mengurangi pemborosan.

Nonaktifkan memori saat tidak diperlukan

Claude Code dapat otomatis menyimpan dan memuat ulang memori dari sesi sebelumnya. Untuk tugas pendek atau terisolasi, ini bisa menambah konteks yang tidak Anda butuhkan.

Jalankan:

/memory

Dari sana, Anda dapat menonaktifkan auto-memory atau menghapus informasi yang tidak lagi berguna.

Kompakkan sesi panjang

Seiring sesi bertambah panjang, Claude membawa riwayat percakapan, isi file, dan output tool. Claude Code melakukan kompak otomatis, tetapi Anda bisa memicunya lebih awal:

/compact

Anda juga bisa memberi tahu apa yang penting:

/compact keep the implementation plan and latest test results

Ini sangat berguna saat Anda telah menyelesaikan satu bagian tugas tetapi ingin melanjutkan di sesi yang sama. 

Mulai baru saat tugas berubah

Kadang kompak tidak sepadan. Jika Anda beralih ke tugas yang benar-benar berbeda, jalankan:

/clear

Ini memulai dengan konteks percakapan kosong alih-alih membawa pekerjaan yang tidak terkait. Anthropic juga mencatat bahwa memulai baru kadang lebih baik daripada berulang kali mengompakkan sesi panjang.

Nonaktifkan server MCP yang tidak Anda gunakan

Tool MCP juga mengonsumsi konteks. Claude Code kini menunda skema tool MCP penuh secara default, tetapi server yang tidak digunakan tetap bisa menambah overhead.

Gunakan: /mcp untuk meninjau server yang terhubung dan menonaktifkan yang saat ini tidak Anda perlukan. 

Anda juga bisa menjalankan /context untuk melihat berapa banyak ruang yang dikonsumsi berbagai bagian sesi.

Jaga agar CLAUDE.md tetap kecil

CLAUDE.md dimuat ke dalam konteks Claude, jadi hindari menjadikannya manual proyek yang raksasa. 

Sertakan hanya instruksi yang benar-benar dibutuhkan Claude lintas tugas, seperti konvensi penting, perintah, dan aturan proyek.

Gunakan /context untuk memeriksa berapa banyak ruang yang digunakan file memori dan instruksi Anda. Untuk instruksi yang relevan hanya untuk folder tertentu, Claude Code mendukung aturan yang lebih terarah alih-alih menaruh semuanya di CLAUDE.md utama. 

Gunakan model yang lebih murah untuk tugas sederhana

Anda mungkin tidak membutuhkan model termahal untuk setiap edit. 

Dokumentasi Claude Code merekomendasikan Sonnet untuk sebagian besar tugas koding dan menyimpan Opus untuk pekerjaan arsitektural atau penalaran yang lebih sulit.

Anda bisa beralih dengan:

/model

Untuk tugas subagen sederhana, Anda juga bisa mengonfigurasinya agar menggunakan Haiku. 

Pemikiran Akhir

Salah satu hal terbaik dari alat-alat ini adalah betapa sedikit upaya yang diperlukan setelah disiapkan. 

Tergantung alatnya, Anda mungkin tidak perlu mengingat perintah garis miring atau mengaktifkannya secara manual untuk setiap tugas. 

Ponytail dapat menuntun agen ke implementasi yang lebih sederhana, Caveman dapat menjaga respons tetap ringkas, RTK dapat mengompresi output terminal, dan Context Mode dapat mencegah hasil tool yang besar membanjiri konteks aktif. 

Setelah konfigurasi, banyak optimasi ini terjadi sebagai bagian dari alur kerja koding normal Anda.

Anda sering kali dapat melihat efeknya di ringkasan run agen, kode yang dihasilkan, output terminal, atau statistik konteks. 

Agen mungkin melakukan pekerjaan yang sama, tetapi dengan lebih sedikit kode yang tidak perlu, lebih sedikit narasi, respons tool yang lebih kecil, atau lebih sedikit informasi yang dibawa dari satu langkah ke langkah berikutnya.

Bagian terbaiknya adalah Anda juga bisa mengombinasikan alat-alat ini. 

Namun, menumpuk keempatnya tidak serta-merta berarti Anda akan mendapatkan penggunaan token serendah mungkin. Mereka menarget bagian berbeda dari alur kerja koding agenik, dan manfaatnya sangat bergantung pada agen koding, model, repositori, dan jenis tugas yang Anda jalankan.

Saya sarankan bereksperimen dengannya pada harness koding Anda sendiri. Mulai dengan satu alat, ukur perbedaannya, lalu tambahkan yang lain jika Anda masih melihat sumber pemborosan token yang jelas. 

Anda mungkin menemukan bahwa satu alat sudah cukup untuk alur kerja Anda, sementara setelan lain mendapat manfaat dari dua atau tiga alat yang bekerja bersama.

Secara pribadi, saya menggunakan Ponytail di sebagian besar alur kerja koding saya karena mudah disiapkan dan agen koding cepat memahami cara bekerja dengannya. 

Saya paling sering menggunakannya dengan Zcode oleh Z.ai, yang membantu menjaga implementasi tetap fokus tanpa mengharuskan saya mengubah cara saya biasanya mem-rompt agen.

Pada akhirnya, mengurangi penggunaan token bukan tentang memaksa agen melakukan pekerjaan yang kurang bermanfaat. Ini tentang menghilangkan pemborosan di sekitar pekerjaan itu. 

Cobalah Caveman, Ponytail, RTK, dan Context Mode secara individual dan dalam berbagai kombinasi, ukur perubahan dalam alur kerja Anda sendiri, dan pertahankan setelan yang memberi keseimbangan terbaik antara penggunaan token, kualitas kode, dan performa agen.

Untuk mempelajari lebih lanjut cara kerja agen AI, saya sarankan melihat jalur keterampilan AI Agent Fundamentals.