究極のコスト削減エージェント：Headroom プロキシ経由の OpenClaw で API 請求を最大 80% 削減

macOS 上の OpenClaw ゲートウェイは、長時間のエージェント作業に優れます。MCP ツールのファンアウト、ワークスペースのファイル読み取り、毎ターン数 MB のログを流し込むスケジュールジョブが典型です。Headroom（GitHub: chopratejas/headroom）は LLM の前段にローカル圧縮レイヤー（プロキシ・ライブラリ・MCP サーバー）として置き、Anthropic の課金前にツール出力・JSON ブロック・会話履歴を縮小します。公開ベンチマークではエージェントワークロードで 60–95% のトークン削減を品質維持のまま達成しています。SRE 型インシデントデバッグは Headroom 評価で 65,694 → 5,118 トークン（92% 削減）まで低下しました。

Mac mini M4 で launchd スケジュールとゲートウェイ整合ガイド による夜間監査を既に回しているなら、足りないのは新 Skill ではなく、OpenClaw の Anthropic トラフィックを Headroom プロキシ経由にルーティングすることです。grep 偏重のツール返却とリポジトリスキャンで API 予算が枯渇するのを防ぎます。Headroom README は OpenClaw を第一級統合（headroom/providers/openclaw の ContextEngine プラグイン）として記載しています。本稿は環境変数ベースのプロキシルーティング、LaunchAgent 共存、MCP 共存、高スループット夜間検査パイプラインを一本化したアーキテクチャです—NodeMac の販売トーンは最小限です。

OpenClaw + Headroom が必然な理由

OpenClaw エージェントはツール密集設計です。ファイルシステム、MCP stdio、Webhook、多段ワークスペースでチャット専用より速くコンテキストが膨らみます。夜間コード監査では：

1. 数千ファイルの列挙（tools.fs または shell 相当）。
2. CI API や linter のフル JSON 取得。
3. 前ターンのツールペイロードを次呼び出しへ再投入。

Anthropic は入力トークン課金。圧縮なしでは 1 リポジトリあたり 5 万–8 万トークン再送も珍しくなく、Headroom が実トレースで 47–92% 削減を報告する帯域です。

Headroom は OpenClaw の既存運用マトリクスを補完し、ゲートウェイ環境変数優先順位マトリクスや MCP トランスポート許可リストマトリクスの代替ではありません。透明 HTTP シムを追加し、OpenClaw は同じ API 形状を保ったまま、Headroom の ContentRouter が JSON 向け SmartCrusher、AST 向け CodeCompressor、散文向け Kompress-base を選択し、CCR が原文をローカルに保持して必要時に正確に取り出せます。運用チームにとって、ゲートウェイ Skill・MCP 登録・launchd スケジュールを書き換えずに、HTTP 境界で入力トークンを体系的に圧縮できる点が重要です。

アーキテクチャ：3 つの統合モード

┌─────────────────────────────────────────────────────────────┐
│  OpenClaw Gateway (launchd)                                 │
│    skills · MCP tools · scheduled nightly audit jobs        │
└───────────────────────────┬─────────────────────────────────┘
                            │ HTTPS (Anthropic-compatible)
                            ▼
┌─────────────────────────────────────────────────────────────┐
│  Headroom Proxy 127.0.0.1:8787  (launchd or headroom wrap)  │
│  CacheAligner → ContentRouter → SmartCrusher / Code / CCR   │
└───────────────────────────┬─────────────────────────────────┘
                            │ compressed /v1/messages
                            ▼
                    api.anthropic.com (or Bedrock/OpenRouter)

コストマトリクス：前後（代表ワークロード）

財務換算：入力 $3/M（Sonnet 想定）で 4 万→1.2 万は約 $0.084/回、日次で約 $2.5/リポ/月。20 リポで Mac mini M4 レンタ相当を回収し監査深度は維持。

シナリオ A：夜間自動コード監査

目標： ローカル 02:00 にワークスペース走査、静的解析、Slack 投稿—無人ヘッドレス Mac。

Headroom なし： eslint / swiftlint / MCP linter の JSON が毎ターン再読込、30 分超・レート制限。

Headroom あり： JSON 配列とログ尾部を圧縮。CCR で逐語が要るときだけ headroom_retrieve。 launchd スケジュールとゲートウェイ整合ガイドと組み合わせ：curl -sf http://127.0.0.1:8787/health 成功後に監査を起動。

スループット： 入力約 70% 削減で同一 M4 が夜に 2–3 倍リポ処理—CPU はツール側に拘束。

シナリオ B：対話ゲートウェイ + 常時プロキシ

目標： 昼間はブリッジ経由チャット、夜間ジョブは同一ホスト。

リスク： 16 GB M4 で --llmlingua 無計画だと OOM。

緩和： 既定のプロキシは LLMLingua を有効にしません（Headroom ドキュメントで約 1 GB RAM）。既存の並行度マトリクスで OpenClaw セッション数を制限し、/stats を Prometheus に公開して headroom_tokens_saved_total を監視します。対話トラフィックと夜間バッチが同居する際のメモリ・キュー逼迫を早期に検知できます。

推奨パス

• 本番 launchd では plist に ANTHROPIC_BASE_URL=http://127.0.0.1:8787 を固定（shell .env のみ不可）— ゲートウェイ環境変数優先順位マトリクス参照。
• コンプライアンスで逐語が要るなら CCR 既定のまま、不可逆ホスト圧縮は避ける。
• 企業エグレス併用時は分離：Headroom は localhost、上流 TLS は エグレスプロキシ TLS 許可リストに従う。
• 1 週間で 40% 未満なら /stats-history—短チャット主体の可能性。甜区は肥大ツール出力。

Runbook：Mac mini M4 で 8 ステップ

1. Headroom インストール（Python 3.10+）

pip install "headroom-ai[proxy,mcp]"
headroom --version

2. ローカルプロキシ起動とヘルス確認

headroom proxy --host 127.0.0.1 --port 8787 \
  --log-file ~/.headroom/openclaw-proxy.jsonl
curl -s http://127.0.0.1:8787/health | jq .

テスト後 optimize: true と tokens_saved 増加（ プロキシドキュメント.

3. ベースライン Token（1 ジョブ）

プロキシなしで代表監査を実行し、 Anthropic ドキュメント.

4. LaunchAgent env で OpenClaw を接続

ゲートウェイ plist の EnvironmentVariables に追加（本番は .env より優先）：

<key>ANTHROPIC_BASE_URL</key>
<string>http://127.0.0.1:8787</string>
<key>ANTHROPIC_API_KEY</key>
<string>sk-ant-…</string>

launchctl kickstart -k gui/$(id -u)/ai.openclaw.gateway（ラベルは環境に合わせる）。

5. 任意：同一プロキシで OpenAI 互換

export OPENAI_BASE_URL=http://127.0.0.1:8787/v1

鍵は Keychain か plist—リポジトリにコミットしない。

6. Headroom MCP インストール

headroom mcp install

OpenClaw MCP 設定は MCP トランスポート許可リストマトリクス—ツール接頭辞 headroom_。

7. 就緒ゲート付き夜間スケジュール

#!/bin/bash
set -euo pipefail
curl -sf http://127.0.0.1:8787/health >/dev/null
curl -sf http://127.0.0.1:18789/health >/dev/null  # OpenClaw gateway port—adjust
/usr/local/bin/openclaw job run --workspace ~/audits/acme --profile nightly

curl http://127.0.0.1:8787/stats を SIEM に毎晩。

8. 削減測定と予算アラート

headroom perf
curl -s http://127.0.0.1:8787/stats | jq '.stats.savings_percent'

任意 headroom proxy --budget 50.0。3 晩連続 savings_percent < 35% なら x-headroom-bypass 漏れを調査。

トラブルシュート

OpenClaw が api.anthropic.com 直叩き

症状： ダッシュボードは満額、/stats 横ばい。

対処： launchctl print … | grep ANTHROPIC で実効 env 確認。低優先 .env の競合を除去し再起動。

圧縮後に行番号がずれる

症状： 要約はできるが行参照が誤る。

対処： CCR 取得を指示に明記。再現は x-headroom-bypass: true。JSON スキーマ欠落なら SmartCrusher 範囲を絞る。

プロキシ起動済みだが HTTP 502

症状： :8787 connection refused。

対処： Headroom 専用 LaunchAgent + KeepAlive。起動は OpenClaw より +15s 遅延。

困惑度剪定とプロキシ CCR のどちらか？ Headroom vs LLMLingua 比較 —意思決定マトリクス、--llmlingua ハイブリッド、8ステップ評価。

FAQ

Skill や MCP は変わる？

プロキシモードではコード変更不要です。ANTHROPIC_BASE_URL でルーティングします。Skill と MCP サーバーは同一で、HTTP 境界のプロンプトペイロードのみ縮小します。

セキュリティ監査で劣化？

Headroom は可逆 CCR を使用—原文はローカルに保持し、必要時にモデルが逐語で取得します。ベンチマークは GSM8K で ±0、SQuAD v2 で約 19% 圧縮時 97% 精度です。リンター JSON スキーマのゴールデンファイルテストは継続してください。

企業エグレスプロキシとの違い？

企業エグレスプロキシは出站経路と TLS 検査を制御します。Headroom はメッセージ本体を圧縮する localhost LLM シムです。両方使います：Headroom はループバック、エグレス規則は上流 Anthropic 用。

Claude Code と同一 Mac？

はい。headroom wrap claude とクロスエージェント共有メモリをサポートします。OpenClaw ゲートウェイは plist 固定 env；対話開発のみ wrap モードで env 衝突を避けます。

夜間監査の削減見込み？

ツール密集監査では Headroom 公開エージェントワークロードで 50–85% 入力削減が一般的です。チャット中心ゲートウェイは < 30% のことも—/stats-history で 1 週間測定してから財務に 80% を約束してください。

Related reading

• GPT-5.6 予測：Codex オープンソースで Agent 開発効率を上げる