[Feature]: LocalAgentRunner 增加 context-window 感知的上下文管理与按需压缩

[huanghuoguoguo]

背景

这是 #2051 的后续议题，提出了 LocalAgentRunner 在 Agent loop 中缺少基本保护机制的问题。

即使模型上下文窗口已经很大，context-aware 的上下文管理仍然有价值：

• 成本控制：上下文越长，token 成本越高
• 延迟控制：长上下文会显著拉高单次调用耗时
• 回答质量：上下文变长后，旧噪音会稀释模型对关键信息的注意力

当前不足

1. context window 感知：现在是按回合数截断，而不是按 token budget 管理
2. 每轮调用前的主动预算：tool loop 中每一轮也应该检查上下文
3. 分层裁剪策略：应先裁低价值的大块内容
4. 按需压缩：接近预算时才触发，而不是默认压缩
5. 超窗后的自动自救：返回 context_length_exceeded 时应自动裁剪重试

建议方向

第一阶段：MVP

• 为每次 LLM 调用建立统一的 token budget
• tool loop 每一轮调用前预算
• 按优先级裁剪：旧 tool 结果 → 冗长 RAG → 更早历史轮次
• 超窗时自动触发更强裁剪后重试

第二阶段：按需压缩旧历史

• 保留最近 3-5 个 user 回合原文
• 把更老的历史合成一条 summary message

第三阶段：模型元数据显式化

• 为模型配置增加 context_window、recommended_max_output_tokens 元数据

原 issue: langbot-app/LangBot#2066

[huanghuoguoguo]

Status update: MVP is implemented; keep this issue open for the advanced context-engineering follow-ups.

MVP completed:

• Runner-owned ContextBudget / ContextAssembler / ContextCompactor are in place.
• Context window uses token-style config (context-window-tokens, context-reserve-tokens, context-keep-recent-tokens, context-summary-tokens) and host runtime metadata when available.
• Initial model context assembles prompt, Host history, RAG context, and current input under budget.
• The agent loop re-runs context transform before every model turn, including tool follow-up turns.
• Context overflow before first visible streamed output triggers one more aggressive compaction retry.

Still pending in this issue:

• More precise layered trimming of low-value tool/RAG/history content.
• Better model/token metadata integration once Host exposes it reliably.
• Optional LLM-generated summaries/checkpoints, which should be coordinated with [Tracking]: Pi-style Local Agent adaptation for LangBot runner #6 Phase 5 rather than faked in the plugin.

Validation is tracked in #6; latest local gate was uv run --frozen pytest -q -> 75 passed, plus user-accepted browser E2E.