Pelacak MCP lokal untuk penggunaan token dan kredit yang transparan
codex-usage-tracker, oleh Douglas Monsky, adalah server dan dasbor Model Context Protocol (MCP) lokal yang menunjukkan bagaimana sesi pengkodean yang dibantu AI menggunakan sumber daya. Alat ini mencatat penggunaan token, waktu, dan kredit untuk prompt dan penyelesaian dan mengubah metadata sesi sementara menjadi catatan yang stabil dan dapat dicari. Ini dilengkapi dengan dasbor, permukaan CLI, dan antarmuka MCP. Audiens target adalah pengembang dan peneliti AI yang menggunakan alat MCP dan memerlukan visibilitas yang tepat ke dalam penggunaan sumber daya agen.
Tugas apa yang sebenarnya dapat Anda gunakan untuk itu?
Alat ini memetakan interaksi AI ke dalam catatan yang dapat dianalisis sehingga tim dapat menyelidiki bagaimana agen dan asisten menggunakan konteks selama sesi pengembangan. Ini menangkap konsumsi token per giliran dan riwayat thread, mendukung inspeksi manual melalui Konsol Bukti, dan mengungkapkan fakta penggunaan kepada agen lain melalui permukaan MCP enam alat. Pengguna dapat menjalankan kueri untuk mengidentifikasi thread dengan penggunaan tinggi yang berulang dan menghasilkan laporan berbasis bukti untuk tinjauan kode atau alur kerja audit.
Seberapa akurat dan dapat ditindaklanjuti laporan ini?
Pelacakan token waktu nyata untuk prompt dan penyelesaian memberi umpan ke kernel SQLite lokal yang mempertahankan metadata sesi dan mengindeksnya untuk kueri. Pelacak melakukan akuntansi kredit otomatis yang terkait dengan kredit model OpenAI, dan mengungkapkan diagnosis pemborosan penggunaan yang menandai pola token yang tidak efisien atau panggilan cache rendah. Catatan stabil tersebut mendukung analisis programatik, menjadikan laporan ini cocok untuk inspeksi manusia dan audit yang dipandu agen otomatis.
Apakah diperlukan pengetahuan teknis untuk mendapatkan hasil yang berguna?
Memasang dan menjalankan pelacak memerlukan lingkungan Python 3.10+ dan host yang kompatibel dengan MCP seperti Codex CLI, ChatGPT Desktop, atau ekstensi IDE yang didukung, dan biasanya diinstal melalui pip atau pipx. Desain yang berorientasi pada pengembang dan agen ini berarti alat ini terintegrasi ke dalam alur kerja pengembang tetapi mengharapkan familiaritas dengan plugin MCP dan alat Python. Alat ini menyimpan semua data sesi di mesin lokal, menghindari penyimpanan cloud eksternal untuk catatan yang dilacak.
Terbaik untuk pengembang MCP-native yang membutuhkan visibilitas penggunaan yang disiplin
codex-usage-tracker adalah pilihan praktis untuk pengembang dan peneliti yang membutuhkan catatan yang dapat diselidiki tentang perilaku agen dan konsumsi sumber daya. Ini mengasumsikan lingkungan yang mendukung MCP dan keterampilan pengaturan tingkat pengembang, jadi tim tanpa alur kerja tersebut melihat manfaat yang terbatas. Tip praktis: jadwalkan kueri berkala yang terfokus atau audit yang dipimpin agen untuk mengungkap ketidakefisienan yang berulang dan membimbing penyesuaian cepat atau agen.
