Suivi MCP local pour l'utilisation transparente des jetons et des crédits
codex-usage-tracker, par Douglas Monsky, est un serveur et un tableau de bord du Modèle de Contexte Protocole (MCP) local qui expose comment les sessions de codage assistées par l'IA consomment des ressources. L'outil enregistre l'utilisation des jetons, du temps et des crédits pour les invites et les complétions et convertit les métadonnées de session transitoires en enregistrements stables et interrogeables. Il est livré avec un tableau de bord, une interface en ligne de commande (CLI) et une interface MCP. Le public cible est constitué de développeurs et de chercheurs en IA qui utilisent des outils MCP et nécessitent une visibilité précise sur l'utilisation des ressources par les agents.
Quelles tâches pouvez-vous réellement utiliser pour cela ?
L'outil cartographie les interactions d'IA en enregistrements analysables afin que les équipes puissent enquêter sur la façon dont les agents et les assistants utilisent le contexte lors des sessions de développement. Il capture la consommation de jetons par tour et l'historique des fils, prend en charge l'inspection manuelle via une console de preuves, et expose des faits d'utilisation à d'autres agents via une surface MCP à six outils. Les utilisateurs peuvent exécuter des requêtes pour identifier les fils à forte utilisation répétée et produire des rapports basés sur des preuves pour les revues de code ou les flux de travail d'audit.
Quelle est la précision et l'actionnabilité de ses rapports ?
Le suivi des jetons en temps réel pour les invites et les complétions alimente un noyau SQLite local qui préserve les métadonnées de session et les indexe pour les requêtes. Le tracker effectue une comptabilité de crédit automatisée liée aux crédits du modèle OpenAI, et il fait apparaître des diagnostics de gaspillage d'utilisation qui signalent des modèles de jetons inefficaces ou des appels à faible cache. Ces enregistrements stables soutiennent l'analyse programmatique, rendant le reporting adapté à la fois à l'inspection humaine et aux audits automatisés pilotés par des agents.
Faut-il des connaissances techniques pour obtenir des résultats utiles ?
L'installation et l'exécution du tracker nécessitent un environnement Python 3.10+ et un hôte compatible MCP tel que le Codex CLI, ChatGPT Desktop ou des extensions IDE prises en charge, et il est généralement installé via pip ou pipx. La conception orientée développeur et axée sur les agents signifie qu'elle s'intègre dans les flux de travail des développeurs mais attend une familiarité avec les plugins MCP et les outils Python. L'outil conserve toutes les données de session sur la machine locale, évitant le stockage cloud externe pour les enregistrements suivis.
Meilleur pour les développeurs natifs MCP qui ont besoin d'une visibilité d'utilisation disciplinée
codex-usage-tracker est une option pratique pour les développeurs et les chercheurs qui ont besoin d'enregistrements investigables du comportement des agents et de la consommation des ressources. Il suppose un environnement compatible avec MCP et des compétences de configuration au niveau des développeurs, donc les équipes sans ces flux de travail voient des bénéfices limités. Conseil pratique : planifiez des requêtes périodiques et ciblées ou des audits pilotés par des agents pour faire ressortir les inefficacités récurrentes et guider les ajustements rapides ou des agents.
