Theo dõi MCP địa phương cho việc sử dụng token và tín dụng minh bạch
codex-usage-tracker, bởi Douglas Monsky, là một máy chủ và bảng điều khiển Model Context Protocol (MCP) cục bộ, cho thấy cách các phiên lập trình hỗ trợ AI tiêu thụ tài nguyên. Công cụ này ghi lại việc sử dụng token, thời gian và tín dụng cho các prompt và completions và chuyển đổi siêu dữ liệu phiên tạm thời thành các bản ghi ổn định, có thể truy vấn. Nó đi kèm với một bảng điều khiển, một bề mặt CLI và một giao diện MCP. Đối tượng mục tiêu là các nhà phát triển và nhà nghiên cứu AI sử dụng các công cụ MCP và cần có cái nhìn chính xác về việc sử dụng tài nguyên của tác nhân.
Các nhiệm vụ nào bạn thực sự có thể sử dụng nó cho?
Công cụ này lập bản đồ các tương tác AI thành các bản ghi có thể phân tích để các nhóm có thể điều tra cách mà các đại lý và trợ lý sử dụng ngữ cảnh trong các phiên phát triển. Nó ghi lại mức tiêu thụ token theo lượt và lịch sử chủ đề, hỗ trợ kiểm tra thủ công thông qua Bảng Chứng Cứ và cung cấp các sự thật về việc sử dụng cho các đại lý khác thông qua một bề mặt MCP sáu công cụ. Người dùng có thể chạy các truy vấn để xác định các chủ đề có mức sử dụng cao lặp lại và tạo ra các báo cáo dựa trên chứng cứ cho quy trình xem xét mã hoặc kiểm toán.
Báo cáo của nó chính xác và có thể hành động như thế nào?
Theo dõi token theo thời gian thực cho các lời nhắc và hoàn thành cung cấp một kernel SQLite cục bộ giữ lại siêu dữ liệu phiên và lập chỉ mục cho các truy vấn. Bộ theo dõi thực hiện kế toán tín dụng tự động gắn liền với tín dụng mô hình OpenAI, và nó cung cấp các chẩn đoán lãng phí sử dụng mà đánh dấu các mẫu token không hiệu quả hoặc các cuộc gọi bộ nhớ thấp. Những bản ghi ổn định đó hỗ trợ phân tích lập trình, làm cho báo cáo phù hợp cho cả kiểm tra của con người và kiểm toán do đại lý tự động điều khiển.
Nó có yêu cầu kiến thức kỹ thuật để có được kết quả hữu ích không?
Cài đặt và chạy bộ theo dõi yêu cầu một môi trường Python 3.10+ và một máy chủ tương thích MCP như Codex CLI, ChatGPT Desktop, hoặc các tiện ích mở rộng IDE được hỗ trợ, và nó thường được cài đặt qua pip hoặc pipx. Thiết kế ưu tiên nhà phát triển, hướng tới đại lý có nghĩa là nó tích hợp vào quy trình làm việc của nhà phát triển nhưng mong đợi sự quen thuộc với các plugin MCP và công cụ Python. Công cụ này giữ tất cả dữ liệu phiên trên máy cục bộ, tránh lưu trữ đám mây bên ngoài cho các bản ghi đã theo dõi.
Tốt nhất cho các nhà phát triển MCP-native cần sự hiển thị sử dụng có kỷ luật
codex-usage-tracker là một lựa chọn thực tiễn cho các nhà phát triển và nhà nghiên cứu cần hồ sơ có thể điều tra về hành vi của tác nhân và mức tiêu thụ tài nguyên. Nó giả định một môi trường có khả năng MCP và kỹ năng thiết lập ở cấp độ nhà phát triển, vì vậy các nhóm không có những quy trình làm việc đó sẽ thấy lợi ích hạn chế. Mẹo thực tiễn: lên lịch các truy vấn định kỳ, tập trung hoặc kiểm toán do tác nhân điều khiển để phát hiện các điểm không hiệu quả lặp lại và hướng dẫn các điều chỉnh kịp thời hoặc của tác nhân.
