CodeLedger: Open-Source-Claude-Code-Plugin verfolgt Token-Verbrauch und Hintergrund-Agenten

Was CodeLedger macht

CodeLedger ist ein Open-Source-Claude-Code-Plugin (MCP-Server), das automatisch die Token-Nutzung, Projektkosten und die Aktivität von Hintergrund-Agenten verfolgt. Es wurde entwickelt, nachdem 77 Claude-Code-Sitzungen über 8 Projekte im Max-20x-Plan analysiert wurden, was einen erheblichen Token-Verbrauch durch Hintergrund-Agenten offenbarte.

Das Problem, das es löst

Der integrierte /cost-Befehl in Claude Code zeigt nur Daten der aktuellen Sitzung an. Es gibt keine native Möglichkeit, Folgendes einzusehen:

• Verlauf pro Projekt
• Aufschlüsselung pro Agent
• Was Hintergrund-Agenten verbrauchen
• Welches Modell für welche Aufgabe verwendet wird

Wenn Sie das Terminal schließen, geht dieser Kontext für immer verloren.

Wichtige Erkenntnisse aus der Analyse

• 2.061 $ entsprechende API-Kosten über 77 Sitzungen, 8 Projekte
• Teuerstes Projekt: 955 $ in Tokens für ein Nebenprojekt
• 233 Hintergrund-Agenten verbrauchten 23 % der Agent-Token-Ausgaben
• 57 % der Rechenleistung war Opus, einschließlich für Aufgaben wie Dateisuche, die Sonnet gut bewältigt
• Eine Sitzung startete 100+ Hintergrund-Agenten, die Token im Wert von über 80 $ verbrauchten

Entdeckte Muster bei Hintergrund-Agenten

• acompact-*-Agenten laufen automatisch, um Kontext zu komprimieren, wenn Gespräche lang werden, und verwenden dabei das Modell Ihrer Sitzung (einschließlich Opus)
• aprompt_suggestion-*-Agenten generieren Prompt-Vorschläge und starten häufig in langen Sitzungen
• Es gibt keine native Möglichkeit, zwischen „Agenten, die ich angefordert habe“ und „systemeigenen Hintergrund-Agenten“ zu unterscheiden, ohne die JSONL-agentId-Präfixe zu analysieren

CodeLedger-Funktionen

• Kostenverfolgung pro Projekt über alle Sitzungen hinweg
• Aufschlüsselung pro Agent, die zeigt, welche Agenten die meisten Tokens verbraucht haben
• Overhead-Erkennung, die Ihre Programmier-Agenten von Hintergrund-acompact-*- und aprompt_suggestion-*-Agenten trennt
• Empfehlungen zur Modelloptimierung
• Konversationsbasierte Abfragen – fragen Sie „Was habe ich diese Woche für Projekt X ausgegeben?“

Wie es funktioniert

• Greift auf SessionEnd-Ereignisse zu und analysiert lokale JSONL-Dateien
• Hintergrund-Scanner erfasst Sitzungen, bei denen Hooks nicht aktiv waren
• Speichert alles in einer lokalen SQLite-Datenbank (~/.codeledger/codeledger.db) – keine Cloud, keine Telemetrie
• Stellt MCP-Tools bereit: usage_summary, project_usage, agent_usage, model_stats, cost_optimize

Installation

npm install -g codeledger

Das Tool wartet noch auf die Genehmigung durch den Anthropic Marketplace, aber die npm-Installation funktioniert direkt.