AgentCost – 本地 CLI，分析 Claude Code/Cursor/Codex 会话中的 Token 成本
agentcost-cli 0.1.0
pip install agentcost-cli==0.1.0 复制 PIP 指令
发布日期：2026 年 7 月 24 日
一个本地 CLI 工具，用来分析 AI 编码智能体会话（Claude、Cursor、Codex、Ollama）中的 Token 消耗情况。
项目介绍
AgentCost
本地开源 CLI，专门分析 AI 编码智能体会话中什么因素驱动了 Token 消耗——不只是看总量。读取你本机真实的日志记录。无需云端、无需认证、无需仪表盘。
pip install agentcost-cli
agentcost doctor
agentcost smoke -v
可以连接哪些 AI 工具？
随时列出当前的适配器（adapter）：
agentcost providers
agentcost list --provider claude
agentcost list --provider cursor
agentcost list --provider codex
agentcost report --provider ollama -v
尚未提供适配器（适合初次贡献者）
ChatGPT 网页/应用、Gemini CLI、GitHub Copilot Chat、Aider、Continue、Windsurf、Cline、OpenCode 等。这些都可以作为新的 provider adapter 加入——详见 CONTRIBUTING.md。
安装
需要 Python 3.10+。
pip install agentcost-cli
控制台命令仍然是 agentcost（PyPI 上的包名是 agentcost-cli，因为 agentcost 已被其他项目占用）。
或者通过 pipx（独立 CLI 安装）：
pipx install agentcost-cli
贡献者（可编辑安装）
git clone https://github.com/kashifdevfe/AgentCost.git
cd AgentCost
pip install -e ".[dev]"
社区快速上手（真实本地数据）
agentcost doctor
ollama pull llama3.2:1b # 如果尚未下载
agentcost smoke -v # 真实的多轮本地运行 + 报告
agentcost report --provider ollama -v
默认的 fallback 模型：llama3.2:1b（可通过 --model 或环境变量 AGENTCOST_OLLAMA_MODEL 覆盖）。
示例：一份好报告长什么样
创始者快照（通俗语言）
这是一次本地会话（llama3.2:1b）。API 美元成本为 $0……
主要驱动因素：84% 的 Token 量来自 `user_turn`……
没有明显的浪费标记——会话状态相对健康。
总计
token 输入=188 输出=34 ……
每轮平均 输入~62 输出~11
时间 2.8 秒（墙钟生成时间）
按调用类型分类（按 Token 占比）
#############--- 84.2% user_turn -> 之后的用户消息
###------------- 15.8% initial_prompt -> 第一条用户消息
异常/洞察
信息 [local_ollama] Ollama 是本地运行 - API 成本为 $0 ……
下一步做什么
- 本地运行：针对延迟/Token 优化，而不是美元成本。