Компания Kelviq выпустила tare — открытый скилл (лицензия MIT) для Claude Code, который читает локальные логи сессий и считает реальный расход токенов по каждому API-запросу: с разбивкой по проектам, моделям, файлам, MCP-серверам, скиллам и субагентам. Ключевая методология — учёт «amplified tokens», то есть стоимости повторной пересылки прочитанных файлов в контексте каждого следующего сообщения. Всё считается локально, без сетевых запросов, поэтому пользователь тарифа Claude Max, внезапно упёршийся в лимит, наконец получает не загадочную цифру, а конкретного виновника.

image
image

Что произошло

Kelviq опубликовала tare — open-source-скилл для Claude Code под лицензией MIT. Скилл разбирает локальные логи сессий Claude Code и считает фактический расход токенов по API-запросам, собирая атрибуцию в HTML-отчёт с графиками. Доступны команды /tare report [дней] для полного отчёта, /tare usage — панель наподобие штатного /usage, но с атрибуцией по виновникам, /tare window — заполненность 5-часового лимитного окна, /tare week — недельная сводка, и /tare share [дней] — обезличенная .md-сводка без промптов, путей и идентификаторов. Установка идёт одной командой: npx skills add kelviq/tare -g -y --copy --agent claude-code. Требуются macOS или Linux и Python 3.9+, обработка полностью локальная и без сетевых запросов.

Контекст

Расход подписок Claude Max упирается в 5-часовые и недельные лимиты, а едят их не только собственные сообщения человека. Фоновые скрипты, MCP-серверы и сотни коротких параллельных сессий автоматизации почти невидимы: штатная панель /usage показывает лишь общий остаток. В блоге Kelviq приводят кейс, где за один день зафиксировано 1555 скрытых сессий с 9022 запросами против 93 запросов самого человека — основную нагрузку создала автоматизация, а не автор. Вторая причина внезапных расходов лежит в механике контекстного окна: файл, прочитанный в начале длинной сессии, пересылается в контексте каждого следующего сообщения, поэтому короткие сессии дешёвые, а длинные взрываются в цене. Наивный парсинг логов при этом искажает картину: по авторской оценке, из-за дубликатов ответов в логах он завышает расход до 86%.

Почему это важно для индустрии

Для индустрии tare интересен не как счётчик, а как шаблон нового класса инструментов: агент анализирует собственные логи прямо на машине пользователя, что авторы называют self-forensics. Это готовая матрица продукта для аналогичных аудит-скиллов у Codex, Cursor и других агентов — в самих материалах уже предлагается просить агента портировать подход. Корректная атрибуция стоимости контекста даёт билдерам первую ступень unit-экономики агентов: видно, что длинные сессии дорожают из-за повторной пересылки контекста, и это напрямую влияет на дизайн memory и RAG. Логика материала такова, что рождается категория наблюдаемости расходов на ИИ-агентов (agent FinOps): пока пробел закрывают внешние парсеры вроде tare, в перспективе вендоры могут встроить нативную атрибуцию стоимости контекста в сами агентные фреймворки, а обезличенные .md-сводки — стать форматом обмена профилями расходов между командами.

Почему это важно для пользователей

Если вы работаете в Claude Code на macOS или Linux, польза доступна немедленно: после установки одной командой достаточно спросить по-английски «where did my tokens go this week» — вместо стены чисел придёт конкретный виновник лимита: конкретный MCP-сервер, скилл или файл, который пересылается в контексте десятков сообщений. /tare window покажет, насколько заполнено текущее 5-часовое окно, а /tare usage повторит привычную панель /usage, но уже с атрибуцией. Приватность здесь проверяемая, а не декларативная: код открыт под MIT, всё считается локально без сетевых запросов, SECURITY.md описывает, как одной grep-командой убедиться, что скрипты никуда не стучатся, а /tare share выдаёт обезличенную .md-сводку, которую безопасно публиковать. Если же вы сидите в Codex или другом агенте, скилл пока не подойдёт — придётся ждать порта или просить агента сделать его.

Что пока неизвестно / ограничения

Методологическая база пока авторская: заявление о 86% завышения наивного подсчёта сделано «на тестовых данных», без описания, как детектируются дубликаты и что принято за эталон, — это оценка вендора, которую ещё никто независимо не воспроизвёл. Кейс со 1555 скрытыми сессиями — яркая, но единичная иллюстрация одного вендора, а не статистика по популяции пользователей. Формулировки про «первый практичный слой observability» и «новый класс продуктов» — рыночные обобщения: с инженерной точки зрения это добротный парсер логов с продуманной схемой атрибуции, без бенчмарков и независимых замеров. Прогнозы о портах для Codex и Cursor и о нативной атрибуции внутри агентных фреймворков — интерпретации по логике материала, а не заявленные планы компаний.

Источники

Автор

Look at AI, редакция