Claude Code 및 AI 에이전트 세션 모니터링을 위한 로컬 도구 Anjor 공개

실용적 조언

Claude Code 세션의 비용이 걱정된다면 anjor start --watch-transcripts 명령어로 실시간 모니터링을 시작하라.
커스텀 에이전트를 개발 중이라면 anjor.patch()를 사용하여 별도의 로깅 로직 없이도 모든 API 호출을 기록할 수 있다.

섹션별 상세

AI 에이전트 세션 중 발생하는 불투명한 비용과 성능 저하 문제를 해결하기 위해 로컬 대시보드를 구축했다. Anjor는 로컬 호스트 7843 포트에서 실행되며 Claude Code, Gemini CLI, Codex의 세션 트랜스크립트를 자동으로 감지하여 시각화한다. 별도의 계정 생성이나 클라우드 동기화 없이 사용자의 머신에서만 데이터가 처리되어 보안성을 확보했다.

bash

pipx install "anjor[mcp]"
anjor start --watch-transcripts

pipx를 사용하여 Anjor를 설치하고 세션 트랜스크립트 감시 모드로 실행하는 명령어

도구 호출의 지연 시간과 페이로드를 상세히 분석하여 에이전트의 병목 현상을 파악할 수 있다. 각 모델과 도구별로 세분화된 토큰 사용량을 보여주며, 세션 진행에 따른 컨텍스트 윈도우의 팽창 속도를 실시간으로 추적한다. 이를 통해 월말 청구서가 나오기 전에 비용 발생 원인을 즉각적으로 인지할 수 있는 피드백 루프를 제공한다.

python

import anjor
anjor.patch()

커스텀 에이전트 개발 시 httpx를 패치하여 API 호출을 캡처하는 코드

커스텀 에이전트 개발자를 위해 한 줄의 코드로 통합 가능한 계측 기능을 지원한다. anjor.patch() 함수를 호출하면 httpx 라이브러리를 패치하여 Anthropic, OpenAI, Gemini로 향하는 모든 API 요청을 캡처한다. 도구의 출력 스키마가 호출 간에 변경되거나 특정 입력값에서 도구들이 집단으로 실패하는 패턴을 분석하는 기능을 포함한다.

용어 해설

모델 컨텍스트 프로토콜(MCP): — AI 모델이 외부 도구, 데이터 소스 및 서비스와 상호작용하는 방식을 표준화하는 개방형 프로토콜이다. 이를 통해 서로 다른 AI 에이전트와 도구 간의 호환성을 높이고 복잡한 워크플로를 통합할 수 있다.
컨텍스트 윈도우(Context Window): — AI 모델이 한 번에 처리할 수 있는 텍스트 데이터의 최대 범위를 의미한다. 세션이 길어질수록 이 윈도우가 가득 차게 되며, 이는 추론 비용 증가와 모델의 집중력 저하로 이어진다.
토큰 사용량(Token Usage): — LLM API 호출 시 소비되는 텍스트 단위의 양을 측정하는 지표이다. 모델별 단가에 따라 비용이 결정되므로, 효율적인 토큰 관리는 대규모 에이전트 운영의 핵심적인 경제적 요소이다.

언급된 도구

Anjor추천링크

AI 에이전트 세션 및 토큰 사용량 로컬 모니터링

pipx추천

파이썬 애플리케이션의 격리된 설치 및 실행

언급된 리소스

GitHubAnjor GitHub Repository