vivekchand/clawmetry

🦞 ClawMetry – AIエージェント向けリアルタイム監視

何であるか – マシン上にインストールされたAIエージェントランタイム（例：OpenClaw、NVIDIA NemoClaw、Claude Code、OpenAI Codexなど）を自動検出するローカル実行ダッシュボードで、リアルタイムで各エージェントの動作状況、コスト、異常の有無を可視化します。

なぜ重要か – 複数の自律型エージェントを実行すると、すぐに以下の情報が見えにくくなります：

• どのLLM呼び出しが行われているか、
• それぞれの呼び出しでどれだけのトークンと金額が消費されているか、
• ツール呼び出しがリスクがあるかどうか、
• エージェントが凍結しているか、コンテキストウィンドウを超過しているか。 ClawMetryはエージェント自体を変更せずに、単一のUIでこれらすべてを可視化します。

---

主な機能（READMEに記載）

機能	得られるもの
自動検出	1コマンドインストール（pip install clawmetry && clawmetry）で、ホスト上の30種類の対応ランタイムを検出し、セッションファイルを読み取り専用で読み取ります。
セッションとトランスクリプト	エージェントの会話の1ステップごとのビューと、リプレイボタン付き。
コスト・トークン追跡	ランタイム別、モデル別、日別、生涯の支出を表示。急増の異常フラグも付与。
ライブフローダイアグラム	メッセージがチャネル、モデル、ツールを通過する様子を視覚的に表示。エージェント実行中にリアルタイム更新。
コンテキストウィンドウ監視	ウィンドウ利用状況、コンパクションイベント、「吹き出し」警告を、プロバイダ固有のウィンドウテーブルを使って表示。
メモリ・スキルビュー	各ランタイムがロードしたファイルとスキルの一覧。
ヘルス状態・ログ	ディスク/メモリ使用量、エラー率、レートリミット状態、ライブログストリーム。
アラート・承認	コスト急増、静止エージェント、エラー爆発などの検出機能を内蔵。リスクの高いツール呼び出しは、スマートフォンから承認可能。
エクスポート	外部バックエンドへトレースを送信するためのOpenTelemetry（OTLP）サポート。
SDKトレキング	SDK上でエージェントを開発している場合、インターセプタがLLM呼び出しを自社コードに紐づけます。

---

対応ランタイム（無料 vs. 有料）

• 無料のオープンソースランタイム – OpenClaw、NVIDIA NemoClaw、Goose。
• 有料ランタイム – Claude Code、Cursor、GitHub Copilot、OpenAI Codex、Gemini CLI、Replit Agent、OpenHandsなど（合計30以上）。

---

料金プランとデプロイ

プラン	カバー範囲	料金（ノード単位）
無料	3つのオープンソースランタイムのみ、ローカル専用ダッシュボード。	$0
Starter	すべてのランタイム、ファルムビュー、クラウド同期。	$9 / 月
Pro	Starter + 承認機能、ポリシーエンジン、評価ツール、異常検出、コスト最適化、OTelエクスポート、改ざん証跡のある監査ログ。	$19 / 月

セルフホストライセンスキーにより、SaaSコンポーネントなしで有料機能を実行可能（clawmetry license）。

---

データプライバシーとエグレス

• デフォルトではClawMetryはローカルセッションファイルを読み取ります；セッションデータはマシン外に送信されません。ただし、clawmetry connectを実行すると送信されます。
• オプションのconnectフローでは、ブラウザ内でエンドツーエンド暗号化が行われ、暗号化キーはホストから離れません。
• オプトアウトなしで発生する唯一のアウトバウンドトラフィックは、匿名のインストールピング、PyPIバージョンチェック、バナー用の1回限りのパブリックIP照会です。
• すべてのエグレス先はdocs/EGRESS.mdに記載されており、無効化可能です。

---

パフォーマンス影響

• デーモンは別プロセスとして実行。セッションファイルの尾行読み込みは0 ms。
• オプションのHTTPインターセプタは、LLM呼び出し1回あたり約0.44 ms（5秒呼び出しの約0.009％）。
• オプションの事前ツールフックは、ゲート付きツール呼び出し1回あたり約44 ms。
• 強制プロキシは、LLM呼び出し1回あたり約9.7 ms。
• 忙しい環境では、デーモンは約**1つのCPUコアの12％**を消費し、10万件のイベントあたり約70MBのメモリを使用。
• オーバーヘッドはpython -m benchmarks.overheadでローカルで測定可能。

---

インストールとクイックスタート

pip install clawmetry      # Pythonパッケージをインストール
clawmetry                  # http://localhost:8900 でダッシュボードを起動

• Python 3.8+ でmacOS、Linux、Windowsで動作。
• DockerイメージとComposeファイルも提供（docs/DOCKER.md）。

---

ドキュメントのハイライト

• 互換性 – 各アダプタが読み取る内容と、新しいランタイムを追加する方法。
• コンテキスト吹き出し – プロバイダ別ウィンドウサイズ、コンパクション vs. オーバーフロー。
• オーバーヘッド – 詳細なベンチマーク手法。
• 承認・ポリシー – リスクスコアリングとスマートフォンベースの承認フロー。
• OpenTelemetry – 任意のOTLPコレクタへトレースをエクスポート。
• SDKトレキング – カスタムエージェントのコストを紐づける。

---

ライセンス

MIT – 無料で使用、変更、再配布可能。

---

TL;DR

ClawMetryは、マシン上の多数のAIエージェントランタイムを自動検出し、活動状況、コスト、コンテキスト使用状況、ヘルス状態を統合的かつリアルタイムで可視化するセルフホスト型監視プラットフォーム。セキュリティ重視の承認機能とクラウド同期をオプションで提供し、ノード単位の低コストで利用可能。