mcpField
C
contextburn

contextburn

ローカル
arsentev.aiデータ・分析03 週間前に更新

contextburn について

contextburn はローカルの Claude Code のトランスクリプトを分析し、使用したトークンのうち出力になった割合と、コンテキストの再読み込み量を示します。コーディングエージェントの利用者向けに、ネットワークへデータを送らず、セッション別およびコスト加重の効率レポートを提供します。

主な機能

  1. 01ローカルの Claude Code トランスクリプト分析
  2. 02出力比率とコンテキスト再読込の計測
  3. 03トークン基準とコスト加重の表示
  4. 04セッション詳細とサブスクリプション枠の確認
  5. 05JSON 出力と MCP ツール

活用シーン

  1. 01セッション間のトークン効率の比較
  2. 02コンテキストを膨らませた要因の特定
  3. 03セッション中の使用状況の確認

MCP 対応

stdio MCP サーバーを起動し、`run_efficiency` と `spend_breakdown` ツールでエージェントが実行効率やレポートを参照できます。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

mcp.json · 共通設定
{
"mcpServers": {
"ai-arsentev-contextburn": {
"command": "uvx",
"args": [
"contextburn"
]
}
}
}
起動コマンドuvx contextburn

ローカルサーバーにはマシン上の実行環境(Node.js 18 以上など)が必要です。設定ファイルの場所はクライアントごとに異なります。

パッケージ
pypicontextburn0.2.1

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

contextburn:24 時間の実際の出力 — 有用な作業はトークンの 0.18%、コンテキストの再読み込みは 98.4%、コスト加重の有用な作業は 6.7%、有用なトークン 1 個に 555 個の課金対象トークンが必要

DOI 10.5281/zenodo.22712985

contextburn は、Claude Code がすでにお使いのマシンに書き込んでいるトランスクリプトを読み取り、支払ったトークンのうち、どれだけがモデルの出力になったか、またエージェントがすでに送信したコンテキストをどれだけ再読み込みしていたかを示します。

トークンカウンターが答えるのは、「いくら使ったか?」 です。これは、「そのうちどれだけが作業だったか?」 に答えます。正規化された割合なので、セッション、モデル、作業方法をまたいで比較できます。

試してみる

cp bin/contextburn ~/bin/contextburn && chmod +x ~/bin/contextburn   # python3 only, no dependencies
contextburn detail 24

デモ

36 回の実験実行における 72 の contextburn の詳細:168 セッション、有用な作業はトークンの 1.44%、コンテキストの再読み込みは 94.4%、コスト加重は 28.8%

U 字曲線レポートの基になった 36 回の実行のセッションログから得た実際の出力です。マシン上のほかのデータは使用していません。DOI 付きの動画:10.5281/zenodo.22713920。実行データ自体も公開されています:Hugging Face(DOI 10.57967/hf/10366) · Kaggle · OSF(DOI 10.17605/OSF.IO/5QTWY)。

2 つの数値の理由

同じ 12 個のタスクを、3 回ずつ、1 回の長いセッションまたは 12 回の短いセッションで実行:トークン効率は 1.11% 対 1.12% で差なし、コスト加重効率は 31.6% 対 24.6% で 7 ポイントの差

  • トークン基準では、割合はほとんど変わりません。エージェントはステップごとに蓄積したコンテキストを再送するため、何をしても再読み込みが大部分を占めます。これはエージェントの特性を表します。
  • コスト加重では、割合が変わります。キャッシュされた読み取りは、新しい入力や出力よりも大幅に安価だからです。これはセッションの実行方法によって変わり、利用者の特性を表します。

上記の比較は、データセットと分析スクリプトを伴う管理実験に基づいています:3 タスクごとにクリア:コーディングエージェントのコンテキスト経済における測定された U 字曲線。

カウント方法

  • ローカルの Claude Code トランスクリプト(~/.claude/projects/**/*.jsonl)を読み取ります。データがマシンの外に出ることはありません。ネットワーク呼び出しも一切ありません。
  • 使用状況レコードをメッセージ ID で重複排除し、要素ごとの最大値を保持します。ストリーミングランタイムは、同じ呼び出しについて初期スナップショットと最終レコードを書き込みます。両方を数えると二重計上になり、最初のレコードだけを保持すると出力が半分になります。
  • コスト比率の重み付けには、bin/contextburn の先頭にあるモデルごとの価格を使います。価格が変更されたら、そこで更新してください。

コマンド

コマンド表示内容
contextburn現在トークンを消費しているもの
contextburn detail [hours]実行効率、セッション、コンテキストを具体的に膨らませた要因
contextburn window現在の 5 時間のサブスクリプションウィンドウ
contextburn --json機械可読な状態(メニューバーアプリで使用)
contextburn --probe <hours>解析済みセッションの生 JSON ダンプ
contextburn --efficiency [hours]実行効率を JSON 形式で表示
contextburn mcpMCP サーバーを起動
設定
設定デフォルト意味
CONTEXTBURN_LANG or ~/.config/contextburn/langenインターフェース言語:en または ru
CONTEXTBURN_DAY_START61日の開始時刻 — ここで1日の合計がリセットされます
CONTEXTBURN_WARN30000000メニューバーのカウンターが黄色になるトークン数/時間
CONTEXTBURN_ALARM90000000メニューバーのカウンターが赤色になるトークン数/時間

メニューバーアプリは Finder から起動され、環境変数が届かないため、言語ファイルが用意されています。echo ru > ~/.config/contextburn/lang を実行すると、アプリと CLI の両方が切り替わります。

MCP サーバー

エージェントがセッション中に自身の実行効率を確認できるようにします。このパッケージには、依存関係不要の MCP サーバー(stdio)が付属しており、2 つのツールを提供します。run_efficiency は割合を構造化データとして返し、spend_breakdown は詳細なレポートを返します。

claude mcp add contextburn -- uvx contextburn mcp

Claude Code プラグインとしてインストールすると、同じサーバーが登録されます。

/plugin marketplace add arsentev-ai/contextburn
/plugin install contextburn@contextburn

エディター拡張機能

  • VS Code 互換エディター(VSCodium、Cursor、Windsurf、Gitpod…) — Open VSX:arsentev-ai.contextburn。ローカル CLI の使用状況をステータスバーに表示します。ソースコードは editors/vscode にあります。
  • Raycast — ソースコードは editors/raycast にあります。ストアへの申請は保留中です。

メニューバーアプリ(macOS)

app/main.swift は小型のステータスバーアプリです。1 分ごとに contextburn --json をポーリングし、現在の燃焼率と時間ごとのグラフを表示します。バーをクリックすると、その時間の内訳を確認できます。

swiftc -O -o ContextBurn app/main.swift

CLI が ~/bin または通常の Homebrew パスにない場合は、CONTEXTBURN_BIN=/path/to/contextburn を設定してください。

制限事項

  • 現時点では Claude Code のトランスクリプトのみが対象です。
  • コスト加重の割合は、bin/contextburn の価格表が最新である範囲でのみ最新です。

引用

ソフトウェア DOI(全バージョン):10.5281/zenodo.22712985。GitHub の 「このリポジトリを引用」 ボタンから引用情報を取得できます。メタデータは CITATION.cff にあります。

作者

Evgenii Arsentev — arsentev.ai · ORCID 0000-0002-9120-7298

このプロジェクトは初日に tokmon として公開されましたが、同名の無関係なツールとの混同を避けるため、名前を変更しました。TOKMON_* 環境変数は引き続き使用できます。

ライセンス

MIT — LICENSE を参照してください。

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。