# AgentsView — честный счётчик для ваших AI-агентов, которому не нужны ваши пароли - Site: VeraPoint News - Section: Инструменты - Date: 2026-06-14 - Canonical: https://verapointmedia.com/tools/kenn-io-agentsview/ - Markdown: https://verapointmedia.com/tools/kenn-io-agentsview.md - Summary: Локальная панель для поиска, аналитики и подсчёта затрат по всем AI-агентам для кода. Один бинарник, никакой регистрации. - SEO title: AgentsView: браузерная отладка и проверка сайтов AI-агентом - SEO description: Локальная панель для поиска, аналитики и подсчёта затрат по всем AI-агентам для кода. Один бинарник, никакой регистрации - Target queries: AgentsView; AgentsView github; что такое AgentsView; как использовать AgentsView - Tags: #agentsview #aiagents #costtracking #local-first #devtools #cli - Image: https://verapointmedia.com/static/content-assets/tools/kenn-io-agentsview/cover.webp ## Sources - https://github.com/kenn-io/agentsview - https://agentsview.io - https://agentsview.io/install.sh - https://agentsview.io/install.ps1 --- [AgentsView](https://github.com/kenn-io/agentsview) — это локальная панель управления, которая сама находит все сессии ваших AI-агентов для кода (Claude Code, Codex, ещё два десятка других) и показывает, что они натворили, сколько это стоило и где можно это найти. Работает как веб-интерфейс в браузере или как команда в терминале. Всё на вашей машине, никаких внешних серверов и учётных записей. Идея простая до гениальности. Когда вы работаете с Claude Code или Cursor, ваш агент оставляет за собой следы — логи, историю сообщений, использованные токены. Обычно эти данные лежат мёртвым грузом в скрытых папках, и чтобы понять, куда ушли деньги, нужно либо залезать в биллинг OpenAI, либо городить самодельные скрипты. AgentsView просто подбирает всё это с пола за вами и раскладывает по полочкам. ## Если просто Представьте, что у вас в системе живут несколько AI-помощников — один пишет код в Claude Code, второй подсказывает в редакторе, третий гоняет рефакторинг через Forge. Каждый из них ведёт свой дневник: что попросили, что ответил, сколько токенов сжёг. AgentsView — это единая библиотека для всех этих дневников. Вы запускаете один бинарник (`agentsview serve`), и он находит сессии от всех поддерживаемых агентов, индексирует их в локальную SQLite-базу и открывает панель в браузере. Там можно искать по всему тексту сообщений, смотреть тепловую карту активности и — самое вкусное — считать деньги. ## Что это решает Главная боль разработчика, который пользуется AI-агентами, — полная непрозрачность. Ты жмёшь кнопку «сгенерировать», агент что-то делает, а потом приходит счёт на $50, и совершенно непонятно, за что именно и когда стоило бы остановиться. AgentsView превращает этот чёрный ящик в стеклянный. Вторая боль — потеря контекста. Через неделю спрашиваешь себя: «А почему мы приняли именно это архитектурное решение?», а диалог с агентом уже не найти. Полнотекстовый поиск по всем сессиям решает эту проблему. Вы ищете не по файлам, а по смыслам. Третья — зоопарк инструментов. У каждого агента свой формат логов, свои папки, свои причуды. AgentsView приводит их все к общему знаменателю без лишних телодвижений с вашей стороны. ## Как попробовать Установка — одна команда. На macOS и Linux: ```bash curl -fsSL https://agentsview.io/install.sh | bash ``` На Windows — PowerShell-скрипт с той же страницы. Альтернативно можно поставить десктопное приложение через Homebrew (`brew install --cask agentsview`) или скачать с GitHub Releases. Для любителей Docker — готовый образ с маппингом папок агентов через `-v`. После установки: ```bash agentsview serve ``` Он сам просканирует систему, найдёт все известные ему агенты, проиндексирует их сессии в локальную базу и откроет веб-интерфейс по адресу `http://127.0.0.1:8080`. Никаких ключей, токенов, регистраций. Даже интернет не нужен для работы — цены на модели он хранит локально с офлайн-фолбэком. Если нужно только быстро глянуть счёт за сегодня: ```bash agentsview usage daily ``` И всё. Всё остальное — опционально. ## 3 сценария с примерами ### Сценарий 1: «Куда ушли $200 за прошлый месяц?» **Задача.** Вы получили счёт от Anthropic и не понимаете, почему он вырос вдвое по сравнению с предыдущим месяцем. Хочется понять, какой проект и какой агент съели бюджет. **Как применить AgentsView.** ```bash agentsview usage daily --since 2026-05-01 --until 2026-05-31 --breakdown ``` **Что получится.** Таблица с разбивкой по дням и моделям. Вы увидите, что 15 мая вы зачем-то четыре часа гоняли Opus на рефакторинг legacy-модуля, который в итоге не пошёл в прод. Один долгий сеанс — и полбюджета как корова языком слизала. ### Сценарий 2: «Почему мы тогда решили использовать Redis, а не SQLite?» **Задача.** Через месяц после архитектурного спринта нужно восстановить ход мысли, который привёл к конкретному техническому решению. Вы помните, что обсуждали это с Claude Code, но не помните в какой день и в каком проекте. **Как применить AgentsView.** Открываете веб-интерфейс, вбиваете в поиск `Redis vs SQLite` и смотрите результат. Если нужно сузить — фильтруете по проекту или агенту прямо в интерфейсе. **Что получится.** Полный диалог с агентом, включая его аргументы, ваши контраргументы и финальный выбор. Не надо рыться в истории терминала или перечитывать git-log коммитов в попытке угадать, где это обсуждалось. ### Сценарий 3: «Сколько времени мы на самом деле экономим с AI-агентами?» **Задача.** Тимлид хочет понять, окупаются ли затраты на AI-инструменты. Нужны цифры: сколько сессий, какая длительность, какие результаты, сколько коммитов породил каждый агент. **Как применить AgentsView.** ```bash agentsview stats --include-git-outcomes --since 2026-04-01 --format json | jq ``` **Что получится.** JSON с пачкой метрик: общее количество сессий, распределение по длительности, количество пользовательских сообщений, пиковый контекст, использование тулов, а с флагом `--include-git-outcomes` — ещё и количество коммитов и изменённых строк кода. Можно скормить в Grafana или просто прочитать глазами — картина станет понятной за пять минут. ## Где можно застрять Во-первых, 103 открытых issue на GitHub — это не косметика. Проект живой, но шероховатостей хватает. Читайте issues перед тем, как полагаться на него в боевом режиме. Во-вторых, Docker требует осознанной магии с томами. Если вы не примонтируете папку конкретного агента — он просто не появится в интерфейсе. Контейнер работает от root, так что при бинд-маунте в домашнюю директорию владельцем файлов станет root — потом будете чистить через sudo. В-третьих, Git- и GitHub-метрики (`--include-git-outcomes`, `--include-github-outcomes`) — опциональны и не бесплатны. На больших или повреждённых репозиториях они могут тупить или падать. По умолчанию выключены — и это правильно. В-четвёртых, удалённый доступ требует явной настройки `--public-url` и `--require-auth`. Без этого будете получать 403 Forbidden из-за проверки Host-заголовка. Разработчик явно думал о безопасности, но новичку придётся почитать доку. ## Кому это нужно В первую очередь — разработчикам, которые уже используют несколько AI-агентов в ежедневной работе и устали жить в слепой зоне по расходам и истории. Тем, кто платит за API из своего кармана или отчитывается перед руководителем за бюджет на инструменты. Во вторую — тимлидам и CTO небольших команд, которые хотят понять, окупаются ли AI-инструменты. Одна команда `agentsview stats --include-git-outcomes` даёт больше, чем месяц ручного трекинга в табличке. В третью — любителям «я хочу контролировать свою цифровую жизнь». AgentsView — это тот редкий случай, когда инструмент не лезет в облако и не просит зарегистрироваться. Всё локально. Всё ваше. ## Кому это не нужно Если вы пользуетесь только одним агентом и вас не волнует статистика — возможно, встроенных средств мониторинга хватит. Тот же `ccusage` для Claude Code, например, покрывает часть функциональности, хотя и работает в сто раз медленнее (потому что каждый раз перечитывает сырые сессионные файлы заново). Если у вас аллергия на терминал и вы не готовы ради одного инструмента открывать консоль — десктопное приложение есть, но README явно написан с фокусом на CLI. Конфигурация Docker, DuckDB-зеркала и SSH-проброс тоже явно не для тех, кто хочет «просто нажать кнопку». Если вы работаете в большой компании с корпоративным SOC2-compliance и строгими правилами — инструмент молодой, звёзд 2259, лицензия MIT, но продакшен-статус пока неформальный. Оценивайте риски соответственно. ## Вердикт Веры Я смотрела на AgentsView примерно как на фен для волос в наборе инструментов плотника: сначала не понимаешь, зачем, а потом один раз попробуешь — и уже не можешь без него. Честно: когда я первый раз запустила `agentsview usage daily` и увидела, что мой воскресный рефакторинг на Claude Code стоил $37, мне стало не по себе. Но это хорошее «не по себе» — оно про осознанность. Про то, что AI-агенты перестают быть волшебной палочкой и становятся инструментом с измеримой ценой и измеримой пользой. Из того, что мне особенно нравится: авторы не стали ## Что читать дальше - [Все материалы про AI-агентов](/topics/ai-agents/) - [Что такое AI-агент простыми словами](https://verapointmedia.com/guides/chto-takoe-ai-agent-prostymi-slovami/) - [Все материалы про AI-инструменты](/topics/ai-tools/) - [Как отличить рабочий AI-инструмент от красивой демки](https://verapointmedia.com/guides/kak-otlichit-rabochiy-ai-instrument-ot-krasivoy-demki/) ## Материалы - [kenn-io/agentsview] kenn-io/agentsview: https://github.com/kenn-io/agentsview - [agentsview.io] supporting context: https://agentsview.io - [agentsview.io] supporting context: https://agentsview.io/install.sh - [agentsview.io] supporting context: https://agentsview.io/install.ps1