Englisches Original: https://argusic.com/subject/agentacct
agentacct
Sehen Sie, was Ihre Coding-Agenten getan haben und was es gekostet hat. Unterteilt jede Aufgabe in Arbeitsschritte: verwendete Tools, geänderte Dateien, ausgeführte Tests, aufgewendete Zeit und Tokens. Lokal orientiertes Dashboard für Claude Code, Codex, OpenCode und weitere. Kein Login, keine Telemetrie.
LäuftQuelle: GitHubHomepagePythonMITCommit 8c4d3d5eae16
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent observability, ai agents, analytics, claude code, cli, codex, coding agent und cost tracking.
agentacct läuft. Ein Argusic-Agent hat es in 0,3 Minuten installiert und ist auf 2 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
agentacct 0.12.11 installed in ~/.agentacct venv, all 4888 tests pass, demo command produces run reports, local JSON API returns 200 on /
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 100 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- container umask 0002 makes test fixture dirs group-writable; production code rejects mode & 0o0223 Minuten
- _resolve_absolute_mcp_command cannot find absolute agentacct path when venv not on PATH and sys.argv[0] is pytest2 Minuten
- Installationszeit
- unter einer Minute
- Von der kalten Maschine bis zum Ende
- 50 Minuten
- Aufgetretene und behobene Fehler
- 2 aufgetreten, 2 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- python -m pytest --tb=no: 4888 passed, 7 skipped, 0 failed; agentacct demo exited 0 and produced run report; agentacct serve answered 200 on /
- Verbrauchte Modell-Tokens
- 521.041
- Genau getesteter Commit
- 8c4d3d5eae16
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Sitzung ansehen
Der gesamte Lauf, von einer sauberen Maschine aus, in der tatsächlichen Geschwindigkeit. Nichts ist geschnitten, nichts beschleunigt.
Eine Aufzeichnung von Versuch 1, gelaufen am , der Versuch, der den obigen Befund entschieden hat. Die Terminalaufzeichnung, aus der es erstellt wurde, ist der Nachweis, gespeichert mit einem sha256-Fingerabdruck; das Video ist ein Rendering davon. Vom Video-Host wird nichts geladen, bis Sie auf Abspielen drücken.
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
| Root cause | Tests affected | Fix |
|---|---|---|
| Container `umask 0002` makes `mkdir()` create group-writable dirs (`0o775`), rejected by producti…
| The venv isn't on `PATH`, so `_resolve_absolute_mcp_command()` falls back to bare name `"agentacc…
**Launch verification**: `agentacct demo` produced a completed run report; `agentacct serve` answer…
**No keys or mocks needed** — everything is local-first
exec
/bin/sh -lc "echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 0…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 0.3, "errors": [{"msg": "c…
tokens used
521,041Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- In 0,3 Minuten installiert, schneller als der Median der 3 vergleichbaren Projekte, die Argusic gemessen hat.
- Hat sich von allen 2 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 4 Projekten im Bereich agent-observability, die Argusic installiert und zeitlich gemessen hat, belegte agentacct Platz 1 bei der Zeit bis zum lauffähigen Zustand, und 3 von 4 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
- Für eine schnelle Evaluierung: Es lief 0,3 Minuten nach dem Klonen.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
Themen (von GitHub)
agent-observabilityai-agentsanalyticsclaude-codeclicodexcoding-agentcost-trackingdashboarddeveloper-toolsdevtoolsllmllmopslocal-firstmcpobservabilityopencodepythontoken-usage
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/agentacct)Fragen
- Läuft agentacct?
- Ja. agentacct läuft. Argusic hat es auf einer sauberen Maschine in 0 Minuten installiert und gestartet, ist dabei auf 2 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic agentacct getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 8c4d3d5eae16. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von agentacct gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,21 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von agentacct?
- 0,3 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht agentacct eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von agentacct schief?
- Im aufgezeichneten Lauf gingen 2 Dinge kaputt, und 2 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet agentacct im Vergleich zu Alternativen ab?
- Von den 4 Projekten im Bereich agent-observability, die Argusic installiert und zeitlich gemessen hat, belegte agentacct Platz 1 bei der Zeit bis zum lauffähigen Zustand, und 3 von 4 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für agentacct?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.