피드로 돌아가기
Dev.toDevOps
원문 읽기
로컬 JSONL 로그 분석 기반의 Zero-Cloud AI 비용 모니터링 시스템 설계
Track what your AI coding tools actually cost - link at the bottom
AI 요약
Context
AI 코딩 도구의 파편화된 과금 체계와 클라우드 기반 대시보드의 보안 리스크가 병목 지점으로 작용. 벤더별로 상이한 과금 리포트 체계로 인해 실시간 통합 비용 추적이 불가능한 구조적 한계 존재.
Technical Solution
- 로컬에 저장되는 JSONL 로그 파일을 Direct-Read 하여 외부 전송 없이 비용을 산출하는 Local-First 아키텍처 설계
- npx 기반의 ccusage CLI를 통해 별도 설치 없이 일간/월간/세션별 Token 소비량 및 비용을 실시간 집계
- Claude Code의 statusLine 및 Stop hook 메커니즘을 활용하여 인터랙션 직후 비용 정보를 피드백하는 Event-Driven 구조 구현
- CDN 의존성을 완전히 제거한 Local-Vendored Chart.js 라이브러리 채택으로 오프라인 환경 보장 및 보안 강화
- 프로젝트별 트랜스크립트 스캔 데이터와 전체 합계 데이터를 정규화(Normalization)하여 데이터 정합성을 유지하는 보정 로직 적용
- PowerShell 스크립트를 통한 정적 HTML 대시보드 생성 방식으로 서버리스 데이터 시각화 구현
실천 포인트
- AI 도구 도입 시 벤더 제공 대시보드 외에 로컬 로그 기반의 독립적인 비용 추적 체계 구축 검토 - 외부 라이브러리 도입 시 CDN 대신 Local Vendoring을 통해 공급망 공격 리스크 제거 및 오프라인 가용성 확보 - LLM 비용 절감을 위해 '증거 기반 완료 정의(Done = Proven)' 및 '세션 컨텍스트 요약 전달' 습관 도입