대부분의 코딩 에이전트 (coding-agent) 비용 보고서는 모델별 토큰 사용량, 일별 달러 비용, 혹은 세션 횟수와 같은 총계에서 끝납니다. 이는 유용한 회계 기록이 될 수는 있지만, 비용이 많이 발생한 실행이 올바른 파일을 변경했는지, 테스트를 실행했는지, 아니면 단순히 오류를 해결하지 못한 채 긴 시간을 맴돌았는지에 대해서는 개발자에게 알려주지 못합니다.

agentacct는 이러한 질문들을 연결하려고 시도하는 초기 알파 (early-alpha) 단계의 로컬 우선 (local-first) 프로젝트입니다. 이 프로젝트의 README에 따르면, 로컬 클라이언트 세션 파일에서 사용량을 가져오는 동시에 작업 단계와 머신 체크 (machine checks)를 기록하며, 실제 세션 또는 트랜스크립트 (transcript) 식별자를 사용하여 이 두 가지 증거 스트림을 결합합니다.

제가 가장 가치 있다고 느끼는 설계 세부 사항은 대시보드가 아닙니다. 바로 불확실성 (uncertainty)을 다루는 어휘입니다:

• 가져온 토큰 사용량은 client_reported로 설명됩니다.
• 비용은 제공업체의 인보이스 (invoice)가 아니라 가격표 기반의 추정치입니다.
• 통과된 머신 체크 (machine check)는 에이전트 자체의 주장과는 구별됩니다.
• 귀속 (Attribution)은 정확함 (exact), 높음 (high), 중간 (medium), 낮음 (low) 신뢰도로 구분될 수 있으며, 증명할 수 없는 결합은 공백으로 남을 수 있습니다.

이것이 에이전트 엔지니어링 (agent engineering)을 위한 더 건강한 모델입니다. UI에 숫자가 필요하다는 이유만으로 낮은 신뢰도의 귀속 결과가 작업당 비용 사실로 조용히 변해서는 안 됩니다. 마찬가지로, 에이전트가 "테스트를 실행했다"라는 진술은 기록된 테스트 통과 결과와 동일한 비중을 가져서는 안 됩니다.

운영 측면의 트레이드오프 (trade-off)도 존재합니다. 이 프로젝트는 Python 3.11+를 요구하며, 온보딩 과정에서 전역(global) 또는 프로젝트 범위(project-scoped)의 상태를 생성하고 클라이언트 통합 설정을 추가할 수 있습니다. "로컬 우선 (Local-first)" 방식은 개인정보 보호 측면에서 장점이 될 수 있지만, 검토가 전혀 필요 없다는 의미는 아닙니다. 또한 저장소(repository)에서도 이 프로젝트를 초기 알파 단계라고 명시하고 있으므로, 개발자는 업무용 컴퓨터에서 이를 활성화하기 전에 설치 런북 (install runbook)과 사용 진리표 (usage truth table)을 읽어보아야 합니다.

저는 agentacct를 테스트하거나 실행해 보지 않았습니다. 본 내용은 해당 프로젝트의 공개 README, 문서, 리포지토리 메타데이터 및 소스 레이아웃을 바탕으로 한 읽기 전용 리뷰이며, 호환성, 성능 및 통합 동작은 독립적인 검증이 필요합니다. 이 프로젝트는 라이선스 파일에 따라 MIT 라이선스를 따릅니다.