openclaw-cost-tracker-mcp

Telemetría de costes de tokens para OpenClaw, consultable desde Claude o cualquier agente compatible con MCP. Atribución por agente y por proveedor, detección de anomalías en picos de costes, recomendaciones de enrutamiento de modelos y previsión a 30 días. Complemento de silentwatch-mcp y openclaw-health-mcp.

Qué hace

Las implementaciones de IA en producción acumulan costes de tokens a través de múltiples proveedores, docenas de agentes y cientos de llamadas a habilidades. La factura llega a fin de mes, y para entonces, la respuesta a "¿a dónde se fue nuestro dinero?" está enterrada en 100.000 líneas de registro. Este servidor MCP muestra esos datos en tiempo real, consultables en lenguaje sencillo desde dentro de Claude:

> claude: where did our LLM spend go this week?
[MCP tools: cost_overview + top_cost_drivers]

Total spend last 7 days: $42.18
By provider:
  Anthropic    $30.40 (72%) — claude-sonnet-4 dominates
  OpenAI       $9.20  (22%) — chat-bot agent
  Gemini       $1.86  (4%)  — cron-summarizer (cheap-route working)
  Ollama       $0.00  (local, free)

Top 3 cost drivers:
  data-extraction-agent      $28.50 (68%)
  chat-bot                   $9.20  (22%)
  cron-summarizer            $1.86  (4%)

1 anomaly flagged — see find_cost_anomalies for details.

> claude: any cheaper-routing opportunities?
[MCP tool: model_routing_recommendations]

Recommendation: data-extraction-agent currently runs claude-sonnet-4
with avg 400-token completions — extraction-style work that
gemini-2.5-flash usually handles at ~95% quality for ~5% the cost.
Estimated savings: $27.10/30d if migrated. Test on a 10% slice first.

Por qué openclaw-cost-tracker-mcp

Tres cosas que las herramientas existentes (paneles de facturación de proveedores, herramientas FinOps genéricas, scripts personalizados) no hacen:

1. Atribución por agente, no solo totales por proveedor. Los paneles de los proveedores muestran "$X gastados en Anthropic"; no pueden decirte cuál de tus seis agentes generó el 78% de eso. El rastreador de costes lee el JSONL de registro de costes por solicitud de OpenClaw y lo agrega manteniendo el agent_id intacto.

2. Detección de anomalías de picos de costes por agente. Pegar 120k tokens en un chat cuesta más que una semana de tráfico normal. El umbral predeterminado de 3x la mediana por agente marca esos casos antes de que aparezcan en la factura de fin de mes.

3. Recomendaciones de enrutamiento basadas en el uso real. Los consejos genéricos de "usar modelos más baratos" son inútiles. Este servidor identifica agentes específicos cuyo patrón de volumen + longitud de finalización sugiere que un proveedor más barato ofrecería el mismo resultado, con estimaciones concretas de ahorro a 30 días.

Creado para el operador de IA en producción que ejecuta OpenClaw con un gasto real que importa.

Superficie de herramientas

Recursos:

• cost://overview — instantánea de 7 días

• cost://forecast — proyección a 30 días

• cost://anomalies — anomalías marcadas recientemente

Prompts:

• diagnose-cost-spike — analiza un pico reciente hasta su causa raíz + acción correctiva

• weekly-cost-digest — resumen semanal de costes de 200 palabras

Inicio rápido

Instalación

pip install openclaw-cost-tracker-mcp

Configuración para Claude Desktop

Añadir a ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) o %APPDATA%\Claude\claude_desktop_config.json (Windows):

{
  "mcpServers": {
    "openclaw-cost": {
      "command": "python",
      "args": ["-m", "openclaw_cost_tracker_mcp"],
      "env": {
        "OPENCLAW_COST_BACKEND": "mock"
      }
    }
  }
}

Backends

Formato de registro JSONL

Cada línea es un registro JSON:

{"request_id":"req-abc123","timestamp":"2026-05-04T12:34:56Z","provider":"anthropic","model":"claude-sonnet-4","agent_id":"data-extraction-agent","skill_id":"extract-structured-data","prompt_tokens":8500,"completion_tokens":600,"total_tokens":9100,"cost_usd":0.0345,"duration_ms":4823}

Si tu implementación de OpenClaw no emite este formato, envuelve tus llamadas al proveedor con un pequeño shim de registro; ejemplo de shim en examples/.

Hoja de ruta

¿Necesitas adaptar esto a tu stack?

Si tu implementación de IA no utiliza el formato de registro de costes de OpenClaw (otro arnés de agentes, registro personalizado, medición de AWS Bedrock, API de facturación del proveedor) y quieres la misma visibilidad de atribución + anomalías + enrutamiento, eso es un compromiso de Construcción de MCP Personalizado.

Para contratar:

1. Envía un correo a temur@pixelette.tech con el asunto Custom MCP Build inquiry

2. Incluye: una descripción de 1 párrafo de tu stack + qué nivel estás considerando

3. Responderé en 2 días hábiles con un espacio para una llamada de descubrimiento de 30 minutos

Este servidor es parte de una suite MCP de infraestructura de IA de producción, complemento de silentwatch-mcp (detección de fallos silenciosos en cron) y openclaw-health-mcp (salud de la implementación). Instala los tres para una visibilidad operativa completa.

Auditorías de IA en producción

Si ejecutas IA en producción y quieres que un profesional externo evalúe la preparación, encuentre los patrones de fallo ya presentes (los sobrecostes son uno de los más comunes) y redacte el plan de acción correctiva:

Mismo canal de correo: temur@pixelette.tech con el asunto AI audit inquiry.

Contribución

PRs bienvenidos. Los backends son conectables; consulta src/openclaw_cost_tracker_mcp/backends/ para ver el contrato.

Para añadir un nuevo backend:

1. Crea una subclase de CostBackend en backends/<tu_backend>.py

2. Implementa get_entries()

3. Regístralo en backends/__init__.py

4. Añade pruebas en tests/test_backend_<tu_backend>.py

Informes de errores + solicitudes de funciones: abre un issue en GitHub.

Licencia

MIT — ver LICENSE.

Relacionado

• silentwatch-mcp — detección de fallos silenciosos en cron

• openclaw-health-mcp — salud de la implementación

• AI Production Discipline Framework — plantilla de Notion, $29 — la metodología que implementan estas herramientas MCP (los sobrecostes son el patrón P3.x en el catálogo)

• SPEC.md — diseño completo del servidor

Creado por Temur Khan — profesional independiente en sistemas de IA de producción. Contacto: temur@pixelette.tech