openclaw-cost-tracker-mcp

OpenClaw 的 Token 成本遥测工具，可从任何 Claude 或支持 MCP 的代理进行查询。 提供按代理 + 按提供商的归因、成本激增异常检测、模型路由建议以及 30 天预测。是 silentwatch-mcp 和 openclaw-health-mcp 的配套工具。

功能概述

生产环境中的 AI 部署会在多个提供商、数十个代理和数百次技能调用中产生 Token 成本。账单在月底才会送达——到那时，想要回答“钱花哪儿了？”这个问题，就得从 10 万行日志中去挖掘。此 MCP 服务器实时呈现这些数据，并允许在 Claude 内部用自然语言进行查询：

> 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.

为什么选择 openclaw-cost-tracker-mcp

现有工具（提供商账单仪表板、通用 FinOps 工具、自定义脚本）无法做到以下三点：

1. 按代理归因，而不仅仅是按提供商汇总。 提供商仪表板显示“在 Anthropic 上花费了 $X”——它们无法告诉你六个代理中哪一个导致了 78% 的支出。成本追踪器读取 OpenClaw 的每请求成本日志 JSONL，并在保持 agent_id 不变的情况下进行聚合。

2. 按代理的成本激增异常检测。 在聊天中粘贴一次 12 万 Token 的内容，其成本可能超过一周的正常流量。默认的“代理中位数 3 倍”阈值会在这些异常出现在月底账单之前就将其标记出来。

3. 基于实际使用情况的路由建议。 通用的“使用更便宜的模型”建议毫无用处。此服务器可以识别出那些通过其“用量 + 完成长度”模式表明使用更便宜的提供商即可获得相同结果的特定代理，并提供具体的 30 天节省估算。

专为在生产环境中运行 OpenClaw 且有实际支出压力的 生产 AI 运维人员 而设计。

工具界面

资源：

• cost://overview — 7 天快照

• cost://forecast — 30 天预测

• cost://anomalies — 最近标记的异常

提示词：

• diagnose-cost-spike — 追踪最近的成本激增至根本原因 + 纠正措施

• weekly-cost-digest — 200 字的每周成本摘要

快速入门

安装

pip install openclaw-cost-tracker-mcp

配置 Claude Desktop

添加到 ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) 或 %APPDATA%\Claude\claude_desktop_config.json (Windows)：

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

后端

JSONL 日志格式

每一行都是一条 JSON 记录：

{"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}

如果您的 OpenClaw 部署不输出此格式，请使用小型日志垫片包装您的提供商调用——示例垫片位于 examples/ 中。

路线图

需要适配您的技术栈？

如果您的 AI 部署不使用 OpenClaw 的成本日志格式——例如使用不同的代理工具、自定义日志记录、AWS Bedrock 计量、供应商账单 API——而您想要同样的归因 + 异常 + 路由可见性，这属于 自定义 MCP 构建 服务。

如何联系：

1. 发送电子邮件至 temur@pixelette.tech，主题为 Custom MCP Build inquiry

2. 内容包括：一段关于您技术栈的描述 + 您正在考虑的层级

3. 我们将在 2 个工作日内回复，并提供 30 分钟的初步沟通时段

此服务器是 生产 AI 基础设施 MCP 套件 的一部分——配套工具包括 silentwatch-mcp（Cron 静默故障检测）和 openclaw-health-mcp（部署健康状况）。安装全部三个以获得全面的运营可见性。

生产 AI 审计

如果您正在运行生产级 AI，并希望外部从业者评估就绪情况、发现现有的故障模式（成本超支是最常见的模式之一）并编写纠正行动计划：

联系方式同上：temur@pixelette.tech，主题为 AI audit inquiry。

贡献

欢迎提交 PR。后端是可插拔的——请参阅 src/openclaw_cost_tracker_mcp/backends/ 获取契约。

添加新后端：

1. 在 backends/<your_backend>.py 中继承 CostBackend

2. 实现 get_entries()

3. 在 backends/__init__.py 中注册

4. 在 tests/test_backend_<your_backend>.py 中添加测试

Bug 报告 + 功能请求：请提交 GitHub Issue。

许可证

MIT — 请参阅 LICENSE。

相关项目

• silentwatch-mcp — Cron 静默故障检测

• openclaw-health-mcp — 部署健康状况

• AI Production Discipline Framework — Notion 模板，$29 — 这些 MCP 工具所实现的方法论（成本超支是目录中的 P3.x 模式）

• SPEC.md — 完整的服务器设计

由 Temur Khan 构建 — 生产 AI 系统独立从业者。 联系方式：temur@pixelette.tech