一台の開発機で Codex、Claude Code、Cursor など複数の coding agent を使い始めると、「どの model を使ったか」より答えにくい問いが出てくる。ある task は実際にどれだけ token を消費したのか。tool call はどこで失敗したのか。data は本機から出してよいのか。そして agent ごとに異なる session、hook、local file をどうすれば一つの調査画面に載せられるのか。各 tool は固有の記録を残すが、手作業でつなぐのは壊れやすく、audit にも向かない。

今日見る alibaba/loongsuite-pilot は、開発機で動く AI coding agent telemetry collector だ。インストール済み agent を見つけ、対応する hook や plugin を入れ、local session/log を読み、一つの GenAI event schema に正規化する。出力先は local JSONL、HTTP、Alibaba Cloud SLS、OTLP trace から選べる。local dashboard では token、session、request、tool、model、provider、repository activity を確認でき、最初は data を ~/.loongsuite-pilot/ にだけ置ける。

GitHub repository page、README、LICENSE、main branch の commit page、Releases page を 2026-09-17 18:10 Asia/Shanghai 時点で確認すると、alibaba/loongsuite-pilot は 187 stars、45 forks。主要 language は TypeScript、license は Apache-2.0。repository の作成は 2026-06-04 07:38:51 UTC、latest push は 2026-09-17 09:57:23 UTC。現在の main HEAD は f407ef0 で、Claude Code の trace context を LLM gateway まで渡す変更が中心だ。最新 GitHub Release は v1.9.0、published at は 2026-09-15 02:47 UTC である。

プロジェクト概要

項目内容
リポジトリalibaba/loongsuite-pilot
位置づけlocal-first の AI coding agent telemetry collector
Stars / Forks187 / 45
主要 languageTypeScript
ライセンスApache-2.0
作成日2026-06-04 07:38:51 UTC
Latest push2026-09-17 09:57:23 UTC
最新 main commitf407ef0、Claude Code から LLM gateway への trace context 伝播を拡張
最新 Releasev1.9.0、2026-09-15 02:47 UTC
出力JSONL、HTTP、Alibaba Cloud SLS、OTLP trace

面白いのは、先に collection の境界をそろえる点

Pilot は、すべての agent を同じ runtime に置き換えようとはしない。README が挙げる Claude Code、Codex、Cursor、OpenCode などを、hook、session/log の読み取り、plugin injection といった各方式で接続する。接続後は agent 固有の event を共有 schema に写すので、team は token、turn、tool、session activity を同じ軸で見られる。tool ごとに parser を作る必要がない。

複数の agent を比較中の team には特に実用的だ。まず output を local JSONL に留め、ある repository での agent activity と cost を確かめる。field、retention、content policy が分かってから、trace を既存の OpenTelemetry backend に送ればよい。collection と export は別々に選べるため、local dashboard を見るだけで全 prompt を remote に出す必要はない。

local default が試用の摩擦を下げる

README の Linux/macOS 向け手順は installer を取得し、service status を確認するものだ。

curl -fsSL https://loongcollector-community-edition.oss-cn-shanghai.aliyuncs.com/loongsuite-pilot/installer.sh \
  -o /tmp/loongsuite-pilot-installer.sh
bash /tmp/loongsuite-pilot-installer.sh install

loongsuite-pilot status
loongsuite-pilot info

default の local JSONL は ~/.loongsuite-pilot/logs/output/、dashboard は collector とともに起動し、default address は http://127.0.0.1:8765/ だ。最初は production ではない一台にだけ入れ、local log だけを残し、実際の coding task を数回走らせてから HTTP や OTLP を検討できる。start、stop、restart、token-usage、rollback もあり、実験を一台に閉じ込めたい開発者には扱いやすい。

observability tool ほど data classification を先にする

この project で真剣に見るべきなのは dashboard 以上に privacy boundary だ。conversation と tool call を集められる一方、README は agent ごとの content capture policy と secret masking を用意し、JSONL、SLS、HTTP、OTLP はすべて任意の destination だとする。「local collector」だから内容が漏れない、とは言えない。content capture や remote exporter を有効にすれば、prompt、command argument、path、tool output が retention system に入る可能性がある。

堅実な順序は、まず agent configuration と data-masking の文書を読み、記録を許す field を決めること。次に dummy data で masking を確かめ、最後に OTLP/HTTP に最小権限の endpoint を設定する。README は agent ごと、特に Windows での integration capability が一様ではないことも示す。明示的な support matrix にない組み合わせは実機で試すべきだ。速く変化する hook project なので、upgrade 前には release notes を確認し、rollback path を残したい。

まとめ

alibaba/loongsuite-pilot の価値は、もう一つの「AI dashboard」を作ることではない。異なる coding agent が残す local の痕跡を、選択可能で audit しやすい出口へ収束させる点にある。複数 agent を評価中で、token と tool activity を既存 OpenTelemetry workflow に接続したいが、初手で開発記録を丸ごと upload したくないなら、まず「local JSONL のみ」で一周試す価値がある。collection 範囲、masking rule、agent ごとの互換性を確認してから remote export を段階的に開けるのが、より工程らしい進め方だ。

プロジェクト: https://github.com/alibaba/loongsuite-pilot