agentacct：AI coding agent の仕事を飾らないローカルな receipt にする
coding agent を数時間走らせたあと、難しいのは「token をどれだけ使ったか」だけではない。実際に何を変えたのか。どの test を本当に実行したのか。「完了」は agent 自身の報告なのか、それとも現在の check で裏付けられるのか。複数の client を行き来すると、cost、session、code change はそれぞれの log に散らばる。screenshot と一行の要約だけでは、後から確かめにくい。
今日見る mikehasa/agentacct は、local-first の coding-agent workbench だ。すでに machine にある session log を読み、task ごとに Work Receipt を作る。local dashboard と agentacct tui で step、tool、変更 file、test、token、cost estimate を見られる。README は「agent が報告したこと」と「現在の check が検証したこと」を明確に分ける。check のない step は claim のまま、金額の estimate は請求額ではない。記録するのは tool category、credential を scrub した command、exit code、token、step であり、prompt、model response、transcript は保存しない。
GitHub repository、README、LICENSE、Releases を 2026-09-23 10:00 Asia/Shanghai 時点で確認すると、mikehasa/agentacct は 753 stars、80 forks。主要 language は Python、license は MIT だ。repository の作成日は 2026-07-24 16:28:06 UTC、latest push は 2026-09-23 09:56:15 UTC。最新 GitHub Release は v0.11.2、published at は 2026-09-22 11:54:51 UTC。project 自身はまだ early alpha としている。だからこそ、最初から team 向け audit system と見なすのではなく、自分の開発 machine と一、二個の検証可能な task で試したい。
プロジェクト概要
| 項目 | 内容 |
|---|---|
| リポジトリ | mikehasa/agentacct |
| 位置づけ | local-first の AI coding agent 向け work receipt、usage、evidence view |
| Stars / Forks | 753 / 80 |
| 主要 language | Python |
| ライセンス | MIT |
| 作成日 | 2026-07-24 16:28:06 UTC |
| Latest push | 2026-09-23 09:56:15 UTC |
| 最新 Release | v0.11.2、2026-09-22 11:54:51 UTC |
| data の境界 | local read、127.0.0.1 のみで listen、provider API key は不要 |
「終わった」を追問できる evidence に分ける
agentacct で面白いのは、token graph をもう一つ描くことではなく、task に source と evidence strength を付ける点だ。agent が書いた完了状態は Reported。すべての current check が最後の change のあとで pass して初めて Verified になる。check card には agent report、hook が観測した exit code、CI のどれに由来するかも出る。失敗した task を見るとき、「model が勝手に言ったのか」を推測せず、どの run が失敗し、その後に pass した再実行が本当にあったかを追える。
一つの project folder に属する一日の作業を、client をまたいで一つの timeline に置こうとする点も実用的だ。各 session は自身の receipt と evidence を持ち、total は receipt の単純な合計でしかない。複数の session を、もっともらしい一つの完結した結論に無理に結合しない。Codex、Claude Code、OpenCode を切り替える人にとって、口径の違う usage report をいくつも export するより、日常の確認に近い。
まずは一台で pipx から試す
README の最短の導入は次の通りだ。
pipx install agentacct
agentacct onboard # machine ごとに一度：agent を見つけ、local store を作り、recorder を開始
agentacct tui # terminal で確認macOS または Linux では Python 3.11+ が必要で、Windows は現在 WSL のみを support する。install のあとに新しい agent session を開く必要がある。hook と MCP server は session start 時に bind するためだ。--scope project もあり、設定を現在の repository の .agent-sentinel/ に置ける。最初から global config を変えたくない時に向く。
試すなら、失敗しうる test の修正や小さな migration のような、問いがはっきりした task がよい。agent の作業後に TUI で変更 file、command の exit code、失敗後に pass した再実行があるか、cost が estimate として表示されているかを照合する。これが自分の実感と合ってから、接続する client を増やせばよい。
local-first でも権限は確認したい
agentacct の README によれば data は local に残り upload されず、prompt や transcript も保存しない。それでも agent client の local session file を読み、onboard 時には client 用 hook/MCP config を追加する。仕事用 machine なら、変更一覧を先に読み、--scope project を使い、接続する client の範囲を確認してから有効化するほうが安心だ。
accuracy にも境界がある。token は client report に依存し、金額は price table の estimate だ。agent ごとの coverage は完全ではなく、session と work record の attribution は exact、high、medium、low と表示される。unknown を zero にせず gap のまま残す設計である。この姿勢は開発過程を見えるようにする tool としてはよいが、financial invoice や security audit の唯一の根拠にしてはいけない。
まとめ
agentacct は「agent が完了と言ったこと」「machine が観測した check」「この作業がおおよそ消費した量」を、不確実さを隠さない local receipt にまとめる。まだ若い project だが、複数の coding agent を使いながら work status を確認可能な事実へ戻したい人には、順番が正しい。まず一台の開発 machine で実際の task を一つ走らせ、最初の receipt を読むことが、残す価値を判断する最良の方法だろう。