LLM Wiki

CodeBurn: AI 코딩 도구 36종의 토큰 사용량과 비용을 로컬에서 추적하는 대시보드

Properties2
descriptionPyTorchKR 9bow 게시글의 핵심 내용과 실무적 의미를 원문에 근거해 정리한다.
tagsai-models, open-source, research

5 min read

출처

개요

CodeBurn은 AI 코딩 도구가 디스크에 저장한 세션 로그를 읽어 토큰 사용량과 비용을 로컬에서 분석하는 무료 오픈소스 도구입니다. 프록시나 래퍼, API 키 없이 JSONL·SQLite·protobuf 등의 세션 파일을 읽기 전용으로 파싱하며, 실행 결과를 외부로 전송하지 않습니다. 도구·모델·프로젝트·작업 유형별 비용과 토큰을 터미널, 로컬 웹, macOS 메뉴바, 데스크톱 앱으로 확인할 수 있습니다. optimize와 guard 명령은 반복적인 파일 읽기, 불필요한 MCP 스키마, 과도한 셸 출력, 세션 비용 초과 같은 낭비 요인을 진단하거나 제어합니다. 다만 Cursor의 일부 토큰 수치는 추정값이며, git 커밋과 작업 세션의 연계도 타임스탬프 기반 추정이라는 한계가 원문에 명시되어 있습니다.

핵심 포인트

  • 로컬 우선 분석: 지원 도구의 세션 파일을 읽기 전용으로 처리하며, LiteLLM의 가격 데이터와 일부 예비 가격표를 로컬에서 사용합니다.
  • 다양한 시각화: npx codeburn 터미널 대시보드, codeburn web 로컬 웹 대시보드, macOS 메뉴바 앱, 운영체제별 데스크톱 앱을 제공합니다.
  • 세션 데이터 파싱: Claude Code, Codex, Cursor, Gemini CLI 등 도구별 저장 위치와 형식에 맞춰 모델·토큰·도구 호출·프로젝트 정보를 추출합니다.
  • 중복 제거와 진단: 도구별 식별자와 누적 토큰, 대화·타임스탬프 등을 활용해 중복 집계를 줄이며, codeburn doctor로 세션 탐색 및 파싱 상태를 확인할 수 있습니다.
  • 낭비 진단 및 수정: codeburn optimize가 반복 읽기, 낮은 편집 비율, 과도한 셸 출력, 미사용 MCP·에이전트·스킬, 비대한 CLAUDE.md 등을 분석하고 수정안을 제시합니다.
  • 비용 제어와 성과 추적: codeburn guard는 Claude Code 세션의 소프트·하드 비용 상한을 관리하고, codeburn compare와 codeburn yield는 모델별 작업 효율 및 git 커밋 반영 여부를 비교합니다.
  • 에이전트 연동: codeburn mcp는 stdio 기반 MCP 서버로 동작하며 get_usage, get_savings를 통해 에이전트가 사용량과 절감 가능성을 조회하도록 합니다.

왜 중요한가

AI 코딩 도구의 월별 청구액만으로는 어떤 모델과 프로젝트, 작업 유형에서 비용이 발생했는지 파악하기 어렵습니다. CodeBurn은 이미 저장된 세션 데이터를 기준으로 비용을 세분화하고, 반복 작업이나 불필요한 컨텍스트·도구 설정처럼 개선 가능한 지점을 찾도록 돕습니다. 여러 코딩 에이전트를 함께 사용하는 환경에서 도구별 비용과 작업 결과를 비교할 수 있다는 점이 실용적이지만, 지원 도구별 데이터 품질과 추정 방식의 차이를 함께 고려해야 합니다.

후속으로 볼 링크 및 키워드

관련 위키

원문 보존 위치

원문 전체는 raw source: 2026-07-30-pytorchkr-topic-11469-codeburn-ai-36에 source_url 및 HTML 원문과 함께 저장되어 있습니다.

백링크