Claude Code செலவு கண்காணிப்பு கருவிகள்: ஒப்பீடு
Claude Code பயன்பாட்டு செலவுகளைக் கண்காணிக்க log parsers, built-in dashboards மற்றும் OpenTelemetry ஆகிய மூன்றிற்கும் உள்ள முக்கிய வேறுபாடுகளை இந்த வழிகாட்டி விளக்குகிறது.
Claude Code செலவு கண்காணிப்பு கருவி உண்மையில் எதைப் படிக்கிறது
ஒவ்வொரு Claude Code செலவு கண்காணிப்பு கருவியும் மூன்று தரவு மூலங்களில் ஒன்றைப் படிக்கிறது. அந்த மூலமே, அந்தக் கருவியால் எந்தக் கேள்விக்கு பதிலளிக்க முடியும் என்பதைத் தீர்மானிக்கிறது. ஒரு log parser, உங்கள் வட்டில் உள்ள session transcript கோப்புகளைப் படிக்கிறது. ஒரு dashboard, உங்கள் கணக்கு அல்லது நிறுவனத்திற்காக Anthropic வைத்திருக்கும் பயன்பாட்டுப் பதிவுகளைப் படிக்கிறது. ஒரு metrics backend, Claude Code-ஐ நீங்கள் இயக்கும்போது அது வெளியிடும் OpenTelemetry (OTel) stream-ஐப் படிக்கிறது. இவை மூன்றிலும் சரியான தகவல்கள் இருந்தாலும், அவை வெவ்வேறு விஷயங்களைக் கணக்கிடுவதால், அவற்றுக்கிடையே முரண்பாடுகள் இருக்கலாம்.
இந்த வழிகாட்டி tokens பற்றிய விளக்கத்தை மீண்டும் வழங்கவில்லை. Claude Code எவ்வாறு token பயன்பாட்டைக் கணக்கிடுகிறது என்ற பகுதி, input, output, cache writes மற்றும் cache reads ஆகியவற்றைப் பற்றி விளக்குகிறது. அந்தப் பகுதி தெளிவாகத் தெரியாதவரை, எந்த dashboard-ம் பெரிய அளவில் பயன் தராது. இங்கே கேள்வி மிகவும் குறிப்பிட்டது: ஒவ்வொரு கருவியின் வடிவத்திற்கும், அது எதைப் பார்க்க முடியும், எதை ஒருபோதும் பார்க்க முடியாது?
ஒரே நாளில் மூன்று Claude Code செலவுக் கண்காணிப்புக் கருவிகள் ஏன் தோன்றின
ஒரே நாளில் Claude Code செலவைக் கண்காணிக்கும் மூன்று தனித்தனி கருவிகள் வெளியிடப்பட்டன. அவை ஒரே கருவியின் மூன்று பதிப்புகள் அல்ல. இதுவே இதில் முக்கியமான அம்சம். ஒரு கருவி local session files-ஐ parse செய்தது. மற்றொன்று account usage screens-ஐ wrapper மூலம் அணுகியது. மூன்றாவது, நீங்களே இயக்கும் hosted tracing backend ஆகும்.
Agent session-ன் செலவு தெளிவாகத் தெரியாமல் போனதால் அவை ஒன்றாகத் தோன்றின. Chat-ன் செலவு திரையில் காணப்படுவதற்கு ஏறத்தாழ சமமாக இருக்கும். ஆனால் ஒரு agent 20 files-ஐப் படித்து, test suite-ஐ இயக்கி, ஒவ்வொரு turn-லும் முழு conversation-ஐ மீண்டும் அனுப்பும். எனவே, நீங்கள் type செய்யாத context அடிப்படையிலேயே bill நிர்ணயிக்கப்படுகிறது. Subscription-ல், Claude Code காட்டும் session dollar figure ஒரு estimate மட்டுமே; அது billing-க்கு பொருந்தாது என்று Anthropic கூறுகிறது. முக்கியமானது, சில நாட்களில் வேகமாகவும் சில நாட்களில் மெதுவாகவும் நிரம்பும் usage bar ஆகும். இந்த மூன்று கருவிகளும் அந்த இடைவெளியின் வெவ்வேறு பகுதிகளை நிரப்புகின்றன.
வடிவம் 1: local log parser இன்று எவ்வளவு செலவானது என்பதை காட்டுகிறது
Claude Code ஒவ்வொரு conversation-ஐயும் JSON Lines (JSONL) வடிவில் ~/.claude/projects/<project>/<session-id>.jsonl-ல் சேமிக்கிறது. இதில் <project> என்பது alphanumeric அல்லாத characters-க்கு பதிலாக - பயன்படுத்தப்பட்ட உங்கள் working directory path ஆகும். அந்த file-ல் உள்ள ஒவ்வொரு assistant turn-உம் அதன் request-க்கான token counts-ஐ கொண்டிருக்கும். Log parser அவற்றைக் கூட்டி, அதற்கான விலையை கணக்கிடுகிறது.
ccusage என்பதையே பெரும்பாலானவர்கள் முதலில் பயன்படுத்துகின்றனர். இதற்கு install தேவையில்லை:
npx ccusage@latest daily
npx ccusage@latest daily --breakdown
npx ccusage@latest blocks
npx ccusage@latest session --jsondaily தேதி வாரியாக totals-ஐ காட்டுகிறது. --breakdown ஒவ்வொரு row-ஐயும் model வாரியாகப் பிரிக்கிறது. இதன் மூலம் ஒரு Opus afternoon முழு வார usage-ல் பெரும்பகுதியை எடுத்துக்கொண்டதா என்பதை அறியலாம். blocks subscription reset ஆகும் ஐந்து மணி நேர window வாரியாக group செய்கிறது. session conversation வாரியாக total செய்கிறது. daily --instances project வாரியாக group செய்கிறது; இதன் மூலம் எந்த repository அதிக செலவை ஏற்படுத்துகிறது என்பதை பார்க்கலாம். Range-ஐ வரையறுக்க --since மற்றும் --until-ஐ சேர்க்கவும். உங்கள் version எதிர்பார்க்கும் date format-ஐ அறிய npx ccusage@latest daily --help-ஐ இயக்கவும். October 2026 நிலவரப்படி, இது Codex மற்றும் OpenCode உள்ளிட்ட பிற agent CLIs-ஐயும் படிக்கிறது. அவற்றை ஒப்பிடும்போது இது பயனுள்ளதாக இருக்கும். Default reports கண்டறியப்பட்ட அனைத்து sources-ஐயும் இணைக்கும். Claude Code-க்கு மட்டும் வரம்புபடுத்த, daily அல்லது session-க்கு முன் claude-ஐ சேர்க்கவும்.
Pricing, model price table-லிருந்து பெறப்படுகிறது. இந்த tool-ல் மூன்று cost modes உள்ளன. --mode auto, file-ல் Claude Code எழுதியுள்ள costUSD value இருந்தால் அதைப் பயன்படுத்தும்; அது இல்லையெனில் token counts-லிருந்து கணக்கிடும். --mode calculate எப்போதும் tokens-லிருந்து கணக்கிடும். Recorded cost-ஐ புறக்கணிக்கும். --mode display recorded costs-ஐ மட்டும் காட்டும். Recorded cost இல்லாத rows-க்கு $0.00-ஐ அச்சிடும். Total தவறாகத் தெரிந்தால், அதே report-ஐ முதலில் calculate-ன் கீழும், பின்னர் display-ன் கீழும் இயக்கவும். இரண்டிற்கும் இடையே பெரிய வேறுபாடு இருந்தால், பெரும்பாலான entries-ல் recorded cost இல்லை என்று பொருள். எனவே நீங்கள் பார்க்கும் அனைத்தும் estimate ஆகும். Contracted rates-ல் பணம் செலுத்தினால், ccusage.json config file-ல் defaults-ன் கீழ் உள்ள pricingOverrides, தனிப்பட்ட models-க்கான price-ஐ மாற்றும்.
இதே data உங்கள் prompt-க்கும் பயன்படுத்தலாம். ccusage statusline, Claude Code status bar-க்கு compact line-ஐ print செய்கிறது. இது மற்ற status line command போலவே ~/.claude/settings.json-ல் இணைக்கப்படுகிறது. Settings block மற்றும் அது பெறும் fields-க்கு Claude Code statusline உருவாக்குதல் என்பதைப் பார்க்கவும்.
இந்த machine-ல் நடக்காத எந்தச் செயலையும் log parser பார்க்க முடியாது. இரண்டாவது laptop, claude.ai-ல் நடந்த session, teammate-ன் வேலை ஆகியவற்றின் transcripts அந்த devices-ல் உள்ள disks-ல் இருக்கும். cleanupPeriodDays-ன் கீழ், 30 நாட்கள் inactivity ஏற்பட்ட பிறகு பழைய terminal sessions default-ஆக cleanup செய்யப்படும். Retention-ஐ configure செய்யலாம். பல ஆண்டுகளுக்கான history-ஐ வைத்திருக்க 3650 போன்ற பெரிய value-ஐ பயன்படுத்தவும். Desktop அல்லது Cowork-ல் தொடங்கப்பட்ட, அல்லது சமீபத்தில் தொடரப்பட்ட sessions-ன் transcripts, சில HIPAA configurations போன்ற exceptions தவிர, default-ஆக அந்த காலத்தைத் தாண்டியும் வைக்கப்படும்.
மேலும் ஒரு risk உள்ளது. அது structural risk. Entry format Claude Code-க்கு internal-ஆனது என்றும், versions மாறும்போது அது மாறும் என்றும் Anthropic-ன் documentation குறிப்பிடுகிறது. எனவே இந்த files-ஐ நேரடியாக parse செய்யும் scripts எந்த release-லுமே break ஆகலாம். இந்த வகையான ஒவ்வொரு tool-க்கும் இது பொருந்தும். JSONL மீது உருவாக்கப்பட்ட கைமுறை jq one-liner, தோற்றத்தைவிட மோசமான யோசனையாக இருப்பதற்கும் இதுவே காரணம். Maintained parsers format changes-ஐ உங்களுக்காக track செய்கின்றன. ஒரு field-ன் பெயர் மாற்றப்படும் நாளில், உங்கள் one-liner நம்பிக்கையுடன் தவறான எண்ணிக்கையை report செய்யும்.
இறுதியாக, subscription-ல் காட்டப்படும் dollar figure-க்கு ஒரு caveat தேவை. உங்கள் Pro அல்லது Max plan limit-க்குள் பயன்படுத்துவது token அடிப்படையில் billed செய்யப்படாது. எனவே இந்த எண்ணிக்கை, list API rates அடிப்படையில் உங்கள் tokens-க்கு ஏற்பட்டிருக்கும் செலவைக் காட்டுகிறது. இது உங்கள் usage எவ்வளவு அதிகமாக உள்ளது என்பதை அளவிடுகிறது. இது உங்கள் bill அல்ல. Usage credits விதிவிலக்காகும். அவற்றை enable செய்தால், plan limit-ஐத் தாண்டிய usage, standard API rates-ல் separate charge-ஆக billed செய்யப்படும். அந்த மாதத்தின் spend-ஐ claude.ai, Settings > Usage-ன் கீழ் காட்டும். நீங்கள் எந்த plan-ல் இருக்க வேண்டும் என்பதே உண்மையான கேள்வி என்றால், அந்த comparison தனியான exercise ஆகும்: Claude subscription-க்கு எதிரான API billing என்பதைப் பார்க்கவும்.
Shape 2: உள்ளமைந்த usage screens எந்த model budget-ஐ அதிகமாக பயன்படுத்தியது என்பதை காட்டும்
Claude Code தனது சொந்த reporting வசதியை வழங்குகிறது. ஆனால் பெரும்பாலானோர் அதைத் திறப்பதில்லை. ஒரு session-க்குள் /usage-ஐ இயக்கவும். மேலே உள்ள Session block, தற்போதைய session-க்கான model வாரியான token எண்ணிக்கையையும் dollar மதிப்பையும் காட்டும். இந்த மதிப்பு, administrator managed settings-ல் modelPricing table-ஐ அமைக்காத வரை, standard list rates அடிப்படையில் token எண்ணிக்கையிலிருந்து locally கணக்கிடப்படுகிறது. modelPricing table அமைக்கப்பட்டிருந்தால், Total cost line, at your organization's configured rates என்று காட்டும். எந்த நிலையிலும் இது ஒரு estimate மட்டுமே. உங்கள் invoice-ல் உள்ள தொகையிலிருந்து இது மாறுபடலாம். Pro அல்லது Max plan-ல், இந்த usage plan-ல் சேர்க்கப்பட்டிருப்பதால் billing-க்கு இது பொருந்தாது என்று Anthropic கூறுகிறது. /clear புதிய conversation-ஐ தொடங்கும்போது totals reset ஆகும்.
Pro, Max, Team அல்லது seat-based Enterprise plan-ல், உங்கள் plan limit-ல் எவ்வளவு பயன்படுத்தியுள்ளீர்கள் என்பதையும் இதே screen காட்டும். Usage-based Enterprise plan-ல் பயன்படுத்தி முடிக்கக்கூடிய included allowance இல்லை. ஒவ்வொரு token-க்கும் API rates அடிப்படையில் கட்டணம் விதிக்கப்படுகிறது. இந்த plans-ல், சமீபத்திய usage-ல் skills, subagents, plugins மற்றும் தனிப்பட்ட MCP servers ஒவ்வொன்றும் மொத்தத்தில் கொண்டுள்ள சதவீதத்தையும் screen காட்டும். Long context அல்லது cache misses போன்ற, சமீபத்திய usage-ல் 10% அல்லது அதற்கு மேல் பங்களிக்கும் behaviours-ஐ இது flag செய்யும். கடந்த 24 hours மற்றும் கடந்த 7 days ஆகியவற்றுக்கு இடையில் மாற d அல்லது w-ஐ அழுத்தவும். இந்த figures தோராயமானவை. இவை இந்த machine-ல் உள்ள local session history-யிலிருந்து கணக்கிடப்படுகின்றன. எனவே இரண்டாவது device-ன் usage இதில் சேர்க்கப்படாது. Allowance முழுமையாக பயன்படுத்தப்பட்டால், Claude Code எந்த limit முடிந்தது என்பதையும் அது reset ஆகும் நேரத்தையும் காட்டும். Empty consumption bar இருப்பது allowance முடிந்துவிட்டது என்று பொருளல்ல. Reset முடியும் வரை session காத்திருந்து பின்னர் தொடரலாம். limit-ஐ அடைந்த பிறகு என்ன செய்ய வேண்டும் என்பது model, context மற்றும் plan தொடர்பான தனி முடிவு.
ஒரு developer-ஐத் தாண்டிய usage-ல், numbers account மட்டத்தில் காட்டப்படும். API organisation-க்கு Console Cost page, ஒவ்வொரு member-ன் spend மற்றும் accepted lines-ஐ காட்டும் Claude Code dashboard, மேலும் admin key மூலம் அதே daily per-user metrics-ஐ வழங்கும் Claude Code Analytics API ஆகியவை கிடைக்கும். Teams மற்றும் Enterprise plans-க்கு admin console-ல் spend report கிடைக்கும். அதை CSV ஆக export செய்யலாம். அது தினமும் update ஆகும். Seat-based plans-ல் usage-credit spend-ஐயும், usage-based Enterprise-ல் முழு usage-ஐயும் அது உள்ளடக்கும். Enterprise-ல் analytics API கூடுதல் வசதியாக கிடைக்கும். ஒவ்வொரு developer எவ்வாறு sign in செய்துள்ளார் என்பதன் அடிப்படையில் நீங்கள் பார்க்கும் வசதிகள் மாறும். எனவே mixed organisation இரண்டு reports-ஐப் பார்த்து, அவற்றை கையால் கூட்ட வேண்டும்.
Budget-ஐ அளவிடுவதற்காக, October 2026 நிலவரப்படி Anthropic-ன் cost documentation-ல் வெளியிடப்பட்ட figure, ஒரு developer-க்கு active day ஒன்றுக்கு சராசரியாக $13-க்கு அருகிலும், மாதத்திற்கு $150 முதல் $250 வரையிலும் உள்ளது. Users-ல் 90% பேர் active day ஒன்றுக்கு $30-க்குள் இருப்பதாகவும் அது கூறுகிறது. இதை உங்கள் team-க்கான prediction ஆகக் கருத வேண்டாம். Enterprise deployments-லிருந்து வெளியிடப்பட்ட benchmark ஆக மட்டுமே கருதவும். Extrapolate செய்வதற்கு முன் pilot group-ஐ இயக்கி அளவிடவும்.
Dashboards-க்கு day மற்றும் person-ஐ விடக் கீழான அளவில் உள்ள தகவல்களைப் பார்க்க முடியாது. Tuesday அன்று அதிக usage-ஐ Opus பயன்படுத்தியது என்பதை அவை காட்டும். ஆனால் எந்த prompt, எந்த repository அல்லது எந்த CI job அதற்குக் காரணம் என்பதை அவை காட்டாது. Organisation reports தினமும் update ஆகுவதால், dashboards தாமதமாகவும் இருக்கும். எனவே அவை review tool-ஆகப் பயன்படும்; இன்று பிற்பகல் runaway agent-ஐ கண்டறியும் வழியாகப் பயன்படாது. Runaway agent-ஐத் தடுக்க reports அல்ல, limits தேவை. இதைப் பற்றியது VPS-ல் agent costs-ஐ கட்டுப்பாட்டுக்குள் வைத்திருப்பது.
வடிவம் 3: எந்த prompt பின்னடைவை ஏற்படுத்தியது என்பதை உங்கள் சொந்த OpenTelemetry stack தெரிவிக்கும்
Telemetry-ஐ enable செய்து exporters-ஐ configure செய்த பிறகு, Claude Code OpenTelemetry metrics மற்றும் events-ஐ வெளியிடும். நீங்கள் கட்டுப்படுத்தும் system-க்கு ஒவ்வொரு user-ன் token மற்றும் cost data-ஐ near real time-ல் stream செய்யும் ஒரே option இதுதான். Metrics-ல் claude_code.cost.usage USD-ல், claude_code.token.usage tokens-ல், claude_code.session.count மற்றும் claude_code.active_time.total ஆகியவை அடங்கும்.
Token metric முக்கியமானது. காரணம், அதனுடன் attributes இணைந்திருக்கும். ஒவ்வொரு data point-லும் type இருக்கும். அது input, output, cacheRead அல்லது cacheCreation ஆக இருக்கலாம். அதனுடன் model மற்றும் query_source ஆகியவையும் இருக்கும். அவை main, subagent அல்லது auxiliary ஆக இருக்கலாம். மேலும் agent.name, skill.name, mcp_server.name மற்றும் mcp_tool.name ஆகியவையும் இருக்கும். நீங்கள் அமைத்த MCP servers மற்றும் உங்கள் சொந்த custom subagents-ன் பெயர்கள் custom ஆக வரும். OTEL_LOG_TOOL_DETAILS=1-ஐ set செய்தால், tool events-ல் Bash commands மற்றும் tool input-உம் சேர்க்கப்படும். இதன் மூலம் எந்த dashboard-லும் பதிலளிக்க முடியாத கேள்விகளுக்கு விடை காணலாம்: bill-ல் உங்கள் சொந்த turns-க்கு பதிலாக subagents பயன்படுத்திய பகுதி எவ்வளவு, ஒரு MCP server உங்கள் input tokens-ஐ இரட்டிப்பாக்கியதா, யாராவது CLAUDE.md-ஐ edit செய்த பிறகு cache reads குறைந்துவிட்டதா என்பவற்றை அறியலாம். பொதுவாக ஆச்சரியம் cache behaviour-ல் இருக்கும். நீங்கள் பார்க்கும் data-வை prompt caching எப்போது பயனளிக்கிறது விளக்குகிறது.
இது குறித்து ஒரு திருத்தத்தைச் செய்வது அவசியம். இந்த விஷயம் பற்றிய ஒவ்வொரு thread-லும் இது எழுகிறது. Langfuse ஒரு நல்ல self-hosted tracing backend. VPS-ல் அதை இயக்குவது agent tracing-க்காக Langfuse-ஐ self-host செய்வது பகுதியில் விளக்கப்பட்டுள்ளது. அதன் OTLP endpoint traces-ஐ மட்டும் ஏற்கும். Default-ஆக Claude Code metrics மற்றும் log events-ஐ export செய்யும்; spans-ஐ export செய்யாது. எனவே OTEL_EXPORTER_OTLP_ENDPOINT-ஐ Langfuse-க்கு point செய்தால் project காலியாக இருக்கும். படிக்கத் தகுந்த error-உம் கிடைக்காது. Span export உள்ளது. ஆனால் அது beta நிலையில் இருப்பதால் CLAUDE_CODE_ENHANCED_TELEMETRY_BETA=1 மற்றும் OTEL_TRACES_EXPORTER-ஐ set செய்யும் வரை off-ஆக இருக்கும். Langfuse-ன் சொந்த Claude Code integration வேறு முறையைப் பயன்படுத்துகிறது. ஒரு Stop hook, அல்லது அதை install செய்யும் plugin, ஒவ்வொரு response-க்குப் பிறகும் session transcripts-ஐ படித்து அவற்றை traces-ஆக மாற்றும். ஆகவே log parser-ன் local-only வரம்புகள் இதற்கும் பொருந்தும். API மூலம் நீங்கள் உருவாக்கும் agents-க்கு Langfuse சரியான tool. அந்தச் சூழலில் உங்கள் சொந்த code, அதன் prompt, model மற்றும் cost ஆகியவற்றுடன் ஒவ்வொரு span-ஐயும் உருவாக்கும். Claude Code CLI-யின் spend totals-க்கு metrics store பொருத்தமானது.
உங்கள் சொந்த VPS-ல் Claude Code செலவுக் கண்காணிப்பை அமைத்தல்
இரண்டு services போதுமானது: metrics-ஐப் பெறும் collector மற்றும் அவற்றைச் சேமிக்கும் Prometheus. இரண்டையும் public internet-இலிருந்து அணுக முடியாதபடி வைத்திருக்கவும். ஏனெனில் open OTLP port-ஐ கண்டுபிடிக்கும் யாரும் அதில் writes செய்ய முடியும். /opt/ccmetrics/compose.yaml-ஐ எழுதவும்:
services:
collector:
image: otel/opentelemetry-collector-contrib:latest
command: ["--config=/etc/otel/config.yaml"]
volumes:
- ./collector.yaml:/etc/otel/config.yaml:ro
ports:
- "10.8.0.1:4318:4318"
restart: unless-stopped
prometheus:
image: prom/prometheus:latest
volumes:
- ./prometheus.yml:/etc/prometheus/prometheus.yml:ro
- prom-data:/prometheus
ports:
- "127.0.0.1:9090:9090"
restart: unless-stopped
volumes:
prom-data:10.8.0.1 என்பது WireGuard tunnel-க்குள் server-ன் address ஆகும். எனவே collector உங்கள் machines-லிருந்து அணுகக்கூடியதாகவும், வேறு எங்கிருந்தும் அணுக முடியாததாகவும் இருக்கும். Port-க்கு முன் உள்ள address இங்கு முக்கியப் பங்கு வகிக்கிறது. காரணம், published Docker ports-ஐ ufw filter செய்யாது: Docker published ports ஏன் ufw-ஐத் தவிர்க்கின்றன என்பதைப் பார்க்கவும். Tunnel-ஐ அமைப்பதற்கான வழிமுறை உங்கள் சொந்த VPS-ல் WireGuard VPN ஆகும்.
/opt/ccmetrics/collector.yaml:
receivers:
otlp:
protocols:
http:
endpoint: 0.0.0.0:4318
processors:
batch:
exporters:
prometheus:
endpoint: 0.0.0.0:8889
service:
pipelines:
metrics:
receivers: [otlp]
processors: [batch]
exporters: [prometheus]/opt/ccmetrics/prometheus.yml. Port 8889 host-க்கு ஒருபோதும் publish செய்யப்படாது. Prometheus, Compose network வழியாக service name-ஐப் பயன்படுத்தி collector-ஐ அணுகுகிறது:
global:
scrape_interval: 30s
scrape_configs:
- job_name: claude-code
static_configs:
- targets: ["collector:8889"]cd /opt/ccmetrics
docker compose up -d
docker compose logs collectorCollector log Everything is ready. Begin running and processing data. என்று முடிவடைய வேண்டும். Config error-ல் log நிறுத்தப்பட்டால், YAML parse ஆகவில்லை என்பதே காரணம். அப்போது container loop-ஆக restart ஆகும்.
இப்போது Claude Code-ஐ அதனுடன் இணைக்கவும். Claude Code இயங்கும் ஒவ்வொரு machine-லும், ~/.claude/settings.json-க்கு இதைச் சேர்க்கவும்:
{
"env": {
"CLAUDE_CODE_ENABLE_TELEMETRY": "1",
"OTEL_METRICS_EXPORTER": "otlp",
"OTEL_LOGS_EXPORTER": "none",
"OTEL_EXPORTER_OTLP_PROTOCOL": "http/protobuf",
"OTEL_EXPORTER_OTLP_ENDPOINT": "http://10.8.0.1:4318",
"OTEL_METRIC_EXPORT_INTERVAL": "10000"
}
}ஒரு session-ஐத் தொடங்கி, ஒரு prompt-ஐ அனுப்பவும். பின்னர் export interval முடியும் வரை காத்திருக்கவும். இங்கு அது 10 seconds; default-ஆக 60 seconds. அதன் பிறகு Prometheus பெற்ற metrics-ஐக் கேட்கவும்:
curl -s http://localhost:9090/api/v1/label/__name__/values | grep -o 'claude_code[a-z_]*'claude_code_-ல் தொடங்கும் பல பெயர்கள் கிடைக்க வேண்டும். Exporter dots-ஐ underscores-ஆக மாற்றி unit-ஐச் சேர்க்கிறது. எனவே exact strings உங்கள் collector version-ஐப் பொறுத்து மாறும். முடிவு காலியாக இருந்தால், எதுவும் வந்தடையவில்லை என்பதாகும். Protocol மற்றும் port ஒன்றுக்கொன்று பொருந்துகிறதா என்பதைச் சரிபார்க்கவும். http/protobuf 4318-க்கு செல்கிறது; grpc 4317-க்கு செல்கிறது. இவை பொருந்தாவிட்டால் எந்தத் தெளிவான பிழையும் இல்லாமல் export தோல்வியடையும். claude --debug-file /tmp/claude-debug.log-ஐ இயக்கி, அந்த file-ல் [3P telemetry] lines-ஐப் பார்க்கவும். Claude Code-ன் OTel export errors அங்கே பதிவாகும்.
ஒரே machine மட்டும் இருந்து server தேவையில்லை என்றால், மேலே உள்ள அனைத்தையும் தவிர்க்கவும். CLAUDE_CODE_ENABLE_TELEMETRY=1 மற்றும் OTEL_METRICS_EXPORTER=prometheus-ஐ அமைக்கவும். அப்போது Claude Code தானாகவே http://localhost:9464/metrics-ல் scrape endpoint-ஐ வெளியிடும். prometheus மட்டுமே exporter பட்டியலில் இருந்தால், Claude Code exported metrics-லிருந்து USD, tokens மற்றும் s units-ஐ நீக்கும். இதனால் scrape, சரியான Prometheus text format-ல் இருக்கும். Metric names மாறாது. otlp,prometheus போன்ற exporters-ஐ இணைக்கும் setting units-ஐ வைத்திருக்கும்.
இந்த அமைப்புடன் தொடர்புடைய ஒரு privacy முடிவு உள்ளது. Default-ஆக counts மற்றும் metadata மட்டும் machine-ஐ விட்டு வெளியேறும். Prompt text மற்றும் tool output வெளியேறாது. OTEL_LOG_USER_PROMPTS=1-ஐ அமைத்தால் exported events-ல் prompt text சேர்க்கப்படும். OTEL_LOG_ASSISTANT_RESPONSES=0 அதை override செய்யாவிட்டால் assistant response text-மும் இயக்கப்படும். OTEL_LOG_TOOL_CONTENT=1, தேர்ந்தெடுக்கப்பட்ட tool output-ஐ trace spans-ல் சேர்க்கும். இதில் exclusions மற்றும் content limit அடிப்படையிலான truncation உள்ளன. Default content limit 60 KB. இந்த flags தேர்ந்தெடுக்கப்படும் content-ல் source code மற்றும் secrets-ஐ வெளிப்படுத்தக்கூடும். ஆனால் context-ல் உள்ள அனைத்தையும் இவை தானாக export செய்யாது. முழு conversation bodies-க்கு தனியான OTEL_LOG_RAW_API_BODIES setting தேவை. அவற்றைத் திட்டமிட்டு மட்டும் இயக்கவும். முதலில் agent context-ல் secrets இடம்பெறாமல் வைத்தல் என்பதைப் படிக்கவும்.
scripted மற்றும் CI runs-க்கான செலவைக் கண்காணித்தல்
யாரும் திரையைப் பார்க்காமல் இருப்பதால், non-interactive runs தான் பயனர்களை அதிகமாக ஆச்சரியப்படுத்தும். claude -p-ஐ --output-format json உடன் பயன்படுத்தினால், அந்த run-ன் செலவை அதன் result payload-ல் தெரிவிக்கும்:
claude -p "summarise the failing tests" --output-format json | jq '.total_cost_usd'இந்த payload-ல் total_cost_usd மற்றும் ஒவ்வொரு model-க்குமான பிரிப்பு இடம்பெறும். எனவே dashboard இல்லாமலேயே ஒரு CI job தனது சொந்த செலவைப் பதிவு செய்யலாம். Local-ஆக கணக்கிடப்படும் ஒவ்வொரு மதிப்பையும் போலவே, இதுவும் client-side estimate மட்டுமே. மேலும், --continue அல்லது --resume உடன் ஏற்கனவே உள்ள conversation-ஐத் தொடரும் run, முந்தைய runs உட்பட முழு conversation-ன் மொத்தச் செலவைத் தெரிவிக்கும். அந்த மதிப்பை ஒரு file-க்கு append செய்யலாம் அல்லது மேலே உள்ள collector-க்கு metric-ஆக அனுப்பலாம். பயனுள்ள வகையில் செலவைக் கண்காணிக்கக் கிடைக்கும் குறைந்த செலவுடைய வழி இதுவாகும். ஒவ்வொரு run-க்கும் ஒரு jq call மட்டுமே தேவைப்படும்.
தோல்வி நிலைகளும் நீங்கள் காணக்கூடிய அறிகுறிகளும்
Report காலியாக உள்ளது. npx ccusage@latest daily எந்த row-களையும் காட்டவில்லை என்றால், Claude Code எழுதும் இடத்தை அது படிக்கவில்லை என்று பொருள். CLAUDE_CONFIG_DIR அந்த இடத்தை மாற்றுகிறது; ccusage-மும் அதே variable-ஐ படிக்கிறது. எனவே இரண்டையும் ஒரே value-ஐ பயன்படுத்தி இயக்கவும். பழைய sessions காணப்படவில்லை என்றால், cleanupPeriodDays-ஐ சரிபார்க்கவும்: இயல்புநிலையில் 30 நாட்கள் செயல்பாடின்றி இருந்த பிறகு terminal sessions cleanup செய்யப்படும். Desktop மற்றும் Cowork transcripts பொதுவாக அதற்கு மேல் காலத்திற்கும் சேமிக்கப்படும்.
இரண்டு machines வெவ்வேறு totals-ஐ காட்டுகின்றன. இது எதிர்பார்க்கப்படும் நடத்தை; bug அல்ல. /usage breakdown மற்றும் எந்த log parser-மும் local session history-ஐ மட்டுமே படிக்கும். எனவே மற்றொரு device அல்லது claude.ai-யில் நடந்த usage இரண்டிலும் சேராது.
Local total, invoice-உடன் பொருந்தவில்லை. Contracted rates-ஐ configure செய்யாவிட்டால், local figures standard list rates அடிப்படையில் token counts-இல் இருந்து கணக்கிடப்படும்: managed settings-ல் modelPricing table-ஐ /usage-க்காக பயன்படுத்தலாம்; ccusage-க்கு pricingOverrides-ஐ பயன்படுத்தலாம். Subscription-ல் plan limit-க்குள் உள்ள usage token அடிப்படையில் bill செய்யப்படாது; usage credits மட்டுமே bill செய்யப்படும். API billing-க்கு Console Cost page-ஐ அதிகாரப்பூர்வ ஆதாரமாகக் கொள்ளவும்.
அதே பணியைச் செய்தபோதும் cost அதிகரித்தது. முதலில் cache columns-ஐ சரிபார்க்கவும். நீண்ட session ஒவ்வொரு turn-லும் அதன் முழு history-ஐ மீண்டும் அனுப்பும். Cache warm நிலையில் cached rate பயன்படுத்தப்படும்; cache cold ஆனதும் முழு input rate பயன்படுத்தப்படும். எனவே நீண்ட இடைவெளிக்குப் பிறகு முழு conversation மீண்டும் process செய்யப்படும். இது சிறிய output number-க்கு அருகில் பெரிய input number-ஆகத் தோன்றும். input மற்றும் output token pricing இரண்டும் ஏன் தனித்தனியாக மாறுகின்றன என்பதை விளக்குகிறது.
Subagents பயன்படுத்திய ஒரு நாள் சாத்தியமற்றதாகத் தோன்றுகிறது. ஒவ்வொரு subagent-மும் தனக்கான context window-ஐ இயக்கும். எனவே token use, இயக்கப்பட்ட subagents-ன் எண்ணிக்கைக்கும் ஒவ்வொன்றும் இயங்கிய காலத்திற்கும் ஏற்ப அதிகரிக்கும். Plan-ல் /usage attribution, இந்த machine-க்கான subagent share-ஐ percentage-ஆகக் காட்டும். ஒவ்வொரு request-க்கான விவரங்களுக்கு, OTel data அவற்றை claude_code.token.usage-ல் உள்ள query_source attribute மூலம் தனித்தனியாக காட்டும். Log parser மொத்தத்தை மட்டும் காட்டும்; மீதியை நீங்களே கணிக்க வேண்டியிருக்கும்.
FAQ
Max plan-ல் எனக்கு உண்மையில் வசூலிக்கப்படும் தொகையை ccusage காட்டுமா?
இல்லை. Subscription-ன் plan limit-க்குள் இருக்கும் usage-க்கு token அடிப்படையில் கட்டணம் வசூலிக்கப்படாது. எனவே, log parser உங்கள் tokens-ஐ standard list API rates அடிப்படையில் விலை கணக்கிட்டு, அதே பணியை API மூலம் செய்திருந்தால் ஏற்பட்டிருக்கும் செலவை காட்டும். ஒரு நாள் usage எவ்வளவு அதிகமாக இருந்தது என்பதை ஒப்பீட்டு அளவில் அறிய இது பயனுள்ளதாகும். Projects அல்லது models-ஐ ஒன்றுடன் ஒன்று ஒப்பிடவும் இது உதவும். நீங்கள் செலுத்த வேண்டிய தொகைக்கு, API billing-ஐ Console Cost page-லும், subscription billing-ஐ plan billing page-லும் பார்க்கவும். Usage credits இயக்கப்பட்டிருந்தால், limit-ஐ கடந்த usage-க்கு standard API rates அடிப்படையில் கட்டணம் வசூலிக்கப்படும். அந்த செலவை claude.ai-ல் Settings > Usage பகுதியில் பார்க்கலாம்.
இந்த tools படிக்கும் session files-ஐ Claude Code எங்கே சேமிக்கிறது?
~/.claude/projects/<project>/<session-id>.jsonl பகுதியில் சேமிக்கிறது. இதில் <project> என்பது alphanumeric அல்லாத characters-க்கு பதிலாக - பயன்படுத்தப்பட்ட working directory path ஆகும். ஒவ்வொரு line-உம் ஒரு message, tool use அல்லது metadata entry-க்கான JSON object ஆகும். CLAUDE_CONFIG_DIR முழு directory-யையும் மாற்றுகிறது. settings.json உள்ள cleanupPeriodDays retention-ஐ கட்டுப்படுத்துகிறது. Terminal sessions-க்கு inactivity அடிப்படையில் default retention 30 days ஆகும். Desktop மற்றும் Cowork transcripts பொதுவாக அந்த காலத்திற்குப் பிறகும் வைத்திருக்கப்படும். Entry format-ஐ Anthropic internal format என ஆவணப்படுத்துகிறது; versions மாறும்போது இது மாறக்கூடும். எனவே, உங்கள் சொந்த script-ஐ பயன்படுத்தாமல், பராமரிக்கப்படும் tool மூலம் இதை parse செய்யவும்.
Claude Code telemetry-ஐ Langfuse-க்கு அனுப்ப முடியுமா?
Default telemetry மூலம் முடியாது. Langfuse OTLP endpoint traces-ஐ ஏற்றுக்கொள்கிறது. ஆனால் Claude Code default-ஆக spans-க்கு பதிலாக metrics மற்றும் log events-ஐ export செய்கிறது. எனவே அந்த data-வை சேமிக்க destination இருக்காது. Span export ஒரு beta feature ஆகும்; அதை நீங்கள் தனியாக இயக்க வேண்டும். Langfuse-ன் Claude Code integration, அதற்கு பதிலாக Stop hook-ஐ பயன்படுத்தி session transcripts-ஐ traces-ஆக மாற்றுகிறது. Spend totals-க்கு, Claude Code metrics-ஐ OpenTelemetry collector-க்கு அனுப்பி Prometheus-ல் சேமிக்கவும். API-ல் நீங்கள் உருவாக்கும் agents-க்கு Langfuse-ஐ பயன்படுத்தவும். அங்கு உங்கள் சொந்த code prompt, model மற்றும் cost ஆகியவற்றைக் கொண்ட spans-ஐ emit செய்யும்.
எனது local numbers ஏன் Console usage page-உடன் பொருந்தவில்லை?
அவை வேறுபட்ட முறையில் கணக்கிடப்படுவதால். /usage மற்றும் log parsers, நீங்கள் பயன்படுத்தும் machine-ல் உள்ள session files-இலிருந்து token counts-ஐ கூட்டுகின்றன. Contracted rates configure செய்யப்படவில்லை என்றால், அவற்றை standard list rates அடிப்படையில் விலை கணக்கிடுகின்றன. Managed settings-ல் /usage-க்கான modelPricing அல்லது ccusage-க்கான pricingOverrides வழியாக இது செய்யப்படுகிறது. Console, உங்கள் organisation-ன் machines மற்றும் keys முழுவதிலுமான usage-ஐ உள்ளடக்கும். உண்மையான API costs-க்கு அதன் Cost page-ஐ பயன்படுத்தவும். Claude Code analytics dashboard-ல் காட்டப்படும் spend figures estimates ஆகும். எனவே mismatch ஏற்படுவது இயல்பானது. மிகப் பெரிய வேறுபாடு இருந்தால், பொதுவாக இரண்டாவது device, CI runner அல்லது வேறு team member அதே account-க்கு billing செய்வதே காரணமாகும்.
CI-ல் claude -p run-ன் cost-ஐ எவ்வாறு track செய்வது?
--output-format json உடன் அதை இயக்கி, result-லிருந்து total_cost_usd-ஐப் பெறவும். உதாரணமாக, claude -p "..." --output-format json | jq '.total_cost_usd' பயன்படுத்தலாம். அதே payload-ல் per-model breakdown மற்றும் session ID-யும் இருக்கும். ஒவ்வொரு job-க்கும் அந்த value-ஐ record செய்தால், agent, dashboard அல்லது கூடுதல் service இல்லாமல் per-pipeline spend-ஐப் பெறலாம்.