AI účet za kódování, který nikdo nečekal

Představte si, že makáte na třech projektech najednou. V editoru běží Cursor. Claude Code vám radí s architekturou. GitHub Copilot CLI zvládá příkazovku. Každý nástroj sám o sobě je pecka – rychlost stoupá, chyby mizí, nasazení letí.

Pak dorazí výpis z karty.

6 154 dolarů. Jeden vývojář. Jeden měsíc.

Nejhůř je, že nevíte, kam to zmizelo. Dashboard v Cursoru ukáže součet. Claude má svůj součet. Copilot taky. Žádný vám neřekne, který repozitář zhltl 2 000 babek, jestli tiket opravdu stál 500 v API voláních nebo proč jste udělali 5 508 volání Haiku bez jasného důvodu.

Tohle je paradox současného AI stacku pro kódování: skvělé nástroje, náklady jako z mlhy.

Proč je důležitá viditelnost u více agentů

U jednoho AI nástroje – jedna subscripce, jeden dashboard – je sledování nákladů jednoduché. Ale vývoj už tak nefunguje.

Typický tým používá:

• Cursor na chytré funkce v IDE a agentické workflow
• Claude Code pro složité architektonické volby
• GitHub Copilot Chat pro integraci do VS Code
• Codex CLI na automatizaci v terminálu
• Různé specializované nástroje pro konkrétní úkoly

Každý běží samostatně. Každý má své logy. Každý fakturuje zvlášť. Dashboardy providerů dají celkový výdaj, ale neodpovědí na klíčové otázky:

• Který repozitář dělá největší díru do kapsy?
• Potřeboval ten tiket opravdu 136 tisíc zpráv?
• Proč ten branch najednou vyskočil na 1 200 dolarů?
• Který model dělá levné tokeny, co se sčítají do slušné částky?

Bez přiřazení nákladů jste v tmě. Platíte plné ceny, ale optimalizujete naslepo.

Lokální přístup: Sledování bez zachytávání

Tady přichází změna myšlení. Místo dalšího proxy, brány nebo sledovače v síti nová řešení dělají chytřeji: čtou, co nástroje už zapisují na disk.

Každý AI asistent ukládá transkripty. V nich jsou tokeny, modely, časy a kontext – vše pro přesný výpočet nákladů. Kličkou je: nemusíte chytat síťový traffic ani instalovat agenty. Stačí parsovat, co už tam leží.

Tenhle způsob má výhody:

Soukromí na prvním místě: Nic neopouští váš stroj. Žádné prompty, kód ani kontext nejdou ven. Vše pod vaší kontrolou.

Funguje offline: Když API providera padne, sledování jede dál. Nečekáte na jejich billing API nebo dashboard.

Bez trenia: Spustíte lokální daemon. Ten sleduje transkripty. Přiřazení probíhá samo. Žádné nastavování, klíče, autorizace.

Multi-agent od základu: Čtete soubory, které každý nástroj vytváří. Podpora nového agenta je jen nový parser. Cursor, Claude Code, Copilot Chat, Codex CLI – vše v jednom pohledu.

Co odhalí detailní přiřazení nákladů

Když vidíte náklady podle repozitáře, branchu nebo tiketu, insights přicházejí hned:

• Drahý branch: Zjistíte, že staging běží agentické úkoly, co se dají cachovat nebo sloučit.
• Tichý růst modelu: Vidíte, jak levný Haiku jede tisíckrát a sčítá se to do peněz.
• Smyčka retry: U tiketu vidíte rostoucí kontext a opakování – signál, že prompt potřebuje úpravu.
• Využití cache: Rozpoznáte, kde se kontexty recyklují dobře a kde se dělají zbytečně znovu.

Také náklady z abstraktních čísel. Místo „6 154 tento měsíc“ vidíte „800 na data-pipeline branchu, 200 ze čtyř retry na tiketu-417, 150 z duplicitních Haiku“.

Status bar vypráví příběh

Jedna z nejpraktičtějších věcí u lokálního sledování je status bar. Během práce vidíte náklady za den, týden, měsíc – podle hosta, IDE nebo projektu.

To není jako kontrola dashboardu. Je to okamžitá, kontextová zpětná vazba. Dokončíte session a utratili jste 3,47 dolaru. Ta zpráva stála 0,06. Když denní náklady stoupají, všimnete si hned, ne až za měsíc.

Je to jako benzinový ukazatel v autě versus účet za plyn na konci měsíce.

Jak vybrat správnou filozofii sledování

Ne každému tým se hodí taková detailnost. Používáte jednoho providera a utrácejíte pod 500 měsíčně? Stačí jejich dashboard. Anthropic Console, OpenAI usage, Cursor – jsou autoritativní, zdarma a fungují na to, co mají.

Ale pokud:

• Běháte více AI agentů najednou
• Pracujete na různých projektech a chcete přiřazení k repozitáři
• Zajímá vás soukromí promptů (nechcete je posílat ven)
• Jste offline nebo v uzavřené síti
• Řídíte náklady týmu s složitými tikety

...pak lokální sledování nabere smysl.

Širší pohled

Rychlé šíření AI asistentů pro kódování předběhlo infrastrukturu. Z „jeden vývojář, jeden nástroj, jeden dashboard“ jsme na „jeden vývojář, pět nástrojů, neviditelné náklady“. Provideri na to nebyli připraveni.

Lokální sledování je filozofie: nástroje logy dělají tak či onak, tak je použijte jako zdroj pravdy. Žádné proxy, zachytávání, uploady. Parsujte, co je, sledujte podstatu a dejte vývojářům viditelnost pro chytré rozhodnutí.

Jak multi-agent workflowy stanou standardem, tahle viditelnost přestane být bonus a stane se nezbytnou infrastrukturou.