agentprof 是什么

agentprof 是用 Rust 写的开源命令行工具，专门用来分析 AI agent CLI（Claude Code / GitHub Copilot CLI / OpenAI Codex）每一次对话烧掉的 token 都花在哪。不止统计花了多少，更回答「花得值不值」。

🕳️

看不见 token 去向

总数对，归属不明 — 哪个 turn / tool 拿走的？

📉

没有 ROI 信号

MCP 装了 20 个 tool，到底用了几个？

🌫️

Prompt cache 黑盒

命中率多少？省了多少 token / 钱？

🔌 生活类比

把 AI agent 想成一台很费油的车。市面上的 token 计费工具只告诉你「这次开了 500 公里、烧了 30 升油」。 agentprof 是装在车上的仪表盘 + 行车记录仪：把每次踩油门 / 刹车 / 怠速都记下来，做成一张「这趟旅程的油耗火焰图」+「每个绕路决策的 ROI 表」，让你能下一次少绕远路、关掉没用的发动机配件、避开堵车路段。

它到底解决什么问题？

直接看 OpenAI / Anthropic Dashboard 当然能看到 token 总数，但真实排查里你会很快遇到三类痛点，这正是 agentprof 要替你抹平的：

痛点	没工具时	agentprof 的做法
看不见 token 去向	总数 = 几万，不知道哪个 turn / tool / hook 拿走的	火焰图 + Turn Summary + Tool Rank 把 token 切到 turn / tool / hook 级
没有 ROI 信号	MCP 装了 20 个 tool，不知道哪个真正被 agent 用过	MCP Waste 报表：标出加载了但从没被调用的 tool + 估算浪费 token
Prompt cache 黑盒	Claude 缓存命中率多少？省了多少？不知道	Cache 段：诚实 / 朴素两种 hit rate + 净节省 + 总节省

👇 想深入理解每一类痛点？点开下面的折叠卡片，每张都给你：① 示例 · ② 为什么必要 · ③ agentprof 的做法 · ④ 还有什么其他方案。

1 看不见 token 去向点击展开

🧪 示例

直接看官方 dashboard：

2026-06-11  conversation-7f3a  42,317 input  8,124 output

🤔 为什么必要

这只告诉你「整次对话用了 50k」，但你不知道：哪一个 turn 是 token 大户？哪个 tool call 拿走最多 context？是不是有 MCP 工具加载了 schema 但从来没用？

✅ agentprof 的做法

把 events.jsonl 流式解析成 Episodes（一个 turn 的所有 tool/hook/skill 调用集合），再用 compute_analysis 生成火焰图 SVG + Turn Summary 表 + Tool Rank 表。每一行 token 都有「归属」。

🔀 其他方案

手写脚本 grep + jq 也能从 events.jsonl 提数据，但火焰图渲染 / 跨 session 聚合 / TUI 交互都得自己写一遍。agentprof 把这些做成开箱即用。

2 没有 ROI 信号点击展开

🧪 示例

你给 Copilot CLI 装了 GitHub MCP server（17 个工具）+ Filesystem MCP（8 个工具）+ 自家 Jira MCP（12 个工具）。每次对话 system prompt 多 5k tokens 描述这 37 个工具。问题：agent 到底用过哪些？

🤔 为什么必要

MCP 工具的 schema 是常驻 context window 的；加载了但不用 = 直接浪费钱 + 挤掉真正需要的上下文。

✅ agentprof 的做法

agentprof mcp-waste --tool-descriptions sidecar.json 给出每个 MCP server 的「加载次数 / 零调用次数 / 估算浪费 token」三栏报表，并 list 出"从没被调用过的工具"。这是 agentprof 区别于其他 token 工具的核心卖点。

🔀 其他方案

官方 Anthropic console 不显示工具维度；某些自建可观测平台（如 Helicone）可以打 tag，但需要先在 prompt 中手工注入 metadata。agentprof 直接从 session 日志反推，零侵入。

3 Prompt cache 黑盒点击展开

🧪 示例

Claude Sonnet 启用 prompt caching 后理论上能省到 10% 价格。但你的 cache hit rate 到底是 30% 还是 90%？省了多少钱？

🤔 为什么必要

cache 是按 5 分钟 TTL 自动失效的；如果 agent 调用之间间隔过长，cache 实际命中率会比想象的低很多。

✅ agentprof 的做法

agentprof analyze --export md 输出的 Cache 段会给出 honest hit rate（cache_read / (cache_read + cache_creation)）+ naive hit rate（cache_read / (cache_read + input_tokens)）+ net saved / gross saved tokens（按 Claude Sonnet 4.x 2026-06 价格估算）。aggregate --by model 给出跨 session 的 CacheCr / CacheRd / Hit% / NetSaved 列。

🔀 其他方案

官方 console 显示 cache_read / cache_creation 原始数字但不算 hit rate 也不算节省金额；agentprof 一次性给出 6 个数字 + 价格对照表。

下一步

读完本课你已经知道 agentprof 解决什么问题。下一课用 5 分钟装好工具，跑出你的第一张火焰图。

📂 相关源码： agentprof-core/analyzer/mod.rs compute_analysis

📂 相关源码： agentprof-cli/cmd/analyze.rs run