Claude Codeの使用状況を監視するのに最適なオープンソースツール（2026年）

Claude Code の使用状況を監視するための最適なオープンソースツール (2026年版)

Claude Code は強力な AI コーディングアシスタントですが、トークンベースの料金体系であるため、使用状況を注意深く追跡しないと予想外の請求につながる可能性があります。複雑なエージェント型タスクを 1 つ実行するだけで数十万トークンを消費することがあり、監視なしではコストが急速に膨れ上がる可能性があります。

このガイドでは、Claude Code の使用状況の監視、トークン消費量の追跡、予算アラートの設定、および支出の最適化に役立つ最高のオープンソースツールを紹介します。

なぜ Claude Code の使用状況を監視するのか？

ツールについて説明する前に、なぜ監視が重要なのかを確認しましょう。

Claude モデル	入力コスト (100万トークン)	出力コスト (100万トークン)	標準的な1日の使用量	1日のコスト
Claude Opus 4	$15.00	$75.00	入力 100K / 出力 50K	$5.25
Claude Sonnet 4	$3.00	$15.00	入力 200K / 出力 100K	$2.10
Claude Haiku 3.5	$0.80	$4.00	入力 300K / 出力 150K	$0.84

Opus 4 を頻繁に利用する Claude Code ユーザーは、月額 $100〜$200 を簡単に使い切る可能性があります。トークンがどこで消費されているかを可視化しなければ、最適化は不可能です。

ツール 1: ccusage (Claude Code Usage Tracker)

ccusage は、Claude Code の使用状況を追跡するために特別に構築された、最も人気のあるオープンソースツールです。

主な機能

Claude Code のローカルセッションログを読み取る
セッションごとのトークン使用量と推定コストを計算する
日次、週次、月次の使用状況レポートを生成する
プロジェクトおよびタスクタイプ別の使用内訳を表示する
さらなる分析のためにデータを CSV にエクスポートする

インストール

# npm でインストール
npm install -g ccusage

# またはインストールせずに npx で実行
npx ccusage

使い方

# 今日の使用状況サマリーを表示
ccusage

# 過去7日間の使用状況を表示
ccusage --days 7

# 特定の期間の使用状況を表示
ccusage --from 2026-01-01 --to 2026-01-31

# CSV にエクスポート
ccusage --days 30 --format csv > claude-usage-january.csv

# セッションごとの詳細な内訳を表示
ccusage --detailed

# プロジェクトディレクトリごとに使用状況を表示
ccusage --by-project

出力例

Claude Code Usage Report (Last 7 Days)
=======================================

Total Tokens:     1,245,670
  Input:            892,340
  Output:           353,330

Estimated Cost:   $19.83
  Input:            $2.68 (892K @ $3.00/1M)
  Output:           $5.30 (353K @ $15.00/1M)

Daily Breakdown:
  Mon Feb 02:  180,200 tokens  ($2.87)
  Tue Feb 03:  210,450 tokens  ($3.35)
  Wed Feb 04:  156,780 tokens  ($2.49)
  Thu Feb 05:  298,120 tokens  ($4.74)
  Fri Feb 06:  400,120 tokens  ($6.38)

Top Projects:
  ~/projects/web-app     520,300 tokens  ($8.28)
  ~/projects/api-server  380,200 tokens  ($6.05)
  ~/projects/cli-tool    345,170 tokens  ($5.50)

設定

// ~/.ccusage/config.json
{
  "defaultDays": 7,
  "currency": "USD",
  "models": {
    "claude-opus-4-20250514": {
      "inputCost": 15.0,
      "outputCost": 75.0
    },
    "claude-sonnet-4-20250514": {
      "inputCost": 3.0,
      "outputCost": 15.0
    }
  },
  "budgetAlert": {
    "daily": 10.0,
    "weekly": 50.0,
    "monthly": 150.0
  }
}

ツール 2: claude-token-counter

claude-token-counter は、Anthropic API にフックしてリアルタイムのトークン追跡を提供する軽量な Python ツールです。

インストール

pip install claude-token-counter

プロキシとしての使用

claude-token-counter は、Claude Code と Anthropic API の間のプロキシとして動作し、すべてのリクエストをログに記録できます。

# ロギングプロキシを起動
claude-token-counter proxy --port 8080

# 別のターミナルで、プロキシを使用するように Claude Code を設定
export ANTHROPIC_BASE_URL="http://localhost:8080"
claude  # 通常通り Claude Code を起動

ダッシュボード

# ウェブダッシュボードを起動
claude-token-counter dashboard --port 3000

# ブラウザで http://localhost:3000 を開く

ダッシュボードの表示内容：

リアルタイムのトークン消費グラフ
セッションごとのコスト内訳
モデルごとの使用分布 (Opus vs Sonnet vs Haiku)
累積支出トレンド
予算アラートと予測

プログラムによるアクセス

from claude_token_counter import UsageTracker

tracker = UsageTracker()

# 今日の使用量を取得
today = tracker.get_usage(period="today")
print(f"Tokens used today: {today.total_tokens}")
print(f"Estimated cost: ${today.estimated_cost:.2f}")

# プロジェクトごとの使用量を取得
projects = tracker.get_usage_by_project(days=30)
for project in projects:
    print(f"{project.name}: {project.total_tokens} tokens (${project.cost:.2f})")

ツール 3: Anthropic 使用状況ダッシュボード (APIベース)

厳密にはオープンソースではありませんが、Anthropic API はオープンソースツールでクエリ可能な使用状況エンドポイントを提供しています。

API 経由で使用状況をクエリする

import httpx
from datetime import datetime, timedelta

ANTHROPIC_ADMIN_KEY = "sk-ant-admin-your-key"

async def get_usage(days: int = 7):
    """Anthropic の API から使用状況データを取得します。"""
    end_date = datetime.now()
    start_date = end_date - timedelta(days=days)

    async with httpx.AsyncClient() as client:
        response = await client.get(
            "https://api.anthropic.com/v1/organizations/usage",
            headers={
                "x-api-key": ANTHROPIC_ADMIN_KEY,
                "anthropic-version": "2024-01-01"
            },
            params={
                "start_date": start_date.strftime("%Y-%m-%d"),
                "end_date": end_date.strftime("%Y-%m-%d")
            }
        )
        return response.json()

Grafana でカスタムダッシュボードを構築する

Anthropic の使用状況データを Prometheus にエクスポートし、Grafana で可視化します。

# prometheus_exporter.py
from prometheus_client import start_http_server, Gauge
import time

token_usage = Gauge('claude_tokens_total', 'Total tokens used', ['model', 'direction'])
cost_gauge = Gauge('claude_cost_usd', 'Estimated cost in USD', ['model'])

def update_metrics():
    """Anthropic から使用量をフェッチし、Prometheus メトリクスを更新します。"""
    usage = get_usage(days=1)  # 上記の関数を使用

    for model_usage in usage.get("models", []):
        model = model_usage["model"]
        token_usage.labels(model=model, direction="input").set(model_usage["input_tokens"])
        token_usage.labels(model=model, direction="output").set(model_usage["output_tokens"])
        cost_gauge.labels(model=model).set(model_usage["estimated_cost"])

if __name__ == "__main__":
    start_http_server(9090)
    while True:
        update_metrics()
        time.sleep(60)

その後、Prometheus のスクレイプターゲットを追加し、可視化用の Grafana ダッシュボードを作成します。

ツール 4: LLM Cost Calculator CLI

llm-cost は、Claude だけでなく複数の LLM プロバイダーのコストを追跡する汎用 CLI ツールです。

インストール

# pip でインストール
pip install llm-cost-calculator

# または Homebrew でインストール
brew install llm-cost

使い方

# Claude Code のログをスキャンしてコストを計算
llm-cost scan --provider anthropic --days 30

# リアルタイムで Claude Code の使用状況をウォッチ
llm-cost watch --provider anthropic

# 予算アラートを設定
llm-cost budget --daily 10 --weekly 50 --monthly 200

# プロバイダー間でコストを比較
llm-cost compare --task "code review" --providers anthropic,openai,google

予算アラートの設定例

# ~/.llm-cost/config.yaml
providers:
  anthropic:
    api_key_env: ANTHROPIC_API_KEY
    models:
      claude-opus-4-5:
        input_cost_per_million: 15.0
        output_cost_per_million: 75.0
      claude-sonnet-4:
        input_cost_per_million: 3.0
        output_cost_per_million: 15.0

alerts:
  daily_limit: 10.0
  weekly_limit: 50.0
  monthly_limit: 200.0
  notification:
    type: "slack"
    webhook_url: "https://hooks.slack.com/services/YOUR/WEBHOOK/URL"

ツール 5: Claude Code 内蔵の使用状況追跡

Claude Code 自体にも、多くのユーザーが見落としがちな使用状況追跡機能が組み込まれています。

Claude Code 内で使用状況を確認する

# Claude Code セッション内で次のように入力：
/usage

# これにより、現在のセッションのトークン消費量が表示されます。
# 入力トークン、出力トークン、キャッシュヒットなどが含まれます。

セッションログを直接読み取る

Claude Code は詳細なセッションログをローカルに保存しています。

# macOS の場合
ls ~/.claude/projects/

# 各セッションに JSON ログファイルがあります。
# jq を使用してカスタム分析のためにパースできます。
cat ~/.claude/projects/*/sessions/*.json | \
  jq '[.[] | select(.type == "usage") | .tokens] | add'

Claude Code ログをパースするカスタムスクリプト

#!/usr/bin/env python3
"""Claude Code のセッションログをパースして使用状況を分析します。"""

import json
from pathlib import Path
from datetime import datetime

CLAUDE_DIR = Path.home() / ".claude" / "projects"

def analyze_usage(days: int = 7):
    total_input = 0
    total_output = 0
    sessions = 0

    cutoff = datetime.now().timestamp() - (days * 86400)

    for session_file in CLAUDE_DIR.rglob("*.json"):
        if session_file.stat().st_mtime < cutoff:
            continue

        try:
            data = json.loads(session_file.read_text())
            for entry in data:
                if entry.get("type") == "usage":
                    total_input += entry.get("input_tokens", 0)
                    total_output += entry.get("output_tokens", 0)
                    sessions += 1
        except (json.JSONDecodeError, KeyError):
            continue

    # コスト計算 (Sonnet 4 のレート)
    input_cost = (total_input / 1_000_000) * 3.0
    output_cost = (total_output / 1_000_000) * 15.0

    print(f"Usage Summary (Last {days} days)")
    print(f"{'='*40}")
    print(f"Sessions:      {sessions}")
    print(f"Input tokens:  {total_input:,}")
    print(f"Output tokens: {total_output:,}")
    print(f"Input cost:    ${input_cost:.2f}")
    print(f"Output cost:   ${output_cost:.2f}")
    print(f"Total cost:    ${input_cost + output_cost:.2f}")

if __name__ == "__main__":
    analyze_usage(days=30)

コスト最適化のヒント

監視によって使用パターンが判明したら、以下の最適化を適用しましょう。

1. タスクに適したモデルを使用する

タスク	推奨モデル	Opus と比較したコスト削減
コード補完	Haiku 3.5	95% 安価
バグ修正 (単純なもの)	Sonnet 4	80% 安価
コードレビュー	Sonnet 4	80% 安価
アーキテクチャ設計	Opus 4	(基準)
複雑なリファクタリング	Opus 4	(基準)

2. モデルに送信するコンテキストを削減する

# .claudeignore を使用して無関係なファイルを除外する
# プロジェクトのルートに .claudeignore を作成
echo "node_modules/
dist/
.git/
*.lock
*.log
coverage/
.env" > .claudeignore

3. Anthropic ダッシュボードで支出制限を設定する

console.anthropic.com/settings/limits にアクセスして以下を設定します。

月間支出上限
リクエストあたりのトークン制限
モデルへのアクセス制限

4. プロンプト接頭辞のキャッシュ

Claude Code はプロンプトキャッシュをサポートしており、繰り返されるコンテキストに対して入力トークンコストを最大 90% 削減できます。

# プロンプトキャッシュはシステムプロンプトや繰り返されるファイル内容に対して自動的に適用されます。
# CLAUDE.md ファイルを適切に構造化して、効率的にキャッシュされるようにしてください。

比較表：すべての監視ツール

ツール	タイプ	リアルタイム	コスト追跡	アラート	マルチプロバイダー	セットアップ
ccusage	CLI	いいえ	はい	はい	いいえ (Claude のみ)	簡単
claude-token-counter	プロキシ + ダッシュボード	はい	はい	はい	いいえ (Claude のみ)	普通
Anthropic API + Grafana	ダッシュボード	ほぼリアルタイム	はい	はい (カスタム)	いいえ	高度
llm-cost	CLI + 設定	はい (ウォッチモード)	はい	はい	はい	普通
内蔵 /usage	CLI コマンド	はい	基本的	いいえ	いいえ	なし

まとめ

コストを予測可能な状態に保ちたいのであれば、Claude Code の使用状況の監視は必須です。まずは手軽に確認できる内蔵の /usage コマンドから始め、次に日次レポートとコスト追跡のために ccusage を導入しましょう。チームやヘビーユーザーの場合は、Anthropic API を活用した Grafana ダッシュボードを構築することで、エンタープライズ級の可視性が得られます。

最も効果的な最適化は、日常的なタスクに Opus 4 ではなく Sonnet 4 を使用することです。これにより、ほとんどのコーディング作業において品質への影響を最小限に抑えつつ、コストを 80% 削減できます。

コードと並行して AI 生成メディアを必要とするアプリケーションを構築している場合は、Hypereal AI を検討してください。画像、ビデオ、オーディオ生成に対して透明性の高いクレジット制料金を提供しています。隠れたコストや予想外の請求はなく、開始時に 35 クレジットが無料で提供される予測可能な価格体系です。

Claude Code の使用状況を監視するための最適なオープンソースツール (2026年版)

なぜ Claude Code の使用状況を監視するのか？

ツールについて説明する前に、なぜ監視が重要なのかを確認しましょう。

Claude モデル	入力コスト (100万トークン)	出力コスト (100万トークン)	標準的な1日の使用量	1日のコスト
Claude Opus 4	$15.00	$75.00	入力 100K / 出力 50K	$5.25
Claude Sonnet 4	$3.00	$15.00	入力 200K / 出力 100K	$2.10
Claude Haiku 3.5	$0.80	$4.00	入力 300K / 出力 150K	$0.84

ツール 1: ccusage (Claude Code Usage Tracker)

ccusage は、Claude Code の使用状況を追跡するために特別に構築された、最も人気のあるオープンソースツールです。

主な機能

Claude Code のローカルセッションログを読み取る
セッションごとのトークン使用量と推定コストを計算する
日次、週次、月次の使用状況レポートを生成する
プロジェクトおよびタスクタイプ別の使用内訳を表示する
さらなる分析のためにデータを CSV にエクスポートする

インストール

# npm でインストール
npm install -g ccusage

# またはインストールせずに npx で実行
npx ccusage

使い方

# 今日の使用状況サマリーを表示
ccusage

# 過去7日間の使用状況を表示
ccusage --days 7

# 特定の期間の使用状況を表示
ccusage --from 2026-01-01 --to 2026-01-31

# CSV にエクスポート
ccusage --days 30 --format csv > claude-usage-january.csv

# セッションごとの詳細な内訳を表示
ccusage --detailed

# プロジェクトディレクトリごとに使用状況を表示
ccusage --by-project

出力例

Claude Code Usage Report (Last 7 Days)
=======================================

Total Tokens:     1,245,670
  Input:            892,340
  Output:           353,330

Estimated Cost:   $19.83
  Input:            $2.68 (892K @ $3.00/1M)
  Output:           $5.30 (353K @ $15.00/1M)

Daily Breakdown:
  Mon Feb 02:  180,200 tokens  ($2.87)
  Tue Feb 03:  210,450 tokens  ($3.35)
  Wed Feb 04:  156,780 tokens  ($2.49)
  Thu Feb 05:  298,120 tokens  ($4.74)
  Fri Feb 06:  400,120 tokens  ($6.38)

Top Projects:
  ~/projects/web-app     520,300 tokens  ($8.28)
  ~/projects/api-server  380,200 tokens  ($6.05)
  ~/projects/cli-tool    345,170 tokens  ($5.50)

設定

// ~/.ccusage/config.json
{
  "defaultDays": 7,
  "currency": "USD",
  "models": {
    "claude-opus-4-20250514": {
      "inputCost": 15.0,
      "outputCost": 75.0
    },
    "claude-sonnet-4-20250514": {
      "inputCost": 3.0,
      "outputCost": 15.0
    }
  },
  "budgetAlert": {
    "daily": 10.0,
    "weekly": 50.0,
    "monthly": 150.0
  }
}

ツール 2: claude-token-counter

claude-token-counter は、Anthropic API にフックしてリアルタイムのトークン追跡を提供する軽量な Python ツールです。

インストール

pip install claude-token-counter

プロキシとしての使用

claude-token-counter は、Claude Code と Anthropic API の間のプロキシとして動作し、すべてのリクエストをログに記録できます。

# ロギングプロキシを起動
claude-token-counter proxy --port 8080

# 別のターミナルで、プロキシを使用するように Claude Code を設定
export ANTHROPIC_BASE_URL="http://localhost:8080"
claude  # 通常通り Claude Code を起動

ダッシュボード

# ウェブダッシュボードを起動
claude-token-counter dashboard --port 3000

# ブラウザで http://localhost:3000 を開く

ダッシュボードの表示内容：

リアルタイムのトークン消費グラフ
セッションごとのコスト内訳
モデルごとの使用分布 (Opus vs Sonnet vs Haiku)
累積支出トレンド
予算アラートと予測

プログラムによるアクセス

from claude_token_counter import UsageTracker

tracker = UsageTracker()

# 今日の使用量を取得
today = tracker.get_usage(period="today")
print(f"Tokens used today: {today.total_tokens}")
print(f"Estimated cost: ${today.estimated_cost:.2f}")

# プロジェクトごとの使用量を取得
projects = tracker.get_usage_by_project(days=30)
for project in projects:
    print(f"{project.name}: {project.total_tokens} tokens (${project.cost:.2f})")

ツール 3: Anthropic 使用状況ダッシュボード (APIベース)

厳密にはオープンソースではありませんが、Anthropic API はオープンソースツールでクエリ可能な使用状況エンドポイントを提供しています。

API 経由で使用状況をクエリする

import httpx
from datetime import datetime, timedelta

ANTHROPIC_ADMIN_KEY = "sk-ant-admin-your-key"

async def get_usage(days: int = 7):
    """Anthropic の API から使用状況データを取得します。"""
    end_date = datetime.now()
    start_date = end_date - timedelta(days=days)

    async with httpx.AsyncClient() as client:
        response = await client.get(
            "https://api.anthropic.com/v1/organizations/usage",
            headers={
                "x-api-key": ANTHROPIC_ADMIN_KEY,
                "anthropic-version": "2024-01-01"
            },
            params={
                "start_date": start_date.strftime("%Y-%m-%d"),
                "end_date": end_date.strftime("%Y-%m-%d")
            }
        )
        return response.json()

Grafana でカスタムダッシュボードを構築する

Anthropic の使用状況データを Prometheus にエクスポートし、Grafana で可視化します。

# prometheus_exporter.py
from prometheus_client import start_http_server, Gauge
import time

token_usage = Gauge('claude_tokens_total', 'Total tokens used', ['model', 'direction'])
cost_gauge = Gauge('claude_cost_usd', 'Estimated cost in USD', ['model'])

def update_metrics():
    """Anthropic から使用量をフェッチし、Prometheus メトリクスを更新します。"""
    usage = get_usage(days=1)  # 上記の関数を使用

    for model_usage in usage.get("models", []):
        model = model_usage["model"]
        token_usage.labels(model=model, direction="input").set(model_usage["input_tokens"])
        token_usage.labels(model=model, direction="output").set(model_usage["output_tokens"])
        cost_gauge.labels(model=model).set(model_usage["estimated_cost"])

if __name__ == "__main__":
    start_http_server(9090)
    while True:
        update_metrics()
        time.sleep(60)

その後、Prometheus のスクレイプターゲットを追加し、可視化用の Grafana ダッシュボードを作成します。

ツール 4: LLM Cost Calculator CLI

llm-cost は、Claude だけでなく複数の LLM プロバイダーのコストを追跡する汎用 CLI ツールです。

インストール

# pip でインストール
pip install llm-cost-calculator

# または Homebrew でインストール
brew install llm-cost

使い方

# Claude Code のログをスキャンしてコストを計算
llm-cost scan --provider anthropic --days 30

# リアルタイムで Claude Code の使用状況をウォッチ
llm-cost watch --provider anthropic

# 予算アラートを設定
llm-cost budget --daily 10 --weekly 50 --monthly 200

# プロバイダー間でコストを比較
llm-cost compare --task "code review" --providers anthropic,openai,google

予算アラートの設定例

# ~/.llm-cost/config.yaml
providers:
  anthropic:
    api_key_env: ANTHROPIC_API_KEY
    models:
      claude-opus-4-5:
        input_cost_per_million: 15.0
        output_cost_per_million: 75.0
      claude-sonnet-4:
        input_cost_per_million: 3.0
        output_cost_per_million: 15.0

alerts:
  daily_limit: 10.0
  weekly_limit: 50.0
  monthly_limit: 200.0
  notification:
    type: "slack"
    webhook_url: "https://hooks.slack.com/services/YOUR/WEBHOOK/URL"

ツール 5: Claude Code 内蔵の使用状況追跡

Claude Code 自体にも、多くのユーザーが見落としがちな使用状況追跡機能が組み込まれています。

Claude Code 内で使用状況を確認する

# Claude Code セッション内で次のように入力：
/usage

# これにより、現在のセッションのトークン消費量が表示されます。
# 入力トークン、出力トークン、キャッシュヒットなどが含まれます。

セッションログを直接読み取る

Claude Code は詳細なセッションログをローカルに保存しています。

# macOS の場合
ls ~/.claude/projects/

# 各セッションに JSON ログファイルがあります。
# jq を使用してカスタム分析のためにパースできます。
cat ~/.claude/projects/*/sessions/*.json | \
  jq '[.[] | select(.type == "usage") | .tokens] | add'

Claude Code ログをパースするカスタムスクリプト

#!/usr/bin/env python3
"""Claude Code のセッションログをパースして使用状況を分析します。"""

import json
from pathlib import Path
from datetime import datetime

CLAUDE_DIR = Path.home() / ".claude" / "projects"

def analyze_usage(days: int = 7):
    total_input = 0
    total_output = 0
    sessions = 0

    cutoff = datetime.now().timestamp() - (days * 86400)

    for session_file in CLAUDE_DIR.rglob("*.json"):
        if session_file.stat().st_mtime < cutoff:
            continue

        try:
            data = json.loads(session_file.read_text())
            for entry in data:
                if entry.get("type") == "usage":
                    total_input += entry.get("input_tokens", 0)
                    total_output += entry.get("output_tokens", 0)
                    sessions += 1
        except (json.JSONDecodeError, KeyError):
            continue

    # コスト計算 (Sonnet 4 のレート)
    input_cost = (total_input / 1_000_000) * 3.0
    output_cost = (total_output / 1_000_000) * 15.0

    print(f"Usage Summary (Last {days} days)")
    print(f"{'='*40}")
    print(f"Sessions:      {sessions}")
    print(f"Input tokens:  {total_input:,}")
    print(f"Output tokens: {total_output:,}")
    print(f"Input cost:    ${input_cost:.2f}")
    print(f"Output cost:   ${output_cost:.2f}")
    print(f"Total cost:    ${input_cost + output_cost:.2f}")

if __name__ == "__main__":
    analyze_usage(days=30)

コスト最適化のヒント

監視によって使用パターンが判明したら、以下の最適化を適用しましょう。

1. タスクに適したモデルを使用する

タスク	推奨モデル	Opus と比較したコスト削減
コード補完	Haiku 3.5	95% 安価
バグ修正 (単純なもの)	Sonnet 4	80% 安価
コードレビュー	Sonnet 4	80% 安価
アーキテクチャ設計	Opus 4	(基準)
複雑なリファクタリング	Opus 4	(基準)

2. モデルに送信するコンテキストを削減する

# .claudeignore を使用して無関係なファイルを除外する
# プロジェクトのルートに .claudeignore を作成
echo "node_modules/
dist/
.git/
*.lock
*.log
coverage/
.env" > .claudeignore

3. Anthropic ダッシュボードで支出制限を設定する

console.anthropic.com/settings/limits にアクセスして以下を設定します。

月間支出上限
リクエストあたりのトークン制限
モデルへのアクセス制限

4. プロンプト接頭辞のキャッシュ

Claude Code はプロンプトキャッシュをサポートしており、繰り返されるコンテキストに対して入力トークンコストを最大 90% 削減できます。

# プロンプトキャッシュはシステムプロンプトや繰り返されるファイル内容に対して自動的に適用されます。
# CLAUDE.md ファイルを適切に構造化して、効率的にキャッシュされるようにしてください。

比較表：すべての監視ツール

ツール	タイプ	リアルタイム	コスト追跡	アラート	マルチプロバイダー	セットアップ
ccusage	CLI	いいえ	はい	はい	いいえ (Claude のみ)	簡単
claude-token-counter	プロキシ + ダッシュボード	はい	はい	はい	いいえ (Claude のみ)	普通
Anthropic API + Grafana	ダッシュボード	ほぼリアルタイム	はい	はい (カスタム)	いいえ	高度
llm-cost	CLI + 設定	はい (ウォッチモード)	はい	はい	はい	普通
内蔵 /usage	CLI コマンド	はい	基本的	いいえ	いいえ	なし

Hyperealで構築を始めよう

Claude Code の使用状況を監視するための最適なオープンソースツール (2026年版)

なぜ Claude Code の使用状況を監視するのか？

ツール 1: ccusage (Claude Code Usage Tracker)

主な機能

インストール

使い方

出力例

設定

ツール 2: claude-token-counter

インストール

プロキシとしての使用

ダッシュボード

プログラムによるアクセス

ツール 3: Anthropic 使用状況ダッシュボード (APIベース)

API 経由で使用状況をクエリする

Grafana でカスタムダッシュボードを構築する

ツール 4: LLM Cost Calculator CLI

インストール

使い方

予算アラートの設定例

ツール 5: Claude Code 内蔵の使用状況追跡

Claude Code 内で使用状況を確認する

セッションログを直接読み取る

Claude Code ログをパースするカスタムスクリプト

コスト最適化のヒント

1. タスクに適したモデルを使用する

2. モデルに送信するコンテキストを削減する

3. Anthropic ダッシュボードで支出制限を設定する

4. プロンプト接頭辞のキャッシュ

比較表：すべての監視ツール

まとめ

関連記事

Aider AI:ターミナルベースのAIコーディングアシスタント(2026年版)

Claude Code 入門ガイド & ベストプラクティス (2026)

Claude Code CLIコマンド：完全チートシート (2026年版)

今日から構築を開始

Hyperealで構築を始めよう

Claude Code の使用状況を監視するための最適なオープンソースツール (2026年版)

なぜ Claude Code の使用状況を監視するのか？

ツール 1: ccusage (Claude Code Usage Tracker)

主な機能

インストール

使い方

出力例

設定

ツール 2: claude-token-counter

インストール

プロキシとしての使用

ダッシュボード

プログラムによるアクセス

ツール 3: Anthropic 使用状況ダッシュボード (APIベース)

API 経由で使用状況をクエリする

Grafana でカスタムダッシュボードを構築する

ツール 4: LLM Cost Calculator CLI

インストール

使い方

予算アラートの設定例

ツール 5: Claude Code 内蔵の使用状況追跡

Claude Code 内で使用状況を確認する

セッションログを直接読み取る

Claude Code ログをパースするカスタムスクリプト

コスト最適化のヒント

1. タスクに適したモデルを使用する

2. モデルに送信するコンテキストを削減する

3. Anthropic ダッシュボードで支出制限を設定する

4. プロンプト接頭辞のキャッシュ

比較表：すべての監視ツール

まとめ

関連記事

Aider AI:ターミナルベースのAIコーディングアシスタント(2026年版)

Claude Code 入門ガイド & ベストプラクティス (2026)

Claude Code CLIコマンド：完全チートシート (2026年版)

今日から構築を開始