AI Observer asistentes de código: costes y trazas en local

AI Observer asistentes de código: mide tokens, costes y trazas de Claude Code, Codex y Gemini en tu equipo con Docker, y protege el acceso.
AI Observer assistants de code : coûts et traces en local

Llega fin de mes y el cargo del proveedor de modelos se ha disparado, pero nadie sabe qué sesión de Claude Code, de Codex CLI o de Gemini CLI lo provocó. Para responder sin montar una plataforma entera, existe AI Observer asistentes de código, el repositorio de código abierto tobilg/ai-observer: un backend de observabilidad que corre en tu propio equipo, recibe la telemetría de esas herramientas y la dibuja en un panel.

Empiezo por lo que más pesa, la seguridad y el lugar donde vive el dato, y luego bajo a la instalación. Todo lo que cuento sale del repositorio y de su README, consultados el 9 de noviembre de 2026. No he instalado la herramienta yo mismo: las capturas son las que publica el repositorio.

Primero decide dónde vive la telemetría

Un asistente de código gasta tokens, invoca herramientas y a veces falla sin hacer ruido. La telemetría que genera suele incluir prompts, fragmentos de código y salidas de comandos, es decir, material sensible. Eso deja dos caminos razonables.

  • Para una persona o un equipo pequeño, guardarla en el propio puesto evita montar un pipeline y reduce lo que sale de la máquina.
  • Para una flota de desarrolladores, tiene más sentido el enfoque centralizado, con control de acceso y retención gestionados por plataforma.

AI Observer apunta con claridad al primer caso.

Qué es AI Observer, según el repositorio

El proyecto se define como un backend de observabilidad autoalojado, en un único binario y compatible con OpenTelemetry. Cubre Claude Code, Gemini CLI, OpenAI Codex CLI, GitHub Copilot y OpenCode. Esto es lo que comprobé en el repositorio el 9 de noviembre de 2026:

  • licencia MIT, según el archivo LICENSE;
  • unas 291 estrellas y 26 forks en la página de GitHub ese día;
  • último commit el 6 de noviembre de 2026, que entrega la versión 0.7.0 (servidor MCP, actualización de tarifas y correcciones); existe la etiqueta v0.7.0, pero GitHub no mostraba ninguna «release»;
  • almacenamiento en DuckDB, ingesta OTLP por HTTP/JSON y HTTP/Protobuf, y actualización del panel por WebSocket;
  • un binario de unos 54 MB con la interfaz incluida y una imagen Docker de unos 97 MB para linux/amd64 y linux/arm64 (cifras del README, no medidas por mí).

Es un proyecto joven con un autor principal. Como utilidad local de comodidad es aceptable; si pensabas apoyar algo crítico en él, valora ese riesgo antes.

Protegerlo: lo que el README da por sentado y lo que no

El propio README admite que AI Observer no trae autenticación por defecto y que la base puede contener prompts, código y salidas de herramientas. Por eso el binario escucha solo en 127.0.0.1. Las defensas que describe son estas:

  • un token compartido, AI_OBSERVER_AUTH_TOKEN, exigido en OTLP y en la API;
  • una comprobación de la cabecera Host y del origen, frente al DNS rebinding y a páginas web que inyectarían telemetría falsa;
  • una redacción previa al almacenamiento, AI_OBSERVER_REDACT, que por defecto sustituye secretos (claves de API, tokens, contraseñas); el valor all añade datos personales;
  • una retención, AI_OBSERVER_RETENTION_DAYS, que borra los datos antiguos;
  • un punto de acceso MCP opcional, desactivado por defecto, con el que un agente puede releer tus conversaciones pasadas. Lo que devuelve viaja al proveedor del modelo, así que actívalo solo con conocimiento de causa.

No he auditado nada de esto. Pruébalo con tus propios datos antes de fiarte.

Puesta en marcha de AI Observer asistentes de código con Docker

El README recomienda Docker. Los dos puertos se publican únicamente en 127.0.0.1, que es el valor correcto, y un volumen conserva la base de datos.

  1. Arranca el contenedor:
    docker run -d \
      -p 127.0.0.1:8080:8080 \
      -p 127.0.0.1:4318:4318 \
      -v ai-observer-data:/app/data \
      --name ai-observer \
      tobilg/ai-observer:latest
  2. Abre http://localhost:8080. El puerto 8080 sirve la interfaz y la API; el 4318 recibe OTLP.
  3. Para Claude Code, el README pide estas variables de entorno, que conviene dejar en el perfil de tu shell:
    export CLAUDE_CODE_ENABLE_TELEMETRY=1
    export OTEL_METRICS_EXPORTER=otlp
    export OTEL_LOGS_EXPORTER=otlp
    export OTEL_EXPORTER_OTLP_PROTOCOL=http/protobuf
    export OTEL_EXPORTER_OTLP_ENDPOINT=http://localhost:4318
  4. Reinicia el asistente, abre una sesión y comprueba que los contadores empiezan a subir.
Terminal con el comando docker run de AI Observer y las variables OTEL para Claude Code, tomadas del README
Source : github.com

Sin Docker, el README menciona Homebrew (macOS con Apple Silicon), un binario de la página Releases o compilar con make setup y luego make all. Estas vías no las he verificado.

Sin exportar OTLP: el modo watch

Con Claude Code, Codex CLI y Gemini CLI puedes prescindir de las variables OTEL: ai-observer watch lee los archivos de sesión locales y los importa sobre la marcha. En el primer arranque solo anota la posición actual; la opción --backfill carga el historial. import hace lo mismo en una sola pasada y export escribe archivos Parquet.

Ojo con una trampa documentada: watch y serve (ingesta OTLP) no deben convivir en la misma base, porque duplicarías datos. GitHub Copilot y OpenCode solo funcionan por OTLP.

Qué se ve en el panel

La vista «All Tools» del README reúne los totales (trazas, logs, métricas, tasa de error) y debajo el coste, el tiempo activo y los tokens por herramienta.

Panel All Tools de AI Observer con trazas, logs, métricas, coste y consumo de tokens por herramienta
Source : github.com

La vista de trazas muestra el árbol de spans de una tarea. En la captura del README, una tarea de Codex CLI con 371 spans enseña cada paso de razonamiento y de llamada a funciones con su duración.

Vista de trazas de AI Observer: árbol de spans de una tarea de Codex CLI con la duración de cada paso
Source : github.com

Si necesitas ir más allá del puesto local

AI Observer es una herramienta de puesto de trabajo. Para cruzar estas señales con el resto de tu producción, mira el seguimiento del coste de los agentes con OpenTelemetry o el envío de trazas de IA a una plataforma con OpenInference y el Collector. Como almacén de código abierto de propósito más amplio, OpenObserve juega en otra liga.

Límites y puntos abiertos

  • Proyecto reciente y con un único mantenedor aparente: lee las notas de versión antes de actualizar.
  • Sin autenticación por defecto: nunca lo expongas a la red sin token y sin HTTPS.
  • Las tarifas viajan dentro del binario, así que el coste mostrado es una estimación que debes contrastar con la factura.
  • No cito ningún estudio de rendimiento independiente.

Buenas prácticas

  • Publica los puertos en 127.0.0.1 y guarda la base en un volumen con nombre.
  • Deja la redacción de secretos activa y fija una retención corta.
  • Elige un solo modo, watch o serve, por base de datos.
  • Contrasta una vez al mes el coste mostrado con la factura del proveedor.

Preguntas frecuentes

¿AI Observer envía mis datos a un servicio de terceros?

El README lo presenta como local y sin servicio externo obligatorio. La única salida posible es la que tú actives, como el punto de acceso MCP hacia un agente.

¿Qué asistentes de código admite AI Observer?

Claude Code, Gemini CLI, OpenAI Codex CLI, GitHub Copilot y OpenCode. Los tres primeros también pueden entrar leyendo archivos de sesión.

¿Puedo desplegarlo para todo un equipo?

Técnicamente sí, con token, un nombre de host autorizado y HTTPS. Pero el proyecto piensa primero en el puesto local: para una flota, una plataforma centralizada es más segura.

Conclusión

Antes de instalar nada, responde a una pregunta: ¿dónde debe vivir la telemetría de tus asistentes? Si la respuesta es «en el equipo», levanta AI Observer con Docker, confirma que los contadores se mueven y trata la seguridad como el centro del despliegue. Para seguir, lee el repositorio oficial y su CHANGELOG.

span.observer es un blog independiente de la comunidad, no afiliado a Dynatrace LLC. Dynatrace es una marca de Dynatrace LLC. Comprueba siempre los valores (puertos, versiones, tamaños) en la documentación oficial correspondiente a tu versión.

Total
0
Shares
Leave a Reply

Your email address will not be published. Required fields are marked *

Previous Post
Dynatrace OTel Collector : migrer de Contrib sans mauvaise surprise

Dynatrace OTel Collector: migrar desde Contrib sin sorpresas

Next Post
Observal observabilité agents de code : sessions et traces

Observal observabilidad agentes de código: sesiones y trazas

Related Posts