AI 编程工具正在从“代码补全”走向“Agent 协作”。

过去我们关心的是：模型补出来的这段代码对不对。现在我们还需要关心更多问题：

- Agent 读取了哪些上下文？
- 它到底把什么内容发给了模型？
- system prompt 里有哪些行为约束？
- 它为什么选择调用这个工具？
- tool result 如何进入下一轮对话？
- 一次任务消耗了多少 token？
- cache 有没有命中，成本是否异常？

这些问题如果看不见，就只能靠猜。

这也是 ccglass 想解决的问题：让 AI 编程 Agent 的请求过程变得可观察、可分析、可复盘。

GitHub 地址：<https://github.com/jianshuo/ccglass>

## ccglass 是什么？

ccglass 是一个面向 AI 编程 Agent 的本地观测工具。

它通过“本地反向代理 + Web Dashboard”的方式，记录并展示 Claude Code、Codex、DeepSeek-TUI、Reasonix、Kimi、OpenCode、Ollama、OpenRouter 等工具实际发送给模型 API 的请求和响应。

你可以把它理解成一块给 AI Agent 准备的“透明玻璃”：

- 不改变 Agent 的使用方式
- 不需要安装 CA 证书
- 不需要侵入客户端源码
- 请求日志保存在本地
- 通过 Dashboard 查看 prompt、messages、tools、token、cost、latency 等信息

它不是另一个 AI 编程助手，也不是模型 provider。它的定位更接近 AI Agent 调试和可观测性工具。

## 为什么普通抓包工具不够用？

很多开发者第一反应会是：这不就是抓包吗？Charles、mitmproxy、Proxyman 能不能解决？

在普通 HTTP 调试场景里，通用抓包工具当然很有价值。但 AI 编程 Agent 有一些特殊之处：

1. 很多 CLI 工具并不稳定遵守 `HTTP_PROXY` / `HTTPS_PROXY`。
2. 有些客户端有自己的网络实现和认证逻辑。
3. HTTPS 解密经常需要安装证书，配置成本更高。
4. 原始请求虽然能抓到，但 prompt、tool call、token、上下文变化并不容易阅读。
5. AI Agent 的关键问题不是“请求有没有发出去”，而是“模型到底看到了什么，以及为什么这么行动”。

ccglass 采用的是另一种方式：

1. 在本地启动代理服务。
2. 通过对应的 base URL 环境变量，让 Agent 把请求发到本地代理。
3. 本地代理记录请求与响应。
4. 再转发给真实的模型 API。
5. Web Dashboard 读取日志并结构化展示。

例如观察 Codex 时，ccglass 会使用 OpenAI 兼容的 base URL 配置；观察 Claude Code 时，则使用 Anthropic 相关的 base URL 配置。这样做比通用抓包更贴近 AI Agent 的工作流。

## 可以看到哪些内容？

ccglass 的核心价值不是简单保存 JSON，而是把 Agent 请求整理成开发者能理解的视图。

### 1. System prompt

system prompt 是 Agent 行为的基础规则。

很多时候，我们以为 Agent 是“自己决定”这么做，但背后可能是 system prompt 明确要求它遵循某种流程、工具使用策略或安全规则。

通过 ccglass，你可以直接查看模型实际收到的系统级指令。这对研究不同 Agent 的产品设计、调试异常行为都很有帮助。

### 2. Messages 和上下文历史

AI Agent 往往会在多轮请求中不断累积上下文。

一次任务里，模型看到的不只是你当前输入的一句话，还可能包括：

- 前几轮对话
- 工具调用结果
- 读取过的文件片段
- 运行命令后的输出
- Agent 自身追加的任务状态

ccglass 可以展示完整消息历史，让你知道模型每一轮到底基于什么信息做判断。

### 3. Tools schema、tool call 和 tool result

Agent 能调用哪些工具，工具参数如何描述，都会影响模型的决策。

如果工具描述太模糊，模型可能会误用。如果工具太多，模型也可能选错。如果工具返回内容过长，还可能污染后续上下文。

通过 ccglass，你可以看到：

- 模型看到的工具列表
- 每个工具的 schema
- 模型实际调用了哪个工具
- 参数是什么
- 工具返回了什么结果
- 这些结果如何进入下一轮请求

这对分析“为什么 Agent 走了这条路径”非常关键。

### 4. Token、cache、cost 和 latency

AI 编程 Agent 的成本往往不是一次请求决定的，而是由多轮上下文累积出来的。

一个看起来简单的任务，背后可能发生了多次模型调用、大量工具输出和长上下文传递。

ccglass 可以帮助你观察：

- 输入 token
- 输出 token
- cache token
- cache 命中情况
- 成本估算
- 请求延迟
- 生成速度

对于个人开发者，这可以帮助理解 token 花在哪里。对于团队，这可以帮助发现异常成本和低效工作流。

### 5. Turn-to-turn diff

多轮 Agent 任务最容易被忽略的是上下文变化。

这一轮相比上一轮新增了什么？哪些工具结果被保留下来了？哪些内容继续被发送给模型？这些变化会直接影响 Agent 的后续行为。

ccglass 的 diff 视图可以帮助开发者分析每轮请求之间的差异，适合做复盘、调试和案例分析。

## 快速上手

ccglass 是一个 Node.js 工具，要求 Node.js 18 或更高版本。

安装：

```bash
npm install -g ccglass
```

安装后直接运行：

```bash
ccglass
```

它会提供交互式菜单，让你选择要观察的 Agent。

也可以直接指定：

```bash
ccglass claude
ccglass codex
ccglass deepseek
ccglass kimi
ccglass opencode
```

例如观察 Codex：

```bash
ccglass codex
```

启动成功后，终端会显示 Dashboard 地址，类似：

```text
dashboard: http://127.0.0.1:57633
```

打开这个地址，就可以实时查看请求流。

## 支持哪些工具？

ccglass 目前覆盖了多类 AI Agent 和模型 API 场景，包括：

| 工具或 provider | 说明 |
|---|---|
| Claude Code | Anthropic 官方命令行工具 |
| Codex | OpenAI 编程工具 |
| DeepSeek-TUI / Reasonix | DeepSeek 生态工具 |
| Kimi | Moonshot 相关接入 |
| OpenCode | 开源 AI 编程助手 |
| Ollama | 本地模型兼容接口 |
| LM Studio | 本地模型兼容接口 |
| OpenRouter | 多模型聚合平台 |
| GLM / 智谱 | OpenAI 兼容接口 |
| Bedrock / Vertex | 云服务模型接入 |
| CodeBuddy | 腾讯云代码助手相关场景 |

此外，对于 Cursor、Cline、Continue.dev 等支持自定义 API base URL 的 IDE 或插件，也可以使用代理模式：

```bash
ccglass proxy --provider openai
```

或：

```bash
ccglass proxy --provider claude
```

然后把 IDE 的 API base URL 配置为 ccglass 输出的本地代理地址即可。

## 典型使用场景

### 调试 Agent 为什么跑偏

当 AI Agent 给出奇怪答案、调用错误工具、忽略关键文件时，可以通过 ccglass 检查模型实际看到的上下文。

很多问题不是模型“不会”，而是上下文里缺了信息，或者 tool result 把注意力带偏了。

### 学习成熟 Agent 的 prompt 和工具设计

Claude Code、Codex 等工具的 system prompt、工具描述、上下文组织方式，对开发者设计自己的 Agent 很有参考价值。

通过 ccglass，可以观察真实请求结构，而不是只看最终输出。

### 分析 token 成本

AI Agent 的 token 消耗经常隐藏在多轮工具调用里。ccglass 可以帮助你看到一次任务中每轮请求的 token、cache 和成本变化。

如果某些工具返回内容过长、某些上下文被重复发送，就能更快定位问题。

### 做团队复盘和问题报告

ccglass 支持导出请求记录：

```bash
ccglass export <session>/<seq> --format raw
ccglass export <session>/<seq> --format md
ccglass export <session>/<seq> --format json
ccglass export <session>/<seq> --format har
```

这些导出结果可以用于：

- 写问题复盘
- 提交 issue
- 做团队内部分析
- 比较不同 Agent 的请求结构
- 研究 prompt 和 tool call 行为

## 本地优先与安全性

ccglass 的日志默认保存在本地，不依赖云端 SaaS。

同时，它会对常见认证字段做遮蔽处理，例如：

- `authorization`
- `x-api-key`
- provider 相关认证头

这并不意味着可以忽略安全审查。使用任何请求观测工具时，都应该注意日志里是否包含敏感业务信息、私有代码片段或用户数据。

如果用于团队环境，建议明确日志保存、分享和清理规则。

## 总结

AI 编程 Agent 正在变成开发工作流的一部分。它们能读代码、运行命令、调用工具、修改文件，也能在多轮上下文里持续推进任务。

能力越强，可观测性就越重要。

ccglass 提供了一种轻量、本地、面向开发者的方式，让我们看清 AI Agent 实际发给模型的内容：

- 看清 prompt
- 看清上下文
- 看清工具调用
- 看清 token 和成本
- 看清多轮行为变化

如果你正在使用 Claude Code、Codex、DeepSeek、Kimi、OpenCode 等 AI 编程工具，并且想理解它们背后到底发生了什么，ccglass 值得一试。

项目地址：

<https://github.com/jianshuo/ccglass>

安装命令：

```bash
npm install -g ccglass
```

这也是 ccglass 想解决的问题：让 AI 编程 Agent 的请求过程变得可观察、可分析、可复盘。

AI 编程 Agent 为什么需要可观测性？用 ccglass 看清 Claude Code、Codex 的真实请求

人工智能

开发工具

测试

ccglass是一款本地AI编程Agent观测工具，可实时记录ClaudeCode、Codex等AI编程工具的API请求过程，可视化展示prompt、上下文、工具调用、token消耗等关键信息，帮助开发者分析Agent行为、优化工作流。无需安装证书，支持多款主流AI编程工具，是调试和优化AI编程助手的利器。GitHub地址：https://github.com/jianshuo/ccglass

命令行工具

DeepSeek-TUI 

GitHub

Agent

SaaS

JSON

2026年中大促 | AI 领航 智绘未来

llmsgw

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

ccglass是一款本地AI编程Agent观测工具，可实时记录ClaudeCode、Codex等AI编程工具的API请求过程，可视化展示prompt、上下文、工具调用、token消耗等关键信息，帮助开发者分析Agent行为、优化工作流。无需安装证书，支持多款主流AI编程工具，是调试和优化AI编程助手的利器。GitHub...

AI 编程 Agent 为什么需要可观测性？用 ccglass 看清 Claude Code、Codex 的真实请求-腾讯云开发者社区-腾讯云

AI 编程 Agent 为什么需要可观测性？用 ccglass 看清 Claude Code、Codex 的真实请求

AI 编程 Agent 为什么需要可观测性？用 ccglass 看清 Claude Code、Codex 的真实请求

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐