GitHubトレンドで公開わずか1週間、1,144スターを叩き出したCLIツール「tokentab」。Claude Code、Codex、Gemini CLIのセッションログを読み込み、モデル別・プロジェクト別・日別にコストを集計する。地味なツールがなぜ爆発的に支持されたのか。そこにはAI開発費のブラックボックス化という、全エンジニアリング組織が直面する構造問題がある。

何が起きたか

damejan80氏が公開した「tokentab」が、GitHubトレンドで1,144スターを獲得した。機能自体はシンプルで、ローカルに残るClaude Code、Codex、Gemini CLIのセッションログファイルを走査し、消費トークン数と各モデルの単価から実費を算出、モデル別・プロジェクト別・日別のテーブルとして出力するCLIだ。

派手なUIも、SaaSも、認証基盤もない。単にログを読んで表を出すだけのツールが、公開1週間で1,000スターを超えた事実は異常事態と言っていい。裏を返せば、それだけ多くの開発者が「AIエージェント使いすぎ問題」で疼痛を抱えていた証拠である。ClaudeやCodexが月額固定枠を突き抜けた瞬間、従量課金がじわじわ効いてくるが、どのリポジトリのどの作業でトークンを溶かしたのかは、標準ツールでは見えないままだった。

なぜこのニュースが重要か

ここで注目すべきは、tokentabがSaaSではなくローカルCLIで、複数ベンダーのログを横断集計している点だ。これはAnthropic、OpenAI、Googleいずれもコンソール側で「モデル別・プロジェクト別」の分解ビューを十分に提供していないことの裏返しである。ベンダーのダッシュボードは自社モデルの合計課金額しか見せない。だが現場のエンジニアは、Claude SonnetとGPT-5をタスクによって使い分け、Gemini CLIで大規模コンテキストを流し込む、というマルチベンダー運用をしている。

つまり、「請求書は3枚届くが、プロジェクト単位のP/Lは誰も持っていない」状態が常態化している。tokentabはこの空白地帯を、セッションログという既に存在するアーティファクトから逆算して埋めた。SDKやAPIを叩くのではなく、ログをパースするという設計選択が絶妙で、ベンダーの協力もAPIキーの追加権限も不要、gitリポジトリと同じ感覚でオフラインで走る。この「摩擦ゼロ」がスター数を押し上げた本質だと推定する。

技術的な深掘り

コード視点で見ると、tokentabのようなツールが成立する前提は、Claude CodeやCodex CLIが「セッションログをローカルの規定ディレクトリにJSONまたはJSONLで残す」という慣行を持っていることにある。ここに、事実上のデファクト仕様が芽生えつつある。今後の焦点は3つある。

第一に、ログスキーマの標準化圧力。tokentabが3ベンダーを吸収するにはパーサーを3つ書く必要があり、モデル追加のたびに単価テーブルの更新が要る。OpenTelemetryのGenAI Semantic Conventionsが本命だが、CLI側の追従は遅い。tokentabのようなOSSが「事実上のアダプタ層」として先行する構図だ。

第二に、単価の追従精度。プロンプトキャッシュ、バッチ割引、コンテキストキャッシュのヒット率で実効単価は大きく変動する。ログに残るtoken数だけで正確に金額を出すには、キャッシュヒット情報まで拾う必要があり、ここでツール間の精度差が出る。

第三に、CI連携。PRごとに「このマージで月次コストが+3.2%」と表示する未来がすぐ来る。lintやtest coverageと同列に、tokentabの出力がGitHub Actionsのサマリに並ぶ日は近いと見る。

経営者として次に取るべき動き

第一に、AIコーディング支援ツールのセッションログ保存を、社内ポリシーとして義務化すること。ログが残っていなければ、tokentabのようなツールを入れても集計対象がゼロだ。個人のホームディレクトリに散在させず、集約基盤を用意する。

第二に、プロジェクト単位のAIコスト予算を、四半期のうちに設定すること。クラウドFinOpsが「タグ付け文化」から始まったのと同じで、AI FinOpsも「プロジェクト識別子をログに埋める」ところから始まる。tokentabの--project集計はそのフックとして機能する。

第三に、エンジニア評価KPIに「1機能あたりのAIコスト」を試験導入すること。生産性を出力量だけで測る時代は終わる。同じ機能を10ドルで作るエンジニアと100ドル溶かすエンジニアの差を、経営が見ないままでは、2026年の利益率は守れない。可視化を先に入れた組織だけが、削減の議論を始められる。