Durante meses hablamos de agentes como si el problema principal fuera elegir uno.
Claude Code o Codex. OpenCode o Gemini CLI. Copilot o Cursor. El debate se concentró en benchmarks, experiencia de uso y calidad de output. Pero cuando un equipo empieza a usar varios agentes todos los días, aparece una pregunta mucho más incómoda:
¿Qué están haciendo realmente?
No en abstracto. No en una demo. En tu máquina, en tus repos, en tus sesiones reales.
¿Cuánto costó ese refactor? ¿Qué agente usaste más esta semana? ¿Cuál se quedó trabado? ¿Qué sesiones terminaron bien y cuáles fueron abandono disfrazado de progreso? ¿Dónde está aquella conversación en la que discutiste una decisión de arquitectura hace dos meses?
kenn-io/agentsview existe para responder justamente eso.
AgentsView es una app local-first para navegar, buscar y analizar sesiones de coding agents. Lee los archivos que herramientas como Claude Code, Codex, OpenCode, Gemini CLI, Copilot CLI, Cursor, Kiro, OpenHands y muchas otras dejan en tu máquina, los indexa en SQLite y te da una interfaz web o desktop para explorarlos.
La forma corta de entenderlo es esta:
AgentsView es observabilidad para tu trabajo con agentes.
No observa servidores. No observa APIs. Observa la nueva unidad de trabajo que está apareciendo en equipos de ingeniería: la sesión agentic.
Por qué esto importa ahora
La primera etapa de adopción de coding agents fue individual.
Un dev instalaba Claude Code, probaba Codex, jugaba con OpenCode, y decidía cuál le gustaba más. La productividad era una sensación. “Me ayuda bastante”, “se equivoca menos”, “me ahorra tiempo”.
Eso alcanza para adopción personal.
No alcanza para Platform Teams.
Cuando un equipo empieza a depender de agentes para reviews, migraciones, refactors, generación de tests o exploración de bugs, necesitás algo más que intuición. Necesitás trazabilidad.
AgentsView apunta a ese hueco.
No reemplaza al agente. No intenta ser otro runtime. No es un framework para construir agentes. Es una capa posterior: toma lo que ya pasó, lo organiza y lo vuelve consultable.
Ese matiz es importante. Muchas herramientas agentic quieren estar en el camino crítico. AgentsView, al menos por diseño, puede empezar como una herramienta de lectura. Mira tus sesiones locales, las indexa y te permite entender patrones sin obligarte a cambiar de agente.
Qué hace AgentsView
La función más obvia es el navegador de sesiones.
Abrís AgentsView y podés recorrer conversaciones de distintos agentes en una sola interfaz. Ves prompts, respuestas, tool calls, thinking blocks cuando existen, código, errores y evolución de la sesión. También podés filtrar por proyecto, agente, fecha o volumen de mensajes.
Eso ya resuelve un dolor concreto: tus sesiones agentic hoy están dispersas.
Claude Code tiene su estructura. Codex otra. OpenCode otra. Gemini otra. Cursor otra. Cada herramienta guarda historial a su manera. AgentsView intenta convertir ese caos en un archivo operativo común.
La segunda función clave es búsqueda full-text.
Esto parece menor hasta que lo necesitás. En el trabajo diario con agentes, muchas decisiones importantes quedan enterradas en conversaciones: por qué se descartó una estrategia, qué error apareció durante una migración, qué archivo era el cuello de botella, qué comando solucionó un problema. AgentsView indexa el contenido y permite buscar sobre sesiones pasadas.
En la práctica, convierte tu historial agentic en una memoria de ingeniería.
No memoria para el modelo.
Memoria para el equipo.
Costos: el dashboard que faltaba
La parte más interesante para equipos maduros es el tracking de tokens y costos.
AgentsView incluye comandos como:
agentsview usage daily
agentsview usage daily --breakdown
agentsview usage daily --agent claude --since 2026-04-01
agentsview usage statusline
La idea es simple: si tus agentes ya registran uso de tokens, AgentsView lo lee, lo normaliza y lo convierte en reportes de costo.
Esto importa porque la era del “AI all-you-can-eat” se está cerrando. Cada vez más equipos tienen que entender cuánto gastan en agentes, qué workflows queman más tokens y dónde se concentra el consumo.
AgentsView no se limita a Claude Code. El proyecto declara cobertura de costos para Claude Code, Codex, Copilot CLI, OpenCode, Pi, Gemini y Hermes, con más agentes en camino a medida que sus parsers puedan extraer datos de uso.
Eso lo vuelve más interesante que una herramienta específica para Claude. El mercado de coding agents se está fragmentando, y los equipos probablemente no van a usar un solo agente. Van a usar varios.
Ahí AgentsView empieza a parecer menos un visor y más una capa FinOps para desarrollo asistido por IA.
Session Intelligence: no todas las sesiones valen lo mismo
Otra pieza importante es Session Intelligence.
AgentsView no solo muestra sesiones. Intenta clasificarlas.
Calcula señales de salud por sesión: outcome, fallas de herramientas, retries, edit churn, presión de contexto y compactions. Después asigna un score y una grade. El propio proyecto aclara que son heurísticas, no verdad absoluta, y eso es lo correcto. Pero como herramienta de triage, el enfoque tiene mucho sentido.
Un ejemplo:
Una sesión larga no necesariamente fue productiva.
Puede haber sido larga porque el agente avanzó con autonomía. O puede haber sido larga porque repitió comandos, editó el mismo archivo demasiadas veces, falló herramientas y perdió contexto a mitad del trabajo.
AgentsView intenta separar esas dos historias.
Para un Staff Engineer, esto es útil porque permite detectar patrones:
- qué tipo de tarea produce sesiones frágiles,
- qué agente tiende a entrar en loops,
- qué repos generan más fallas de herramientas,
- dónde las compactions interrumpen trabajo real,
- qué sesiones parecen completadas pero tuvieron mucha rework.
Ese tipo de datos cambia la conversación.
Ya no discutís “el agente X es mejor que Y” en abstracto. Podés mirar sesiones reales por proyecto y por workflow.
Instalación
La instalación más simple en macOS es vía Homebrew:
brew install --cask agentsview
También se puede instalar por pip o correr directamente con uvx:
pip install agentsview
uvx agentsview
En macOS y Linux también está el instalador shell:
curl -fsSL https://agentsview.io/install.sh | bash
En Windows:
powershell -ExecutionPolicy ByPass -c "irm https://agentsview.io/install.ps1 | iex"
Después:
agentsview serve
Eso levanta el servidor local y abre la UI web. Por defecto corre localmente, indexa sesiones en una base SQLite y sirve la interfaz desde tu máquina.
También podés correrlo en otro puerto:
agentsview serve --port 9090
O evitar que abra el navegador automáticamente:
agentsview serve --no-browser
Para equipos o entornos remotos, el repo incluye opciones con Docker y PostgreSQL. El modo Docker permite montar directorios de sesiones como read-only, y PostgreSQL Sync permite empujar datos a una base compartida para dashboards de equipo o setups multi-máquina.
Qué agentes soporta
AgentsView declara soporte para una lista amplia de agentes y herramientas, incluyendo:
- Claude Code
- Codex
- Copilot CLI
- Gemini CLI
- OpenCode
- OpenHands CLI
- Cursor
- Amp
- Zencoder
- Zed
- VS Code Copilot
- Pi
- Qwen Code
- Kimi
- Kiro CLI
- Kiro IDE
- Forge
- Warp
- Positron Assistant
- Antigravity
- Antigravity CLI
No todos tienen el mismo nivel de datos. Algunos aportan transcripts completos. Otros aportan metadata parcial. Algunos contribuyen al tracking de costos y otros todavía no. Pero la dirección del proyecto es clara: ser un visor multi-agente, no una extensión de una sola herramienta.
Ese posicionamiento es clave.
Si Claude Code se vuelve el agente premium, Codex el agente integrado, OpenCode el agente hackable y Gemini el agente ligado al ecosistema Google, alguien tiene que ayudar a comparar el trabajo que producen. AgentsView quiere ocupar ese lugar.
Casos de uso reales
1. Recuperar decisiones técnicas
Buscás una conversación vieja donde el agente investigó una migración, explicó por qué cierto approach fallaba o documentó un bug raro.
En vez de depender de memoria humana o scroll infinito, buscás por función, error, archivo o concepto.
2. Medir gasto por agente
Querés saber cuánto costó usar Claude Code frente a Codex u OpenCode durante las últimas semanas.
AgentsView permite reportes diarios, breakdown por modelo y filtros por agente o fecha.
3. Detectar workflows caros
No todos los costos vienen de “usar mucha IA”. A veces vienen de un workflow mal diseñado.
Un agente que carga demasiado contexto, repite comandos o entra en ciclos de edición puede ser más caro que útil. El dashboard de uso ayuda a encontrar esos outliers.
4. Comparar agentes con datos reales
En vez de preguntar cuál agente “se siente mejor”, podés mirar métricas por agente: sesiones, mensajes, duración, tool usage, costos y señales de salud.
No reemplaza el juicio técnico, pero mejora la conversación.
5. Auditar sesiones sensibles
En entornos donde los agentes trabajan sobre código crítico, tener historial navegable ayuda a responder qué se hizo, qué comandos se ejecutaron y qué archivos se tocaron.
No es una solución completa de compliance, pero es un paso hacia trazabilidad.
6. Construir hábitos de equipo
Un Platform Team podría revisar semanalmente:
- sesiones más caras,
- sesiones con más fallas,
- proyectos con mayor consumo,
- agentes más usados,
- tareas que deberían automatizarse sin LLM,
- tareas que justifican modelos premium.
Ese ritual se parece mucho a FinOps, pero aplicado a coding agents.
La parte local-first no es decorativa
AgentsView insiste en que todo corre localmente por defecto: SQLite, frontend embebido, sin cuentas y sin servicios cloud obligatorios.
Esto no es un detalle menor.
Las sesiones de coding agents pueden contener prompts, rutas internas, snippets de código, nombres de clientes, errores de producción, comandos, secretos accidentalmente expuestos o decisiones de arquitectura. Subir eso a otro SaaS solo para tener analytics puede ser difícil de justificar.
El enfoque local-first baja la barrera de adopción.
Podés probarlo sin pedir permiso a procurement, sin abrir una cuenta y sin mover tu historial a un tercero. Después, si el equipo necesita compartir datos, PostgreSQL Sync existe como opción deliberada.
Esa es la arquitectura correcta para esta categoría.
Primero local.
Después compartido, si hace falta.
Donde todavía hay que tener cuidado
AgentsView es potente, pero no conviene venderlo como magia.
Primero, depende de lo que los agentes guarden. Si una herramienta no registra tokens, tool calls o transcripts con suficiente detalle, AgentsView no puede inventar esa información.
Segundo, las métricas de salud son heurísticas. Sirven para detectar patrones, no para declarar automáticamente que una sesión fue buena o mala.
Tercero, el tracking de costos todavía está madurando. Incluso la documentación lo trata como un área nueva. Eso no lo invalida, pero significa que conviene usarlo como instrumento de dirección, no como contabilidad financiera perfecta.
Cuarto, para uso de equipo hay preguntas operativas: dónde se guarda PostgreSQL, quién puede ver qué sesiones, cómo se filtra información sensible y qué políticas internas aplican.
La herramienta resuelve visibilidad. La gobernanza sigue siendo trabajo del equipo.
Por qué puede volverse importante
AgentsView aparece en un momento específico del mercado.
Los coding agents están dejando de ser juguetes personales y empiezan a convertirse en infraestructura de ingeniería. Cuando algo se vuelve infraestructura, necesita observabilidad.
Pasó con servidores.
Pasó con contenedores.
Pasó con CI/CD.
Pasó con costos cloud.
Ahora empieza a pasar con agentes.
La diferencia es que la unidad observada ya no es solo una request, un pod o un job. Es una conversación operativa entre un humano, un modelo y un conjunto de herramientas con permisos sobre un repositorio.
Eso requiere una interfaz nueva.
AgentsView no tiene que ganar por tener el mejor agente. Gana si se vuelve el lugar donde entendés lo que todos tus agentes hicieron.
Y esa categoría puede ser enorme.
La lectura para Platform Teams
Si tu equipo está usando un solo agente de forma casual, AgentsView puede parecer un visor cómodo.
Si tu equipo está usando varios agentes en varios repos, empieza a parecer necesario.
La pregunta que deberían hacerse los Platform Teams no es “¿necesitamos otra herramienta?”.
Es:
¿Tenemos alguna forma sistemática de observar nuestro trabajo agentic?
Si la respuesta es no, AgentsView merece una prueba.
No porque vaya a resolver toda la gobernanza de IA. No lo hace.
Sino porque cambia el punto de partida. Te permite dejar de discutir agentes desde anécdotas y empezar a discutirlos desde sesiones reales, costos reales y patrones reales.
En la era de los coding agents, esa visibilidad va a dejar de ser un lujo.
Va a ser parte del stack.
Comandos rápidos
# Instalar en macOS
brew install --cask agentsview
# Instalar vía pip
pip install agentsview
# Correr sin instalar
uvx agentsview
# Levantar UI local
agentsview serve
# Ver costos diarios
agentsview usage daily
# Ver costos por modelo
agentsview usage daily --breakdown
# Filtrar por agente y fecha
agentsview usage daily --agent claude --since 2026-04-01
# Ver resumen para statusline
agentsview usage statusline
# Ver health de sesiones recientes
agentsview health
# Estadísticas agregadas
agentsview stats
aiagents claudecode codex opencode #DeveloperTools #PlatformEngineering llmops devex #AIEngineering finops