Durante meses falamos sobre agentes como se o problema principal fosse escolher um.
Claude Code ou Codex. OpenCode ou Gemini CLI. Copilot ou Cursor. O debate se concentrou em benchmarks, experiência de uso e qualidade de output. Mas quando um time começa a usar vários agentes todos os dias, aparece uma pergunta muito mais incômoda:
O que eles realmente estão fazendo?
Não em abstrato. Não em uma demo. Na sua máquina, nos seus repos, nas suas sessões reais.
Quanto custou aquele refactor? Qual agente você usou mais esta semana? Qual ficou travado? Quais sessões terminaram bem e quais foram abandono disfarçado de progresso? Onde está aquela conversa em que você discutiu uma decisão de arquitetura há dois meses?
kenn-io/agentsview existe para responder justamente isso.
AgentsView é um app local-first para navegar, buscar e analisar sessões de coding agents. Lê os arquivos que ferramentas como Claude Code, Codex, OpenCode, Gemini CLI, Copilot CLI, Cursor, Kiro, OpenHands e muitas outras deixam na sua máquina, os indexa em SQLite e oferece uma interface web ou desktop para explorá-los.
A forma curta de entender é esta:
AgentsView é observabilidade para seu trabalho com agentes.
Não observa servidores. Não observa APIs. Observa a nova unidade de trabalho que está aparecendo em times de engenharia: a sessão agentic.
Por que isso importa agora
O primeiro estágio de adoção de coding agents foi individual.
Um dev instalava Claude Code, testava Codex, brincava com OpenCode, e decidia qual gostava mais. A produtividade era uma sensação. „Me ajuda bastante", „erra menos", „me poupa tempo".
Isso é suficiente para adoção pessoal.
Não é suficiente para Platform Teams.
Quando um time começa a depender de agentes para reviews, migrações, refactors, geração de testes ou exploração de bugs, você precisa de mais do que intuição. Precisa de rastreabilidade.
AgentsView aponta para esse vazio.
Não substitui o agente. Não tenta ser outro runtime. Não é um framework para construir agentes. É uma camada posterior: pega o que já aconteceu, organiza e torna consultável.
Essa nuance é importante. Muitas ferramentas agentic querem estar no caminho crítico. AgentsView, pelo menos por design, pode começar como uma ferramenta de leitura. Vê suas sessões locais, as indexa e permite entender padrões sem obrigá-lo a trocar de agente.
O que AgentsView faz
A função mais óbvia é o navegador de sessões.
Você abre AgentsView e pode percorrer conversas de diferentes agentes em uma única interface. Vê prompts, respostas, tool calls, thinking blocks quando existem, código, erros e evolução da sessão. Também pode filtrar por projeto, agente, data ou volume de mensagens.
Isso já resolve uma dor concreta: suas sessões agentic estão dispersas.
Claude Code tem sua estrutura. Codex outra. OpenCode outra. Gemini outra. Cursor outra. Cada ferramenta salva histórico à sua maneira. AgentsView tenta converter esse caos em um arquivo operativo comum.
A segunda função principal é busca full-text.
Isso parece menor até você precisar. No trabalho diário com agentes, muitas decisões importantes ficam enterradas em conversas: por que uma estratégia foi descartada, qual erro apareceu durante uma migração, qual arquivo era o gargalo, qual comando resolveu um problema. AgentsView indexa o conteúdo e permite buscar sobre sessões passadas.
Na prática, converte seu histórico agentic em uma memória de engenharia.
Não memória para o modelo.
Memória para o time.
Custos: o dashboard que faltava
A parte mais interessante para times maduros é o rastreamento de tokens e custos.
AgentsView inclui comandos como:
agentsview usage daily
agentsview usage daily --breakdown
agentsview usage daily --agent claude --since 2026-04-01
agentsview usage statusline
A ideia é simples: se seus agentes já registram uso de tokens, AgentsView lê, normaliza e converte em relatórios de custo.
Isso importa porque a era do „AI all-you-can-eat" está fechando. Cada vez mais times têm que entender quanto gastam em agentes, quais workflows queimam mais tokens e onde se concentra o consumo.
AgentsView não se limita a Claude Code. O projeto declara cobertura de custos para Claude Code, Codex, Copilot CLI, OpenCode, Pi, Gemini e Hermes, com mais agentes a caminho conforme seus parsers consigam extrair dados de uso.
Isso o torna mais interessante do que uma ferramenta específica para Claude. O mercado de coding agents está se fragmentando, e times provavelmente não vão usar um único agente. Vão usar vários.
Aí AgentsView começa a parecer menos um visualizador e mais uma camada FinOps para desenvolvimento assistido por IA.
Session Intelligence: nem todas as sessões valem o mesmo
Outra peça importante é Session Intelligence.
AgentsView não apenas mostra sessões. Tenta classificá-las.
Calcula sinais de saúde por sessão: outcome, falhas de ferramentas, retries, edit churn, pressão de contexto e compactions. Depois atribui um score e um grade. O próprio projeto esclarece que são heurísticas, não verdade absoluta, e isso é correto. Mas como ferramenta de triage, a abordagem faz muito sentido.
Um exemplo:
Uma sessão longa não foi necessariamente produtiva.
Pode ter sido longa porque o agente avançou com autonomia. Ou pode ter sido longa porque repetiu comandos, editou o mesmo arquivo muitas vezes, falhou ferramentas e perdeu contexto no meio do trabalho.
AgentsView tenta separar essas duas histórias.
Para um Staff Engineer, isso é útil porque permite detectar padrões:
- que tipo de tarefa produz sessões frágeis,
- qual agente tende a entrar em loops,
- quais repos geram mais falhas de ferramentas,
- onde as compactions interrompem trabalho real,
- quais sessões parecem completadas mas tiveram muito rework.
Esse tipo de dado muda a conversa.
Você não discute mais „o agente X é melhor que Y" em abstrato. Pode olhar sessões reais por projeto e por workflow.
Instalação
A instalação mais simples no macOS é via Homebrew:
brew install --cask agentsview
Também é possível instalar via pip ou rodar diretamente com uvx:
pip install agentsview
uvx agentsview
No macOS e Linux também está o instalador shell:
curl -fsSL https://agentsview.io/install.sh | bash
No Windows:
powershell -ExecutionPolicy ByPass -c "irm https://agentsview.io/install.ps1 | iex"
Depois:
agentsview serve
Isso levanta o servidor local e abre a UI web. Por padrão roda localmente, indexa sessões em um banco SQLite e serve a interface a partir da sua máquina.
Também é possível rodá-lo em outra porta:
agentsview serve --port 9090
Ou evitar que abra o navegador automaticamente:
agentsview serve --no-browser
Para equipes ou ambientes remotos, o repositório inclui opções com Docker e PostgreSQL. O modo Docker permite montar diretórios de sessões como read-only, e o PostgreSQL Sync permite enviar dados para um banco compartilhado com dashboards de equipe ou setups multi-máquina.
Quais agentes são suportados
AgentsView declara suporte para uma lista ampla de agentes e ferramentas, incluindo:
- 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
Nem todos têm o mesmo nível de dados. Alguns fornecem transcripts completos. Outros fornecem metadados parciais. Alguns contribuem com rastreamento de custos e outros ainda não. Mas a direção do projeto é clara: ser um visualizador multi-agente, não uma extensão de uma única ferramenta.
Esse posicionamento é fundamental.
Se Claude Code se torna o agente premium, Codex o agente integrado, OpenCode o agente hackeável e Gemini o agente vinculado ao ecossistema Google, alguém precisa ajudar a comparar o trabalho que produzem. AgentsView quer ocupar esse lugar.
Casos de uso reais
1. Recuperar decisões técnicas
Você procura uma conversa antiga onde o agente investigou uma migração, explicou por que certa abordagem falhou ou documentou um bug incomum.
Em vez de depender de memória humana ou rolagem infinita, você busca por função, erro, arquivo ou conceito.
2. Medir gasto por agente
Você quer saber quanto custou usar Claude Code comparado a Codex ou OpenCode nas últimas semanas.
AgentsView permite relatórios diários, breakdown por modelo e filtros por agente ou data.
3. Detectar workflows caros
Nem todos os custos vêm de “usar muita IA”. Às vezes vêm de um workflow mal projetado.
Um agente que carrega muito contexto, repete comandos ou entra em ciclos de edição pode ser mais caro do que útil. O dashboard de uso ajuda a encontrar esses outliers.
4. Comparar agentes com dados reais
Em vez de perguntar qual agente “se sente melhor”, você pode olhar métricas por agente: sessões, mensagens, duração, uso de ferramentas, custos e sinais de saúde.
Não substitui o julgamento técnico, mas melhora a conversa.
5. Auditar sessões sensíveis
Em ambientes onde agentes trabalham em código crítico, ter histórico navegável ajuda a responder o que foi feito, quais comandos foram executados e quais arquivos foram tocados.
Não é uma solução completa de conformidade, mas é um passo em direção à rastreabilidade.
6. Construir hábitos de equipe
Um Platform Team poderia revisar semanalmente:
- sessões mais caras,
- sessões com mais falhas,
- projetos com maior consumo,
- agentes mais usados,
- tarefas que deveriam ser automatizadas sem LLM,
- tarefas que justificam modelos premium.
Esse ritual se parece muito com FinOps, mas aplicado a coding agents.
A parte local-first não é decorativa
AgentsView insiste que tudo funciona localmente por padrão: SQLite, frontend embarcado, sem contas e sem serviços cloud obrigatórios.
Esto não é um detalhe menor.
As sessões de coding agents podem conter prompts, rotas internas, snippets de código, nomes de clientes, erros de produção, comandos, segredos acidentalmente expostos ou decisões de arquitetura. Enviar tudo para outro SaaS apenas para ter analytics pode ser difícil de justificar.
A abordagem local-first reduz a barreira de adoção.
Você pode testá-la sem pedir permissão ao procurement, sem abrir uma conta e sem mover seu histórico para um terceiro. Depois, se o equipe precisar compartilhar dados, PostgreSQL Sync existe como opção deliberada.
Essa é a arquitetura correta para essa categoria.
Primeiro local.
Depois compartilhado, se necessário.
Onde ainda há que ter cuidado
AgentsView é poderosa, mas não convém vendê-la como mágica.
Primeiro, depende do que os agentes guardam. Se uma ferramenta não registra tokens, tool calls ou transcripts com detalhe suficiente, AgentsView não pode inventar essa informação.
Segundo, as métricas de saúde são heurísticas. Servem para detectar padrões, não para declarar automaticamente se uma sessão foi boa ou ruim.
Terceiro, o rastreamento de custos ainda está amadurecendo. Até a documentação o trata como uma área nova. Isso não o invalida, mas significa que convém usá-lo como instrumento de direção, não como contabilidade financeira perfeita.
Quarto, para uso de equipe há questões operacionais: onde PostgreSQL é armazenado, quem pode ver quais sessões, como filtrar informações sensíveis e quais políticas internas aplicam.
A ferramenta resolve visibilidade. A governança continua sendo trabalho do equipe.
Por que pode se tornar importante
AgentsView aparece em um momento específico do mercado.
Os coding agents estão deixando de ser brinquedos pessoais e começam a se tornar infraestrutura de engenharia. Quando algo vira infraestrutura, precisa de observabilidade.
Aconteceu com servidores.
Aconteceu com contêineres.
Aconteceu com CI/CD.
Aconteceu com custos cloud.
Agora começa a acontecer com agentes.
A diferença é que a unidade observada não é mais apenas uma request, um pod ou um job. É uma conversa operacional entre um humano, um modelo e um conjunto de ferramentas com permissões sobre um repositório.
Isto requer uma interface nova.
AgentsView não precisa ganhar por ter o melhor agente. Ganha se se torna o lugar onde você entende o que todos seus agentes fizeram.
E essa categoria pode ser enorme.
A leitura para Platform Teams
Se seu equipe está usando um único agente de forma casual, AgentsView pode parecer um visualizador confortável.
Se seu equipe está usando vários agentes em vários repositórios, começa a parecer necessário.
A pergunta que Platform Teams deveriam fazer não é “precisamos de outra ferramenta?”.
É:
Temos alguma forma sistemática de observar nosso trabalho agentic?
Se a resposta for não, AgentsView merece uma tentativa.
Não porque vá resolver toda a governança de IA. Não faz.
Mas porque muda o ponto de partida. Permite deixar de discutir agentes por anedotas e começar a discuti-los por sessões reais, custos reais e padrões reais.
Na era dos coding agents, essa visibilidade vai deixar de ser um luxo.
Vai ser parte do stack.
Comandos rápidos
# Instalar no macOS
brew install --cask agentsview
# Instalar via pip
pip install agentsview
# Rodar sem instalar
uvx agentsview
# Iniciar UI local
agentsview serve
# Ver custos diários
agentsview usage daily
# Ver custos por modelo
agentsview usage daily --breakdown
# Filtrar por agente e data
agentsview usage daily --agent claude --since 2026-04-01
# Ver resumo para statusline
agentsview usage statusline
# Ver saúde de sessões recentes
agentsview health
# Estatísticas agregadas
agentsview stats
aiagents claudecode codex opencode #DeveloperTools #PlatformEngineering llmops devex #AIEngineering finops