Pheebs
Eversynced · コーディング · 生産性向上
PheebsはEversyncedが公開するオープンソースのテレメトリツールで、エンジニアがClaude Code、Cursor、Codexをどう使ったかを記録する。残すのはセッションの形だけであり、コードもプロンプトも保存しない。そこからモデル適合度とAI支出を報告する。
Pheebs について
About
Pheebsとは
Pheebsは、チームがすでに使っているコーディングエージェントの中に入り込み、各セッションで起きたことを書き留めるコマンドラインツールだ。Claude Code、Cursor、Codexにフックを登録し、小さなイベントをローカルのログに残す。イベントが示すのは構造である。どのツールが動いたか、どれだけ時間がかかったか、編集の後にテストが続いたか、どのモデルが仕事をしたか。中身を伴わないAIコーディングエージェントのテレメトリと言い換えてもいい。
生まれた背景には、ほとんどのチームが肌で感じていて、ほとんど誰も数字にできない溝がある。ライセンスとトークンはもう予算の一行であり、どのセッションが上位モデルを必要とし、どれが1ファイルの変更で予算を焼いたのかは誰も説明できない。Pheebsはセッションごとの作業量を測り、実際に動いたモデルと突き合わせ、その差をAPIの定価で金額に置き換える。
プロンプトを横取りすることも、コマンドを止めることも、誰かの代わりにモデルを選ぶこともない。計測そのものに警戒心を持つエンジニアがいる現場では、この控えめさが効く。ツールは溝を読み取り、値段を付ける。その先の判断は人間に残る。
制約は最初に書いておく。Pheebsは計測の道具であり、レポート製品ではない。自前でホストする場合、手に入るのは生のログと文書化されたエンドポイント契約で、ダッシュボードは自分で作る。Node.js 20以降が必要で、ライフサイクルフックを公開しているエージェントしか対象にできない。
導入の流れ
- Node.js 20以降が入ったマシンで
npm install -g pheebsを実行する。 pheebs initを走らせる。導入済みのエージェントを検出し、どれを設定するか、イベントをどこへ送るかを聞いてくる。- 完全にローカルで済ませたいなら送信先は空のままでよい。イベントは
~/.pheebs/logs/にだけ書き込まれる。 - 数字を信じる前に
pheebs doctorで配線を確認する。 - 自前のバックエンドへ送る場合は
pheebs config set base-urlとpheebs config set tokenの両方を設定する。片方でも欠ければ、データはノートPCの外に出ない。
AIツール情報
Pheebsの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- AIのシート代とトークン代を払い、基準となる数字を欲しがるエンジニアリング責任者。数週間分のセッションさえあれば、導入状況の推測をエンジニア別・リポジトリ別の数値に変えられる。
- プラットフォームチームや開発生産性チーム。実践の導入状況を並べた画面では、冷えた列は設定の欠落を示し、冷えた行は支援を要する個人を示す。
- 自分の数字を見たいエンジニア。任意のインサイト経路を使えば、検証率とモデル適合度をチームに開示せず確認できる。
タスク
- モデル支出の監査。完了したセッションには作業規模が付き、タスクが必要とした以上に重いモデルで走った分は金額になる。財務との会話が感触の話で終わらなくなる。
- AIが書いたコードが検証されているかの確認。検証カバレッジは、AIの編集の後にテスト、型チェック、Lint、ビルド、仕様との突き合わせのいずれかが続いた割合を数える。
- 共有ツールが定着したかの測定。スキルの再利用とコネクタの採用状況を見れば、どのスラッシュコマンドやMCPサーバーが毎週使われ、どれが一度試されただけかが分かる。
- 構造的な穴と支援の穴の切り分け。チーム全体で弱い能力には足場を組む必要があり、一人だけ弱いなら対話が必要になる。
シーン
- 30日間のAI活用評価。Eversyncedはマネージド版をテレメトリのスプリントとして走らせ、経営層向けの報告と文書化された計画で締める。
- 複数チームへのClaude CodeやCursorの展開。まず測り、そのうえで問題がライセンスにあるのか、研修にあるのか、リポジトリの設定にあるのかを判断する。
- 規制産業やプライバシーに敏感な組織。既定のローカルテレメトリなら、コードもパスもプロンプト本文も社外に出ない。展開の可否はこの差で決まることが多い。
主な機能
3つのエージェントからセッションの形を捉える
PheebsはClaude Code、Cursor、Codexに接続し、実際の作業を示すイベントで動く。セッションの開始と終了、プロンプトの送信、ツール呼び出しと失敗、スキルやスラッシュコマンドの展開、サブエージェントの起動、コンテキストの圧縮、バックグラウンドタスク。17種類のイベントがこの範囲を覆う。プロンプトは文字数になり、任意の意図分類を有効にすればラベルが1つ付く。Codex テレメトリ、Claude Code 分析、Cursor 利用状況の追跡は同じフックの仕組みを通るため、1回の導入で3つを賄える。
手元に残るJSONLログと自前のバックエンド
イベントはすべてローカルのJSONLファイルに追記される。バックエンドの有無にかかわらず、これが長期保存の原本だ。導入した直後はエンドポイントを1つも持たない。ベースURLとトークンを与えれば、同じイベントが自社インフラにも送られる。参照用バックエンドとエンドポイント契約は公開リポジトリにあり、受け取る側を読んでから信頼するか決められる。
金額で示すモデル適合度
多くのチームがこの機能のために採用する。Pheebsはプロンプトごとに規模を判定する。1ファイルの変更から開かれた設計まで幅があり、セッションは最も難しいプロンプトで評価される。その規模を、実際に走ったモデルのクラスと比べる。過剰なセッションは静かに予算を燃やし、力不足のセッションは後から修復プロンプトとして現れる。差はAPI定価で金額になり、推定上の上限だという断りも明記される。
中身を残さない既定の設計
ファイルの中身、パス、ディレクトリ構造、プロンプト本文、コマンド文字列はログに届かない。npm test のようなコマンドはプロセス内で読まれ、tool_intent: test_run として記録される。身元はトークンの背後のIDか、Gitメールアドレスの短縮ハッシュだ。GitHubのアカウントを照会することもない。AI計測が法務審査で止まった組織にとって、この既定値が承認を取り付ける部分になる。
AI活用能力モデル
生のイベントは経営会議で扱いにくい。そこでPheebsは、イベントを2つの層に整理するモデルを用意する。第1層は持ち駒を見る。6つの能力にまたがる24の実践で、モデル選択、再利用できる資産、MCP接続、エージェントのループに組み込んだ検証、コンテキスト管理、複数エージェントの編成が含まれる。第2層は判断を見る。検証カバレッジ、問い返し率、改善と修復の比率、無検討での一括受け入れ率、そしてモデル適合度。どの実践もテレメトリから判定できるため、レポートは自己申告のアンケートに依存しない。
OpenTelemetryの転送
Claude CodeとCodexはネイティブのOpenTelemetryメトリクスとログを出力する。Pheebsはその信号を自社のコレクタへ中継する。観測基盤の認証情報を各ノートPCに配る必要はない。既存のトレースとログの仕組みはそのまま生きる。Cursorはフックだけで扱う。このエージェントは同じ形のネイティブ出力を持たない。
メリットとデメリット
メリット
- プライバシーの設計が具体的だ。保存しないものを、コマンド文字列やGit身元の扱いまで書き切っている。包括的な約束より役に立つ。
- モデル適合度は抽象的な効率の議論を金額に変える。予算承認が通るのはその形の議論だ。
- Claude Code、Cursor、Codexを1つのクライアントで扱えるため、計測プロジェクトを3本に分けずに済む。
- Apache-2.0ライセンスと文書化されたエンドポイント契約により、集めたデータが特定ベンダーに縛られない。
- 能力モデルがイベントの流れに構造を与えるため、独自の採点方式を発明しなくてもエンジニア間の習慣を比べられる。
デメリット
- セルフホストではレポートを自分で作る。クライアントが生むのはログと契約であり、販促サイトに載っているダッシュボードではない。
- 金額は定価に基づく推定だ。企業向けの交渉価格を使うチームには、実際の請求より高い数字が見える。
- フックに乗る以上、フックの死角も引き継ぐ。エージェントの外のターミナルや、フックに対応しないエディタでの作業は記録に現れない。
- 小さなチームではデータが薄い。モデルは数週間にわたる反復行動を前提にするため、5人で1週間では空に近い画面ばかりになる。
よくある質問
イベント種別、所要時間、回数、モデル名、トリガー種別だ。プロンプトが送られたこととその長さ、分類器が有効なら意図ラベルも記録する。プロンプト本文、ファイルの中身、パスは残さない。
関連コンテンツ
Pheebsに関連するツール、スキル、記事を探す。
Pheebsの代替ツール
Base Code
Base44 (Wix) · コーディング · 生産性向上Base CodeはBase44の共有クラウド開発環境だ。既存のGitHubリポジトリに対する変更をチャットで伝え、プレビューで確認し、プルリクエストとして返せる。
Google EmbeddingGemma 2
Google DeepMind · ライティング · 画像 · コーディングGoogle EmbeddingGemma 2 は 7 億 4000 万パラメータのオープンなモデルで、テキスト、コード、画像、音声、動画フレームを同じ 768 次元空間のベクトルに変え、スマートフォンやノート PC 上で動く。
GitGlow
GitGlow · コーディング · 生産性向上GitGlow は自分のコードと AI エージェントの変更を一つのレビューにまとめるデスクトップ Git クライアントだ。出荷前に、マシンから何が出ていくのかを確かめられる。