ccglass测评：对比Claude Code与Codex真实请求

这两年，AI编程工具的进化速度，快得有点超出预期。

从最初的代码补全，到如今的Claude Code、Codex、Cursor、Cline、OpenCode，这些Agent型工具早已不是“帮你写一段函数”那么简单。它们能读项目、改代码、跑命令、调工具、分析报错，甚至一气呵成地执行整套开发流程。

听起来确实很爽。

但爽的背后，问题也悄悄浮出水面：AI Agent越来越能干，也越来越像一个难以窥探的黑箱。

你在终端里敲一句：

帮我修复这个 bug

Agent很可能就开始读文件、分析上下文、调用工具、请求模型、补充上下文、再次请求模型……最后给你一个看似顺滑的结果。

可如果你追问几个细节：

很多时候，答案是一连串的“不知道”。

这正是最近一个开源工具ccglass试图解决的问题。

ccglass 是什么？

一句话概括：ccglass 是一个AI编程Agent的本地观测工具，专门用来查看Claude Code、Codex等工具实际发给大模型的请求内容。

它不是一个AI编程助手，也不是模型提供商。它更像一个透明的“观察层”。

当你使用Claude Code、Codex、DeepSeek-TUI、Reasonix、Kimi、OpenCode、Ollama、OpenRouter等工具时，ccglass可以在本地启动一个袋里，把请求和响应全部记录下来，并通过Web Dashboard直观展示。

你能看到什么？

这就像给AI Agent装上了一块玻璃。以前你只能看到它的输出，现在终于能看清它“脑子里”接收到的输入。

为什么现在特别需要这样的工具？

AI编程已经从“补全工具”进化到了“Agent工具”阶段。

补全工具时代，我们关心的是：建议准不准、补全快不快。

Agent工具时代，我们需要关心的是：它做了什么决策、为什么做这个决策、花了多少成本。

这个区别非常关键。

因为Agent不只是生成文本，它还在做决策。比如：决定读哪个文件、决定运行哪个命令、决定是否修改代码、决定是否继续请求模型、决定哪些上下文应该保留、决定调用哪个工具。

这些决策的质量，直接影响开发效率、代码质量和成本。

如果没有观测能力，我们只能靠猜：它是不是没看到某个文件？上下文太长导致重点丢失？system prompt里某条规则影响了行为？工具schema太复杂导致模型误判？每轮都重复发送大量无效上下文？

ccglass的价值就在于：把这些猜测变成可以核查的事实。

它和普通抓包工具有什么不同？

很多人可能会问：这不就是抓包吗？Charles、mitmproxy、Proxyman能不能做？

理论上可以，但实际并不总是好用。

现在很多AI CLI是Node或原生程序，它们不一定稳定遵守HTTP_PROXY/HTTPS_PROXY。有些还有自己的网络实现、认证方式或连接逻辑。直接patch fetch也容易因为客户端升级而失效。

ccglass走的是另一条路：

这种方式的优势很明显：不需要安装CA证书，不需要处理HTTPS解密，不需要改客户端源码。对开发者非常友好，尤其适合观察AI Agent的prompt、tool call和token使用情况。

它不是为了替代通用抓包工具，而是专门为AI编程Agent的观测场景量身定做。

快速安装

ccglass是一个Node工具，安装非常简单：

npm install -g ccglass

安装完成后，直接运行：

ccglass

它会弹出一个交互式菜单，让你选择要观察的客户端。

也可以直接指定：

ccglass claude、ccglass codex、ccglass deepseek、ccglass kimi、ccglass opencode

比如观察Codex：

ccglass codex

启动成功后，终端会输出一个Dashboard地址，类似：

dashboard: http://127.0.0.1:57633

打开这个地址，就可以实时看到请求记录。

Dashboard 里能看到什么？

ccglass最有价值的部分就是Dashboard。它不是简单打印一堆JSON，而是把Agent的请求流程整理成可读的视图。

1. 看 system prompt

system prompt是Agent行为的底层规则。很多时候，我们以为Agent是“自己想这么做”，但实际上它可能是被system prompt约束了。

通过ccglass，你可以看到模型真正收到的系统级指令，这对理解不同AI编程工具的设计非常有帮助。

2. 看工具 schema

Agent能调用哪些工具？每个工具的参数是什么？工具描述是怎么写的？这些都会影响模型的选择。如果工具描述太模糊，模型可能会误用；如果工具太多、schema太复杂，模型也可能选错。ccglass可以让你直接看到这些信息。

3. 看 tool call 和 tool result

AI Agent的典型流程是：模型思考 → 调用工具 → 工具返回结果 → 模型继续思考。ccglass把这个循环完整展示出来，你能看到模型为什么调用某个工具，工具返回了什么结果，以及这些结果如何影响下一轮请求。

4. 看 token 和成本

很多人使用AI编程工具时只关注“有没有完成任务”，忽略了成本。长上下文、多轮请求、大量工具结果，都可能让token快速增长。ccglass可以展示输入token、输出token、cache token、cache命中率以及成本估算。这对团队使用尤其重要——AI编程一旦规模化使用，成本就不再是小问题。

5. 看上下文 diff

这是一个非常实用的功能。Agent每一轮请求都会带上不同上下文，ccglass可以比较两次请求之间的变化，让你知道哪些内容新增了、哪些被保留了、哪些工具结果进入了下一轮、哪些上下文可能造成干扰。这对分析“为什么Agent后面跑偏了”很有价值。

一个典型使用场景

假设你让Claude Code修改一个项目里的bug。

你执行ccglass claude，然后在Claude Code里输入：

帮我分析这个报错，并修复相关代码

Claude Code开始工作。这时你打开ccglass Dashboard，可以看到：

如果最后修复不对，你不再只能说“AI又犯傻了”。你可以具体分析：它是不是没读到关键文件？工具返回结果是不是被截断了？上下文里是不是混入了无关内容？模型是不是受某条系统指令影响？成本是不是主要消耗在重复上下文上？

这才是真正工程化地使用AI编程工具。

对个人开发者有什么用？

对个人来说，ccglass最直接的价值是学习和调试。你可以通过它研究：

这对想深入理解AI编程的人非常有帮助。使用AI工具不难，难的是理解AI工具。只会用，是消费能力；能看懂，是工程能力。

对团队有什么用？

如果一个团队开始大量使用AI编程工具，ccglass的价值会更加明显。团队最关心的通常不是“某一次回答好不好”，而是：

ccglass可以作为团队AI编程工具治理的一部分。它提供的不是“控制模型”的能力，而是“观察模型输入输出链路”的能力。而治理的第一步，永远是可观测。

支持哪些工具？

根据项目说明，ccglass支持多种常见AI编程CLI和provider，包括：

对于支持自定义API base URL的IDE或插件，也可以通过proxy模式接入。比如：

ccglass proxy --provider openai 或 ccglass proxy --provider claude

然后把IDE里的API base URL配置成本地袋里地址即可。需要注意的是，如果某个IDE使用的是内置订阅模型，并且请求走厂商自己的后端，不支持自定义base URL，那就不一定能被ccglass捕获。

安全方面要注意什么？

ccglass默认会遮蔽authorization、x-api-key等认证字段。但即便如此，日志本身仍然可能包含敏感信息，比如prompt、代码片段、文件路径、工具返回结果、项目上下文、业务逻辑等。所以不要随意把ccglass日志发到公开网络。

如果团队使用，建议明确日志保留和清理规则。日志默认位于~/.ccglass/sessions/，如果只是临时调试，用完后可以检查并清理不需要的session。

它适合所有人吗？

如果你只是偶尔让AI补一段代码，可能暂时用不到ccglass。但如果你已经开始高频使用Claude Code、Codex、Cursor、Cline、OpenCode这类Agent工具，或者你正在研究AI编程工具的运行机制，那么ccglass很值得一试。

它尤其适合三类人：

第一类是重度AI编程用户。你每天都让Agent修改代码、分析项目、跑测试，那么你需要知道它到底在做什么。

第二类是AI工具研究者。你想比较不同Agent的prompt、工具调用和上下文管理方式，ccglass能给你第一手材料。

第三类是技术团队负责人。你关心AI编程的成本、安全、质量和可复盘性，ccglass可以作为观测入口。

总结

AI编程正在从“辅助写代码”进入“自动执行任务”的阶段。这个阶段里，真正重要的不只是模型能力，还有可观测性。

一个Agent能写代码，当然很好。但一个Agent为什么这样写、看到了什么、调用了什么工具、花了多少token、上下文怎么变化——这些同样重要。

ccglass做的事情很简单，也很关键：让AI编程Agent不再是黑箱。

如果你正在使用Claude Code、Codex或其他AI编程工具，建议试一下ccglass。哪怕只是打开Dashboard看一次请求，你也会对AI Agent的运行方式有完全不同的理解。

项目地址：https://github.com/jianshuo/ccglass

安装命令：npm install -g ccglass

启动命令：ccglass

在AI编程越来越火的今天，会用工具已经不够了。能看懂工具，才是下一阶段开发者真正的竞争力。