Motor Agéntico — Observabilidad de agentes de IA

Se puede trabajar meses con agentes de IA sin saber lo que cuestan. Cada herramienta deja un rastro en disco —transcripts, bases SQLite, ficheros por sesión— y ninguna te dice lo mismo que las demás. Construí el lector: indexa esos rastros y responde cuánto, en qué modelo, en qué proyecto y con qué herramientas. Medirlo resultó ser un problema contable, no de IA, y las trampas son las mismas de siempre. El consumo que reporta Codex es acumulado por sesión, no por turno: sumar los eventos multiplica el gasto por el número de turnos. El input que reportan ya incluye la parte cacheada, así que hay que restarla o los tokens de caché se cuentan dos veces. Anthropic cobra la escritura de caché con recargo y OpenAI no, de modo que la misma fórmula da mal en uno de los dos. Y un filtro por fechas tiene que cortar mensajes, no sesiones: si corta sesiones, una que roza el rango aporta su coste entero y la suma deja de cuadrar con el total que muestra la pantalla. Ese último lo encontré comparando la exportación contra el propio dashboard, y hoy hay un test que fija el invariante. La regla que gobierna el resto: no inventar un número. Si una tarifa no está verificada contra la página del proveedor, el modelo se marca UNVERIFIED y su coste cuenta como cero, a la vista. Si una herramienta no registra tokens, sus cifras se quedan fuera del dinero en lugar de estimarse. Y las carpetas ajenas se tratan como de solo lectura de verdad: hay un guard que lanza excepción al intentar escribir en ellas, una denylist que impide leer credenciales, y las bases que Cursor mantiene abiertas en modo WAL se copian antes de leerlas, porque abrirlas en sitio ya crearía un fichero en carpeta ajena.