核心用法
Mission Claw 是一款专为 AI Agent 工作流设计的活动追踪与日志系统，通过命令行工具 mclaw 或 REST API 记录任务执行详情。核心功能围绕结构化日志记录展开，支持记录任务描述、执行 Agent、所属项目、状态（completed/in_progress/failed）、耗时及 token 消耗（输入/输出/总计）。
典型使用流程：
1. 任务完成后，通过 session_status 等工具获取本次会话 token 用量
2. 执行 mclaw log 命令，填写 --agent、--project、--total-tokens 等关键字段
3. 通过 mclaw list 查询历史记录，或 mclaw dashboard start 启动 Web 仪表盘进行可视化分析
显著优点：
- 量化追踪：原生支持 token 级别的成本监控，对 LLM 密集型工作流至关重要
- 多维过滤：可按 Agent、项目、状态等维度检索历史活动
- 生态整合：提供 CLI + API 双接口，易于集成到自动化流水线
- 可视化支持：内置 Web 仪表盘，适合团队级项目进度同步
潜在局限：
- 外部依赖：需部署 Mission Claw 服务（默认
localhost:3100），单节点架构存在可用性风险 - 手动埋点：token 用量需主动查询后填入，无法自动从执行环境捕获
- 无认证机制：API 端点未见鉴权设计，存在未授权访问风险
- 数据持久化：文档未说明存储后端与备份策略
适合人群：
- 运行多 Agent 系统的开发团队
- 需要精细化成本核算的 LLM 应用项目
- 追求可观测性的自动化工作流构建者
常规风险：
- 服务宕机导致日志丢失或追踪中断
- token 数据手动录入误差造成成本统计偏差
- 开放 API 端点的潜在数据泄露风险