Vytvořeno: 28.7.2026 | Aktualizováno: 28.07.2026 19:58
Context Viewer je open-source nástroj pro observabilitu kontextu AI agentů. Z konverzačního logu vytvoří přehled, které části zabírají tokeny, jak se kontext během práce zvětšuje a čím se liší jednotlivé běhy agenta.
Context Viewer načte transcript a rozdělí jej na text, reasoning, volání nástrojů a jejich výsledky. Pro jednotlivé části spočítá tokeny, může je s pomocí AI sémanticky rozdělit a zařadit do komponent, například instrukce, workflow, nástroje nebo kontext projektu.
Výsledek obsahuje:
Podle README projektu jsou podporované mimo jiné transcripty Claude Code a Codex CLI v JSONL, OpenCode v JSON, záznamy OpenAI API, trajektorie SWE-bench/SWE-agent a prostý text nebo Markdown. Pro rychlé vyzkoušení je k dispozici hostovaná browserová aplikace.
Nástroj lze použít i přes agentní CLI @nilenso/context-lens. Instaluje se globálně a je určený primárně pro řízení coding agentem:
npm install -g @nilenso/context-lens
Context Viewer je užitečný při hledání zbytečně velkého kontextu coding agenta. Typické otázky:
Read, vyhledávání nebo testů?AGENTS.md nebo jiný soubor s instrukcemi příliš rozsáhlý?Pro exploraci rozsáhlého repozitáře je vhodné porovnat hlavní session se subagentem. Subagent pracuje ve vlastním context window a do hlavní konverzace obvykle vrátí jen stručný výsledek; Context Viewer pomůže ověřit, zda se tím skutečně snížil objem hlavního kontextu.
Celkový počet tokenů zobrazený Context Viewerem není velikost context window jednoho requestu ani vyúčtování poskytovatele. Implementace používá tokenizer tiktoken s encodingem GPT-4o a sečte obsah celého uloženého transkriptu: text, reasoning, vstupy volání nástrojů i jejich výsledky. Pro jiné modely je proto počet jen orientační.
U dlouhé session může Viewer ukázat například více než milion tokenů, i když model nikdy nedostal tolik tokenů najednou. Jde o součet historie, do které mohou patřit starší výstupy nástrojů, části již nahrazené shrnutím po compaction nebo data vedlejších větví a subagentů.
Prompt caching tento limit nezvyšuje. Claude Code při dalším requestu znovu posílá historii, ale nezměněný prefix může být načten ze serverové cache. Cache snižuje latenci a cenu, zatímco logická velikost context window zůstává stejná. Přesné hodnoty cache_read_input_tokens a cache_creation_input_tokens je potřeba získat z metrik poskytovatele; Context Viewer je z transkriptu nevypočítává.
Browserová aplikace nemá vlastní backend a soubory zpracovává lokálně. Volitelná AI segmentace, kategorizace a analýza ale odesílají příslušný obsah k modelovému poskytovateli nastavenému uživatelem. Před analýzou transcriptů proto je potřeba zvážit, zda neobsahují tajné údaje, zdrojové kódy nebo citlivé výstupy nástrojů.
Nástroj také analyzuje jen to, co obsahuje dodaný log. Nemůže spolehlivě určit skryté systémové instrukce poskytovatele, aktuální aktivní context window ani přesnou tokenizaci jiného modelu.