前言¶

工具类 MCP 项目上线后，最常见的问题是没人告诉你答案：调用量是零，还是被某个固定环节卡住了？翻日志要看接口名，看文档要看示例，看指标要找后台，信息分散在各处，最后往往只剩一句「AI 应该会用吧」。

traceai 针对的就是这个问题。它不重写工具，也不改模型行为，只在旁边记录 AI 调用工具的实际情况，把「有没有人用」和「用到具体哪个功能」变成可查的数字。

这是什么¶

traceai 是一个社区项目，坐标 @user_88d335e9/traceai，发布者 user_88d335e9，版本 1.0.2，分类 ai-agent，来源 community，标签 requires_api_key=false（不需要额外 API Key）。按其自我定位，它是目前市面上唯一一个专门做 MCP 等工具使用分析的项目，其中 MCP 的支持度最高。

它解决的问题有三类：

1、工具创作者想知道自己写的工具到底有没有人用。
2、装了一堆工具，却不知道 AI 实际使用了哪些。
3、给 AI 开发了很多功能，却不知道 AI 是否会主动调用。

核心功能¶

已核实的能力只有两条，都来自官方简介。

一是工具调用次数统计。项目会统计 AI 使用工具的次数，这是最基础的量，可以直接回答「有没有人在用」。

二是细化到具体功能的统计。统计不只停在工具层面，还能下钻到某个工具的具体某个功能。定位问题时，可以从「某个工具没被用」进一步收窄到「该工具里的某个功能没被用」，排查范围明显变小。

设计取向是轻量化，项目未提到额外服务端或重型依赖。

安装与启用¶

官方给出的安装方式是一条 Go 命令，需要本机已有 Go 环境。

go install github.com/MIK-HEAL/TraceAI/cmd/traceai@latest

这条命令从 github.com/MIK-HEAL/TraceAI 拉取源码并把 cmd/traceai 编译安装到本地，安装完成后可直接执行 traceai 命令。

需要说明的是，资料中没有给出 SKILL.md 正文，也没有 Cursor、Codex CLI、Claude Code 各自的接入配置或配置字段说明，因此本文不写这部分。项目当前处于 beta，功能与命令行行为仍可能变动，接入前建议先跑一次确认输出是否符合预期。

典型用法¶

资料里没有提供可复现的完整示例，只有用途描述，所以这里只说明它回答什么、不写具体命令行参数。

面向工具创作者：工具上线后接入 traceai，用调用次数判断某个工具是否被 AI 实际使用，而不是凭功能列表猜测。

面向项目维护者：在安装了多个工具的环境里，用统计结果看 AI 用了哪些工具、每个工具被用到什么程度，据此清理从未被调用的功能或替换掉闲置工具。

面向排查场景：当 AI 的行为不符合预期时，用下钻到功能级别的统计定位是工具没被调用，还是工具里某个具体功能没被调用。

适用场景与注意¶

适合两类人。一是自己写工具、写 MCP 工具并关心调用情况的开发者；二是装了较多工具、想要一份实际使用情况清单的项目维护者。它不需要 API Key，接入门槛主要在 Go 环境上。

需要注意的几点：项目是 beta，作者自己也在邀请使用者提供建议，稳定性与接口约定不能按正式版预期；资料没有给出统计口径的定义，例如一次「使用」如何计数、数据落在哪里、如何查询，这些需要实际运行后自行确认；项目自述 MCP 支持度最高，其他协议的支持程度没有说明；项目自身是轻量的观测工具，不会改善模型调用质量，它提供的是事实而不是修复方案。

结尾¶

traceai 的价值在于把「AI 有没有用我的工具」从主观判断变成可查的计数，并且能下钻到具体功能，便于定位是工具整体闲置还是个别功能闲置。对写了工具却拿不到调用反馈的开发者来说，它是少数能直接给出答案的项目。

官方地址：https://api.skillhub.cn/user_88d335e9/traceai
SkillHub 页面：https://www.skillhub.cn/skills/user_88d335e9/traceai