Codex CLIの作業記録を数えたら、トークンの99%は入力で、その93%はキャッシュだった

AIエージェントの費用というと、「たくさん書かせると高くなる」——つまり出力の量で決まると考えがちです。

Codex CLI が手元に残している作業記録を全部数えてみると、逆でした。99回分の実行で、トークンの99.2%は入力。しかもその93%はキャッシュからの読み直しで、AIが書いた出力は0.8%しかありませんでした。

この記事は、その数え方です。Codex CLI は、何もしなくても作業の記録を JSONL で残しています。これを読むだけで、どの道具を何回使い、どのコマンドを打ち、どれだけトークンを使ったかが分かります。

記録はどこにあるか

~/.codex/sessions/YYYY/MM/DD/rollout-<日時>-<id>.jsonl

1回の実行（セッション）が1ファイルです。1行に1レコードで、type と payload.type で種類が分かれます。今回使うのは次の4つだけです。

レコード	中身
session_meta（1行目）	作業ディレクトリ（cwd）など。どの仕事のセッションかを絞り込める
response_item / custom_tool_call	道具の呼び出し。中身は小さな JavaScript
response_item / custom_tool_call_output	道具の結果。call_id で呼び出しと結び付く
event_msg / token_count	そのセッションのトークン使用量の累計

道具の呼び出しは「小さなJSコード」として残る

custom_tool_call の input には、たとえば次のようなコードが入っています。

const r = await tools.exec_command({cmd: "rg -n 'def route' src/app.py"});
text(await r.output());

1回の呼び出しの中で、複数の道具を続けて呼ぶこともあります（今回のデータでは最大5つ）。なので「先頭の単語」を数えると const が最多になってしまいます。tools.<名前>( と cmd: "..." を全部拾うのがコツです。

トークンは累計で入る

token_count の info.total_token_usage には、そのセッションの累計が入ります。

{"input_tokens": 32547, "cached_input_tokens": 0, "output_tokens": 139, "reasoning_output_tokens": 18, "total_tokens": 32686}

途中の値を足すと二重に数えるので、各セッションの最後の値だけを使います。

数えるスクリプト

外部ライブラリは使いません。引数に、作業ディレクトリに含まれる文字列を渡すと、その仕事のセッションだけを数えます。

codex_usage.py

#!/usr/bin/env python3
"""Codex CLI の作業記録（~/.codex/sessions/**/rollout-*.jsonl）を数える。

    python3 codex_usage.py [作業ディレクトリに含まれる文字列]
"""
import glob, json, os, re, statistics, sys
from collections import Counter

keep = sys.argv[1] if len(sys.argv) > 1 else ""
tools, commands, usage, sessions, broken = Counter(), Counter(), [], 0, 0
for path in sorted(glob.glob(os.path.expanduser("~/.codex/sessions/*/*/*/rollout-*.jsonl"))):
    with open(path, encoding="utf-8", errors="replace") as f:
        lines = f.read().splitlines()
    try:
        meta = json.loads(lines[0]).get("payload", {})      # 1行目は session_meta
    except (ValueError, IndexError):
        continue
    if keep not in str(meta.get("cwd", "")):
        continue
    sessions += 1
    last = None
    for line in lines:
        try:
            rec = json.loads(line)
        except ValueError:                                  # 書き込み途中などで壊れた行は飛ばす
            broken += 1
            continue
        p = rec.get("payload") or {}
        if p.get("type") == "custom_tool_call":             # 道具の呼び出し（中身は小さなJSコード）
            src = str(p.get("input") or "")
            tools.update(re.findall(r"tools\.(\w+)\s*\(", src))
            for m in re.findall(r'cmd\s*:\s*"((?:[^"\\]|\\.)*)"', src):
                words = [w for w in json.loads('"' + m + '"').split() if "=" not in w]
                if words:
                    commands[os.path.basename(words[0])] += 1
        if p.get("type") == "token_count" and p.get("info"):
            last = p["info"].get("total_token_usage")       # セッション内の累計。最後の値を使う
    if last:
        usage.append(last)

total = lambda k: sum(u.get(k, 0) for u in usage)
inp, cached, out = total("input_tokens"), total("cached_input_tokens"), total("output_tokens")
print(f"sessions: {sessions}  broken lines skipped: {broken}")
print(f"tools: {tools.most_common(6)}")
print(f"commands: {commands.most_common(8)}")
print(f"input {inp:,} (cached {cached:,} = {100*cached/max(1,inp):.0f}%)  output {out:,} = {100*out/max(1,inp+out):.1f}% of all")
print(f"per session median: input {statistics.median(u.get('input_tokens',0) for u in usage):,.0f}"
      f" / output {statistics.median(u.get('output_tokens',0) for u in usage):,.0f}")

結果（自分の環境、2026年8〜10月の99セッション）

sessions: 99  broken lines skipped: 87
tools: [('exec_command', 1065), ('apply_patch', 143), ('web__run', 79), ('write_stdin', 57), ('mcp__codex_apps__google_drive_fetch', 5), ('mcp__codex_apps__remote_desktop_commander_read_file', 1)]
commands: [('python3', 327), ('cat', 166), ('rg', 117), ('sed', 70), ('git', 55), ('python', 32), ('find', 31), ('pytest', 27)]
input 69,760,539 (cached 64,894,720 = 93%)  output 586,071 = 0.8% of all
per session median: input 559,265 / output 7,308

トークン：出力は0.8%

	トークン
入力	69,760,539
うちキャッシュ	64,894,720（入力の93%）
出力	586,071（全体の0.8%）
1セッションの中央値	入力 559,265 ／ 出力 7,308

Codex は作業のたびに、指示・これまでのやり取り・読んだファイルの中身を読み直しています。だから入力が圧倒的に大きく、その大半がキャッシュに乗っています。費用や使用量の上限を考えるときに見るべきなのは、出力の長さより、1回のセッションで何を読み込ませているかでした。

道具：ほぼ「コマンドを打つ」

道具	回数
exec_command（シェルのコマンド）	1,065
apply_patch（ファイルの書き換え）	143
web__run（Web）	79
write_stdin（実行中のプロセスへの入力）	57

コマンド：多くは「読む」

コマンド	回数
python3	327
cat	166
rg	117
sed	70
git	55
python	32
find	31
pytest	27

cat・rg・sed・find を合わせると384回。書き換え（apply_patch 143回）の2倍以上、確認のために読んでいます。

ハマったところ

• 壊れた行がある：書き込みの途中などで JSON として読めない行が、99セッション中で87行ありました。1行ずつ try で読み、飛ばして数を出しています。
• 作業ディレクトリで絞る：Codex のデスクトップアプリなど、別の用途のセッションも同じ場所に保存されます。1行目の cwd で絞らないと、仕事以外の会話まで混ざります。
• 形式は公式の仕様ではない：CLI の内部の記録なので、バージョンで変わる可能性があります。キーが無いときに落ちないように書いておくのが安全です。

まとめ

• Codex CLI の作業記録は ~/.codex/sessions/ の JSONL。1行目の cwd で仕事ごとに絞れる
• 道具の呼び出しは小さな JS。tools.<名前>( と cmd: "..." を全部拾う
• トークンは token_count の累計の最後の値を使う
• 自分の99セッションでは、トークンの99.2%が入力、その93%がキャッシュ、出力は0.8%

AIの使用量を減らしたいなら、まず「何を読ませているか」を数えるところからだと思います。