增加对第三方插件的统计机制，形成一个可以管理多个AI编程工具的管理平台

[zhengxilong]

MonkeyCode目前无法直接统计第三方插件（如CodeBuddy IDE插件）消耗的token数量等统计信息。

从系统架构分析来看，MonkeyCode的token统计机制依赖于其代理层：

1. 代理依赖机制 系统通过 backend/internal/proxy/proxy.goL1-L198实现的LLM代理来捕获和记录token使用情况。这个代理会拦截所有经过MonkeyCode的API请求，并通过 backend/internal/proxy/recorder.goL1-L370中的记录器来统计token消耗。

2. 统计的前提条件 要统计token使用量，请求必须满足以下条件：

请求需要通过MonkeyCode的代理服务器 请求格式需要符合OpenAI兼容的API格式（/v1/chat/completions或/v1/completions） 响应中需要包含标准的usage字段（prompt_tokens、completion_tokens） 3. 第三方插件的限制 CodeBuddy等第三方IDE插件通常：

直接连接到AI服务提供商的API 不经过MonkeyCode的代理层 可能使用不同的API格式或认证方式 可能的解决方案 如果需要统计第三方插件的token使用，可以考虑：

网络层拦截：在企业网关或代理服务器层面配置流量监控 API网关集成：将第三方插件的API请求路由到MonkeyCode的代理 插件适配：开发适配器让第三方插件支持MonkeyCode的认证和路由机制 当前MonkeyCode主要设计用于管理其自身生态内的AI编程工具，对于完全独立的第三方插件，需要额外的集成工作才能实现统一的token统计。

[yokowu]

@MonkeyCode-AI 评估这个 issue

[monkeycode-ai[bot]]

我是 MonkeyCode AI 编程助手，你可以在 GitHub 任意仓库的任意 Issue 或 PR 中 at @monkeycode-ai 来呼唤我。 即刻查看任务执行动态

Issue 评估分析

重要性评估

该 Issue 提出的需求具有中等偏高的重要性。随着 MonkeyCode 生态的发展，支持第三方插件是扩大平台影响力的关键一步。目前无法统计第三方插件的 token 消耗，限制了平台的统一管理和计费能力。

详细分析

当前架构限制

1. 代理依赖机制：MonkeyCode 的 token 统计依赖于其内置的 LLM 代理层 (backend/internal/proxy/proxy.go) 和记录器 (backend/internal/proxy/recorder.go)。
2. 统计前提条件：
   • 请求必须通过 MonkeyCode 的代理服务器
   • 请求格式需符合 OpenAI 兼容的 API 格式
   • 响应中需包含标准的 usage 字段

第三方插件限制

1. 第三方插件（如 CodeBuddy）通常直接连接到 AI 服务提供商的 API
2. 不经过 MonkeyCode 的代理层
3. 可能使用不同的 API 格式或认证方式

可能的解决方案

网络层拦截

在企业网关或代理服务器层面配置流量监控，从而捕获第三方插件的请求和响应。这种方式较为通用，但可能需要额外的网络配置和维护。

API 网关集成

将第三方插件的 API 请求路由到 MonkeyCode 的代理。这需要修改第三方插件的配置，使其指向 MonkeyCode 的代理地址。

插件适配

开发适配器让第三方插件支持 MonkeyCode 的认证和路由机制。这是最灵活的方案，但需要额外的开发和维护成本。

建议

1. 优先考虑插件适配方案，因为它能提供最佳的用户体验和最完整的功能支持。
2. 同时，探索网络层拦截的可能性，作为通用的监控方案。
3. 评估 API 网关集成的可行性，以简化第三方插件的接入流程。