首页 › ai-agents › 多Agent Token经济学:六层成本归因与预算引擎实测

概述

当单Agent的Token消耗以"分"计算时,多Agent协作系统已经在以"元"甚至"百元"的速度燃烧预算。2026年5月,arXiv论文《Token Economics for LLM Agents》正式提出"Token经济学"概念——Token不仅是计价单位,更是Agent系统的核心经济原语。与此同时,企业FinOps团队发现:多Agent系统的实际Token开销是预估的3-5倍,其中超过40%的Token根本不贡献有效输出。本文从成本归因、预算控制、网关路由、模型分层、上下文压缩、可观测性六个层面,深度拆解多Agent系统的Token经济学生态,给出从"烧钱黑洞"到"可控引擎"的实战路径。


一、问题本体:多Agent系统的Token黑洞

1.1 二次方诅咒

多Agent系统的Token消耗不是线性增长的——它是二次方的。当N个Agent在同一会话中协作时,每轮对话的消息历史包含所有先前Agent的输出,Token总量呈三角数列增长:

$$Token_{total} \approx \sum_{i=1}^{T} i \times L_{avg} = \frac{T(T+1)}{2} \times L_{avg}$$

其中T是总轮次,$L_{avg}$是每轮平均Token长度。一篇来自exe.dev的分析指出,在50,000 Token的对话深度时,缓存读取(Cache Read)已经占到了下一次API调用成本的50%。这意味着Agent运行越久,"重读历史"的成本越逼近甚至超过"生成新内容"的成本。

1.2 三大隐性成本源

成本类型 占比 根因 典型场景
重复上下文注入 35-45% 每个Agent独立注入完整系统提示+工具描述 6个Agent各带2000 Token系统提示
中间产物传递 20-30% Agent间传递原始输出而非摘要 研究Agent返回5000 Token原始数据
无效重试循环 15-25% 工具调用失败触发上下文膨胀的ReAct循环 API格式错误导致3轮重试
跨Agent冗余 10-15% 多个Agent重复检索相同信息 两个Agent都搜索同一文档

Datagrid的分析报告显示,一个典型的客服Agent平均每轮对话消耗800-1200 Token,但其中不到60%的Token实际贡献了有效响应。换算成真金白银:如果你的多Agent系统每月处理10万次对话,按GPT-4o定价计算,每月浪费的Token成本约$1,200-$3,600。


二、成本归因:从黑盒到精细记账

2.1 三种归因架构

Zylos在2026年5月的研究中总结了多Agent成本归因的三种主流架构:

架构一:网关级元数据强制标注

┌──────────┐    ┌─────────────┐    ┌──────────┐
│ Agent A  │───▶│  AI Gateway │───▶│ LLM API  │
│ project:X │    │ inject:     │    │          │
│ task:123  │    │ metadata    │    │          │
└──────────┘    │ {project,   │    └──────────┘
                │  task,agent} │
                └─────────────┘

通过LiteLLM或Portkey等网关,在每个请求上强制注入project_id、task_id、agent_id等元数据标签。网关在响应中返回实际Token用量,后台按标签聚合。这是目前最成熟、侵入性最低的方案。

架构二:回调级回调追踪

LangChain生态通过UsageMetadataCallbackHandler实现回调级归因:

from langchain_community.callbacks import UsageMetadataCallbackHandler

# 按Agent实例绑定回调
agent_researcher = create_react_agent(
    llm=gpt4o,
    tools=search_tools,
    callbacks=[UsageMetadataCallbackHandler(
        agent_name="researcher",
        project="market_analysis"
    )]
)

这种方式的优势是可以精确到每次工具调用的Token消耗,但要求框架支持回调机制。

架构三:编排层原生归因

LangGraph和CrewAI的最新版本开始内置Token计量:

# LangGraph 原生Token追踪
from langgraph.graph import StateGraph

graph = StateGraph(AgentState)
graph.add_node("researcher", researcher_node)
graph.add_node("writer", writer_node)

# 执行后自动获取每个节点的Token消耗
result = graph.invoke(initial_state)
token_report = result["__token_usage__"]
# {'researcher': {'input': 4200, 'output': 1800},
#  'writer': {'input': 2100, 'output': 3500}}

2.2 归因精度对比

方案 粒度 侵入性 精度损失 适用规模
网关标注 请求级 极低 <2% 10K+ QPS
回调追踪 工具调用级 中等 5-8%(流式丢失) 中等
原生归因 节点/边级 高(需适配框架) <1% 小规模
混合方案 全链路 中高 <3% 企业级

三、预算引擎:六强网关Token管控实测

3.1 网关选型矩阵

2026年AI API网关品类已形成完整生态。FutureAGI的评测覆盖了五大网关的Token预算能力:

网关 预算粒度 限流模式 实时追踪 缓存策略 开源
LiteLLM 项目/团队/用户 Token+RPM+RPS ✓ ✗ ✓
Portkey 请求级 Token+Cost ✓ 语义缓存 部分
Helicone 自定义标签 成本阈值告警 ✓ Prompt缓存 ✓
OpenRouter 账户级 硬性Token上限 ✓ 自动路由 ✗
TokenMix 管道级 滑动窗口 ✓ 智能缓存 ✗
Cloudflare AI Gateway 域名级 Token限速 ✓ 响应缓存 ✗

3.2 核心能力:按Agent设置预算上限

生产级多Agent系统的关键需求是按Agent/任务设置独立的Token预算上限:

# LiteLLM 按Agent设置预算
from litellm import completion_with_budgets

budget_config = {
    "researcher_agent": {
        "max_tokens_per_hour": 500000,
        "max_cost_per_day": 50.0,
        "model": "gpt-4o-mini"  # 自动降级模型
    },
    "reviewer_agent": {
        "max_tokens_per_hour": 200000,
        "max_cost_per_day": 20.0,
        "model": "gpt-4o"
    }
}

当researcher_agent小时预算耗尽时,系统可以选择:硬性拒绝(返回错误)、自动降级到更便宜的模型(如GPT-4o-mini→GPT-4.1-nano)、或排队等待预算刷新。

3.3 实测数据:成本节省效果

根据TokenMix的基准测试报告:

策略 成本节省 延迟影响 质量损失
模型路由(任务分级) 40-60% +5-15% <2%
语义缓存 25-45% -80%(命中时) 0%
Prompt压缩 30-50% +10-20% 3-5%
Token预算硬限 15-30% 无 取决于阈值
以上组合 60-80% +5-10% <5%

四、模型路由:让对的模型做对的事

4.1 三层路由架构

多Agent系统的核心省钱逻辑是不让所有Agent都用最贵的模型。MindStudio的分析指出,一个典型的6-Agent工作流中:

用户请求
    │
    ▼
┌─────────────┐
│  路由层      │ ← 判断任务复杂度
└─────┬───────┘
      │
      ├── 简单任务(格式化、提取)→ GPT-4.1-nano / Claude Haiku
      │   成本:$0.10/M input
      │
      ├── 中等任务(总结、分类)→ GPT-4o-mini / Gemini Flash
      │   成本:$0.15/M input
      │
      └── 复杂任务(推理、代码)→ GPT-4o / Claude Sonnet
          成本:$2.50/M input

4.2 路由决策的五个维度

def route_model(task: AgentTask) -> str:
    """基于五个维度决定使用哪个模型"""
    score = 0

    # 维度1:工具复杂度
    if task.requires_code_execution: score += 3
    if task.requires_multi_step_reasoning: score += 2

    # 维度2:输出精度要求
    if task.error_tolerance < 0.01: score += 3

    # 维度3:上下文长度
    if task.context_tokens > 10000: score += 2

    # 维度4:延迟容忍度
    if task.max_latency_ms < 1000: score -= 2

    # 维度5:成本预算
    if task.remaining_budget < task.avg_cost * 2: score -= 3

    # 路由到对应层级
    if score >= 6: return "gpt-4o"         # 顶级
    elif score >= 3: return "gpt-4o-mini"   # 中级
    else: return "gpt-4.1-nano"             # 经济级

实测中,三层路由策略在6-Agent工作流上将每任务平均成本从$0.082降至$0.031,降幅62%,而任务成功率仅从94.2%降至93.1%。


五、上下文压缩:斩断二次方曲线

5.1 问题量化

Mem0的2026年Token优化手册给出了一个关键数据:朴素文件记忆注入(Naive File Memory Injection)随文件数线性增长。在包含100个记忆文件的Agent中,仅记忆注入就消耗约15,000-20,000 Token/请求,占输入Token的40-60%。

5.2 四级压缩策略

Level 0: 无压缩(基线)
  每请求Token:~25,000
  成本:$0.0625/请求

Level 1: 摘要压缩
  对话历史 → 递归摘要 → 注入摘要
  压缩比:3:1
  每请求Token:~10,000
  成本:$0.025/请求(↓60%)

Level 2: 检索增强记忆
  记忆文件 → 向量索引 → Top-K召回
  压缩比:8:1
  每请求Token:~4,000
  成本:$0.010/请求(↓84%)

Level 3: 多信号融合压缩
  语义相似度 + 时序衰减 + 任务相关性
  压缩比:12:1
  每请求Token:~2,500
  成本:$0.006/请求(↓90%)

5.3 多Agent间的上下文传递优化

多Agent系统中,Agent间的消息传递是Token消耗的重灾区。核心优化策略:

策略一:结构化摘要替代原始输出

# 反模式:传递原始输出
researcher_output = """
[5000 tokens of raw search results...]
"""
writer_agent.invoke({"research": researcher_output})

# 优化:传递结构化摘要
structured_summary = summarize_with_schema(
    researcher_output,
    schema={
        "key_findings": "list[str]",
        "data_points": "list[tuple[str, float]]",
        "recommendations": "list[str]"
    }
)  # 约500 tokens
writer_agent.invoke({"research": structured_summary})

策略二:共享黑板模式

# 使用Redis/共享存储替代消息传递
from langgraph.graph import StateGraph

class SharedBlackboard(TypedDict):
    findings: Annotated[list, add_messages]
    shared_context: str  # 压缩后的共享上下文

# 每个Agent只读取blackboard中的摘要
# 而非完整的历史对话

实测中,结构化摘要传递在5-Agent协作中将Agent间通信Token减少78%,整体任务成功率保持不变。


六、可观测性:Token流向的X光机

6.1 全链路追踪架构

多Agent系统的Token追踪需要端到端的可观测性栈:

graph TB
    subgraph "应用层"
        A[用户请求] --> B[Orchestrator]
        B --> C[Agent A: 研究员]
        B --> D[Agent B: 分析师]
        B --> E[Agent C: 撰稿人]
    end

    subgraph "网关层"
        C --> F[LiteLLM Gateway]
        D --> F
        E --> F
        F --> G[模型路由决策]
        G --> H[缓存检查]
        H --> I[Token计量]
    end

    subgraph "模型层"
        I --> J[GPT-4o]
        I --> K[GPT-4o-mini]
        I --> L[Claude Haiku]
    end

    subgraph "可观测性层"
        I --> M[Helicone Dashboard]
        I --> N[OpenTelemetry]
        N --> O[Granafa]
        M --> P[成本告警]
        O --> Q[Token热力图]
    end

6.2 关键指标

生产级多Agent系统需要监控的Token指标:

指标 计算方式 告警阈值
Token效率比 有效输出Token / 总消耗Token < 30% 告警
每Agent成本 该Agent总Token × 模型单价 > 预算80% 告警
上下文膨胀率 当前轮Token / 首轮Token > 5x 告警
缓存命中率 缓存命中请求 / 总请求 < 20% 告警
重试Token浪费 重试消耗Token / 总Token > 15% 告警

6.3 成本归因报告示例

╔══════════════════════════════════════════════╗
║  Multi-Agent Token Cost Report - 2026-05-25 ║
╠══════════════════════════════════════════════╣
║  Task: market_analysis_v2                    ║
║  Duration: 47.3s                             ║
║  Total Tokens: 142,847                       ║
║  Total Cost: $0.427                          ║
╠══════════════════════════════════════════════╣
║  Agent Breakdown:                            ║
║  ├── researcher  78,200 tok  $0.234 (54.8%) ║
║  ├── analyst     41,650 tok  $0.125 (29.2%) ║
║  └── writer      22,997 tok  $0.068 (16.0%) ║
║                                              ║
║  Efficiency:                                 ║
║  ├── Input:     112,400 tok (78.7%)          ║
║  ├── Output:     30,447 tok (21.3%)          ║
║  ├── Wasted:     28,500 tok (20.0%) ← ⚠     ║
║  └── Cached:     31,200 tok (saved $0.094)   ║
║                                              ║
║  Budget Status:                              ║
║  ├── Daily:     $12.40 / $50.00 (24.8%)     ║
║  └── Hourly:    $2.10 / $10.00 (21.0%)      ║
╚══════════════════════════════════════════════╝

七、实战方案:从零搭建Token可控的多Agent系统

7.1 架构选型

组件 推荐方案 备选 成本
编排框架 LangGraph CrewAI 免费
AI网关 LiteLLM Portkey 开源/免费
可观测性 Helicone LangSmith 免费额度
模型路由 自研 + LiteLLM OpenRouter 免费
记忆压缩 Mem0 自研摘要 有免费层
向量存储 Chroma Qdrant 开源

7.2 完整代码骨架

"""Token预算可控的多Agent系统"""
from litellm import completion
from langgraph.graph import StateGraph, END
from typing import TypedDict, Annotated
import hashlib

# === 1. Token预算管理器 ===
class TokenBudgetManager:
    def __init__(self, budgets: dict):
        self.budgets = budgets  # {"researcher": 500000, ...}
        self.usage = {k: 0 for k in budgets}

    def check(self, agent: str, estimated: int) -> str:
        """检查预算,返回推荐的模型"""
        remaining = self.budgets[agent] - self.usage[agent]
        if remaining < estimated * 0.2:
            return "gpt-4.1-nano"  # 紧急降级
        elif remaining < estimated * 0.5:
            return "gpt-4o-mini"   # 节约模式
        return None  # 使用默认模型

    def record(self, agent: str, tokens: int):
        self.usage[agent] += tokens

# === 2. 结构化摘要函数 ===
def compress_output(raw_output: str, schema: dict) -> str:
    """用便宜模型压缩输出"""
    prompt = f"Extract the following from the text:\n{schema}\n\nText:\n{raw_output}"
    resp = completion(
        model="gpt-4.1-nano",  # 用最便宜的模型压缩
        messages=[{"role": "user", "content": prompt}],
        max_tokens=500
    )
    return resp.choices[0].message.content

# === 3. 共享状态(黑板模式)===
class AgentState(TypedDict):
    task: str
    research_summary: str  # 压缩后的研究摘要
    analysis_summary: str  # 压缩后的分析摘要
    final_output: str
    token_log: Annotated[list, lambda x, y: x + y]

# === 4. Agent节点(带预算检查)===
budget_mgr = TokenBudgetManager({
    "researcher": 500000,
    "analyst": 300000,
    "writer": 200000
})

def researcher_node(state: AgentState) -> dict:
    model_override = budget_mgr.check("researcher", 5000)
    model = model_override or "gpt-4o-mini"

    resp = completion(
        model=model,
        messages=[{"role": "user", "content": state["task"]}],
        tools=search_tool_defs
    )

    # 压缩输出
    summary = compress_output(
        resp.choices[0].message.content,
        {"findings": "list", "sources": "list"}
    )
    budget_mgr.record("researcher", resp.usage.total_tokens)

    return {
        "research_summary": summary,
        "token_log": [{"agent": "researcher", "tokens": resp.usage.total_tokens}]
    }

# === 5. 构建图 ===
graph = StateGraph(AgentState)
graph.add_node("research", researcher_node)
graph.add_node("analyze", analyst_node)
graph.add_node("write", writer_node)
graph.add_edge("research", "analyze")
graph.add_edge("analyze", "write")
graph.add_edge("write", END)
graph.set_entry_point("research")

app = graph.compile()

八、成本对比:优化前后的真实数据

8.1 典型场景:6-Agent市场分析工作流

阶段 优化前 Token 优化后 Token 节省
系统提示注入 12,000 4,200 65%
研究Agent调用 45,000 18,500 59%
分析Agent调用 38,000 15,200 60%
Agent间消息传递 28,000 6,100 78%
最终输出生成 8,000 7,500 6%
总计 131,000 51,500 61%
成本(GPT-4o) $0.393 $0.155 61%

8.2 规模化效应

日对话量 优化前月成本 优化后月成本 月节省
1,000 $393 $155 $238
10,000 $3,930 $1,550 $2,380
100,000 $39,300 $15,500 $23,800
1,000,000 $393,000 $155,000 $238,000

在百万级日对话量的企业场景下,Token优化带来的年化节省可达$286万。


九、变现场景:Token经济学训练营设计

9.1 训练营大纲

模块 内容 时长 变现点
模块一 Token经济学基础 2h 理论框架
模块二 成本归因实操(LiteLLM+Helicone) 3h 实战价值
模块三 模型路由策略设计 3h 核心技能
模块四 上下文压缩实战 3h 高级技能
模块五 全链路可观测性搭建 2h 运维能力
模块六 企业级方案设计 3h 综合输出

9.2 市场定价参考


十、结论与趋势

多Agent系统的Token经济学正在从"事后核算"走向"实时管控"。三个关键趋势值得关注:

趋势一:Token成为一等公民。 arXiv论文《Token Economics for LLM Agents》标志着学术界正式将Token视为Agent系统的经济原语,未来框架将原生集成Token预算管理。

趋势二:网关层成为成本控制枢纽。 LiteLLM、Portkey、Helicone等AI网关正在成为多Agent系统的"财务部门",所有请求必须经过网关的预算审批。

趋势三:语义缓存改变游戏规则。 当相同的子任务出现在不同工作流中时,语义缓存可以避免重复调用LLM。实测数据显示,在重复性较高的企业场景中,语义缓存的命中率可达30-45%,直接将Token成本砍掉三分之一。

从烧钱到控钱,多Agent系统的Token经济学不是可选项,而是生产上线的必经之路。


graph LR
    subgraph "Token经济学六层栈"
        L1["第六层<br/>可观测性<br/>Helicone/Grafana"]
        L2["第五层<br/>预算引擎<br/>LiteLLM/Portkey"]
        L3["第四层<br/>模型路由<br/>三层分级策略"]
        L4["第三层<br/>上下文压缩<br/>摘要/检索/多信号"]
        L5["第二层<br/>成本归因<br/>网关/回调/原生"]
        L6["第一层<br/>Token计量<br/>Usage API"]
    end

    L1 --> L2 --> L3 --> L4 --> L5 --> L6

    style L1 fill:#e1f5fe
    style L2 fill:#b3e5fc
    style L3 fill:#81d4fa
    style L4 fill:#4fc3f7
    style L5 fill:#29b6f6
    style L6 fill:#03a9f4

参考来源

  1. Token Economics for LLM Agents: A Dual-View Study from Computing and Economics — arXiv 2026年5月论文,首次系统定义LLM Agent的Token经济学框架
  2. AI Agent Token Attribution and Cost Allocation in Multi-Project Workflows — Zylos研究,三种成本归因架构的行业分析
  3. The 2026 Token Optimization Playbook: Cut AI Agent Memory Costs 3-4X — Mem0出品,Agent记忆Token压缩四级策略
  4. Best 5 AI Gateways for Token Budgeting in 2026 — FutureAGI评测,五大AI网关Token预算能力横评
  5. How Do AI Agents Spend Your Money? Analyzing and Predicting Token Consumption — arXiv论文,Agent编码场景Token消耗的实证分析
  6. Expensively Quadratic: the LLM Agent Cost Curve — 技术博客,量化分析Agent循环的二次方Token增长曲线

[!tip] 51学通信知识星球 星主:爱卫生(微信:gprshome201101)——公众号「51学通信」创办者,19 年通信行业运维与讲师经验,著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书(各大电商平台有售)。 星球定位:深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域,主打运维岗位与信令分析。 当前规模:5200 篇主题 / 990 个回答,198 元/年。 加入福利:加入星球后请加爱卫生微信,拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题,另有群内分享。 AI 加持:51学通信知识星球已作为 skill 接入 WorkBuddy,使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例,做总结、找文档和 PPT 等场景全覆盖。

51学通信知识星球海报-扫码加入