Számlázás: Minden ügynök számít
Ezen az oldalon
Egy eltérő számlázási modell
Mielőtt élesben indítanád a rendszert, jegyezd meg ezt az egy dolgot: minden egyes ügynök által felhasznált tokent számlázzuk. Ez egyetlen mondatban összefoglalható, de a következményei megjelennek a számládon. Sok csapat úgy ismeri meg a többügynökös rendszereket, hogy néhány lekérdezésen alapuló meggyőző demót látnak, majd elérhetővé teszik azt felhasználóik számára, és a hónap végén tízszeres eltérést tapasztalnak az előrejelzéseikhez képest. Ez a lecke biztosítja, hogy ne csatlakozz hozzájuk.
Mit számlázunk
Minden egyes kérés esetén három kategóriába sorolt tokenért fizetsz minden érintett ügynök után – legyen szó vezető ügynökről vagy alügynökökről: bemeneti tokenek, kimeneti tokenek és következtetési (reasoning) tokenek. Ez utóbbi az, amit elfelejtesz, mert láthatatlan. Az alügynökök belső következtetési folyamata titkosított és számodra hozzáférhetetlen, de attól még beszámítjuk. Ehhez add hozzá bármely ügynök által végrehajtott eszközlehívásokat (tool calls) és az ügynökök közötti koordinációs kommunikációt: a belső csapatmegbeszélés is munka, tehát tokeneket fogyaszt.
Hogyan néz ez ki a gyakorlatban
Egy szabványos, Grok modellnek címzett kérés esetén egyetlen modell tokenjeiért fizetsz. Négy ügynök esetén számíts legalább négyszeres költségre, és általában még többre, mivel az ügynökök interakcióba lépnek egymással. Tizenhat ügynök esetén a különbség a téma összetettségétől és a kiváltott keresések számától függően a tízszeres és az ötvenszeres között mozog. Egyetlen, aktív keresőeszközökkel felszerelt tizenhat ügynöknek címzett kérés könnyen generál több tízezer tokent, és ennél jóval többet is, ha egy széles körű nyomozásról van szó.
Az eszközök jelentősen hozzájárulnak ehhez az összeghez, három halmozódó ok miatt: az ügynök által az eszköznek küldött kérés, az eszköz által visszaadott válasz, valamint e válasz feldolgozása. Szorozd ezt meg tizenhat ügynökkel, akik mindegyike több webes keresést végez, és máris látod, miért nő ilyen gyorsan a volumen.
Négy kar a költségek szabályozására
A legegyszerűbb kar egyben a leghatékonyabb is: állítsd be rendszeresen négy ügynököt alapértelmezettként. Csak akkor válts tizenhatra, ha a mélység valóban tét kérdése, ami az esetek kisebbségére jellemző. A kérdések túlnyomó többségére négy ügynök is kiváló választ ad, és a felhasználó semmi különbséget nem vesz észre, leszámítva a rövidebb válaszidőt.
Ezt követi a promptok pontossága. Egy homályos prompt szétszórja az ügynököket, és minden feleslegesen bejárt út pénzbe kerül. A „Mondd el nekem mindazt, ami az AI-ról szól Európában“ kérés tizenhat irányba küld tizenhat ügynököt megállási feltételek nélkül; míg az „Mik azok a 3 fő AI-szabályozási keretrendszer az EU-ban, amelyeket 2025–2026-ban szavaztak meg?“ kérdés behatárolja a munkát, és hasznosabb választ eredményez kevesebbért. Az itt tanúsított szigorú fogalmazás ugyanolyan gazdaságossági intézkedés, mint minőségi szempont.
Harmadik pont, és ezt nyíltan ki kell jelenteni: a többügynökös megoldás nem való mindenhova. Akkor indokolt, ha a válasz több forrás keresztbenhivatkozását igényli, ha összetett összehasonlító elemzést kell végezni, vagy ha hírek szintézisét kéred egy tág témakörben. Egy ténykérdésre, amelynek egyetlen válasza van, egy szabványos modell a töredékébe kerül, és ugyanolyan jól, néha még jobban is válaszol.
Végül a szervezeti oldal: figyeld a fogyasztást, ne pedig utólag szembesülj vele. Állíts be költségkeret-riasztásokat a xAI-fiókodban és tokenkorlátokat az alkalmazásodban, így figyelmeztetést kapsz, amint a költés elkezdi túllépni a határokat, nem pedig utólag.
Emlékeztető költségvetési következményekkel
A többügynökös modell nem érhető el a Chat Completions API-n keresztül. Ha az infrastruktúrád erre támaszkodik, a többügynökös rendszer bevezetése azt jelenti, hogy át kell állnod a Responses API-ra az OpenAI SDK-val, vagy a xAI SDK-ra. Ez a migrációs költség ugyanúgy része az egyenletnek, mint a tokenek ára: építsd be a döntéshozatalodba, ne pedig fejlesztés közben szembesülj vele.
Főbb megállapítások
- Minden token számlázásra kerül minden ügynöktől (bemenet, kimenet, következtetés)
- Minden ügynök eszközlehívásai további számlázott tokeneket generálnak
- 16 ügynök jelentősen többet fogyaszt, mint 4 ügynök
- Mindig 4 ügynökkel indulj, és csak szükség esetén skálázz fel
- A többügynökös rendszert csak olyan kérésekhez tartogasd, amelyek ezt valóban indokolják
- A Chat Completions API nem támogatott a többügynökös működéshez