4.3 成本优化
引言：Agent 的账单会吓到你
一个 Agent 一次调用可能不贵，但 Agent 系统是持续运行的——每分钟几十次调用，每天数千次，每月的账单可能比你的云服务器还贵。
成本优化不是省钱，是让 Agent 系统可持续运行的必要条件。
四大策略
策略一Prompt Caching
缓存复用——相同前缀的 Prompt 不重复计算 token
成本降低 41%-80%延迟降低 60%+
将稳定的指令放在 Prompt 前部，确保命中缓存前缀策略二Model Routing
模型路由——不同任务用不同能力的模型
综合成本降低 50%-70%
简单任务用小模型，复杂任务才调大模型策略三Context Compression
上下文压缩——摘要和裁剪历史上下文
长任务成本降低 40%-60%
滑动窗口 + 摘要 + 只保留关键信息策略四Sub-Agent Isolation
子 Agent 隔离——大任务拆给专门的子 Agent
效果避免上下文膨胀
主 Agent 分发任务，子 Agent 独立运行并返回结果模型路由：架构设计，不是事后优化
模型路由不是"能省就省"的省钱技巧，而是系统架构层面的设计决策。
Planner（规划者）强模型（Opus/Gemini Ultra）规划需要深度推理，不能省
Worker（执行者）编程模型（Sonnet/GPT-4o-mini）编码任务量大但模式化
Evaluator（评估者）廉价模型（Haiku/GPT-4o-mini）判断通过/不通过，不需要深度推理
Lint/格式检查本地模型（Ollama）规则明确，无需调用云端 API
成本对比（每 1000 次调用）
实战案例
案例：OpenClaw 的 97% 成本削减
OpenClaw 是一个开源 Agent 项目，通过以下组合策略将月度 API 成本从 $2000 降至 $60：
- Prompt Caching：系统 Prompt 缓存命中率达 90%
- Model Routing：80% 的调用路由到 Haiku，仅 5% 走 Opus
- Context Compression：对话历史压缩到原来的 30%
- Sub-Agent 隔离：每个子任务独立上下文，避免级联膨胀
关键洞察：不是每个任务都需要最聪明的模型。80% 的工作用 20% 的成本就能完成。
MCP 的隐藏成本
MCP 隐藏成本
MCP Server 带来了便利，但也有隐藏成本：
- 延迟成本：每个 MCP Server 调用都是一次 I/O，多个 Server 串行调用会显著增加延迟
- Token 成本：MCP Server 返回的数据全部进入上下文窗口，可能快速填满 token 预算
- 维护成本：每个外部 MCP Server 都是依赖项，需要版本管理和故障预案
- 安全成本：更多 Server = 更大攻击面，每个 Server 都需要权限审查
建议：只启用真正需要的 MCP Server，定期审计使用情况。
本节小结
📌 本节核心要点
- 四大策略：缓存复用、模型路由、上下文压缩、子 Agent 隔离
- 模型路由是架构设计，不是省钱技巧——不同角色用不同模型
- 80% 的工作用 20% 的成本就能完成
- MCP 带来便利但也有隐藏成本，需要定期审计
思考题
- 你的 Agent 系统中，哪 20% 的调用消耗了 80% 的成本？怎么优化？
- 如果模型路由把一个本该用强模型的任务分给了弱模型，后果是什么？怎么检测和回退？
- MCP Server 的延迟和 token 成本，你有没有做过量化测量？
下一节预告
架构、工具、安全、成本都讲了，接下来进入实战——六步实践路径。