AIエージェントのコストを見積もる方法

AIエージェントは1回のリクエストで済むわけではない。何十回ものリクエストを行い、各ステップで増え続ける会話を再送信する。だからこそエージェントの請求額は入力トークンが大部分を占め、チャットアプリで培った「回答あたりの価格」という直感が通用しない。ここでは、エージェントを実行する前にコストを見積もる方法と、お金が実際にどこへ消えるのかを説明する。

計算式#

1回のリクエストのコストは、入力トークン数×入力単価＋出力トークン数×出力単価で求められる。単価は100万トークンあたりで表示される：

request_cost = input_tokens / 1,000,000 × input_price
             + output_tokens / 1,000,000 × output_price

タスクのコストは、エージェントがそのタスクを解く間に行う全リクエストの合計である。

エージェントが入力中心になる理由#

各ステップでエージェントはモデルに以下を送信する：

• システムプロンプトとツール定義；
• これまでの履歴全体 — 以前のメッセージ、モデルの過去の回答、ツールの結果（ファイル内容、コマンド出力、検索結果）；
• 新しい指示。

モデルは通常、短いメッセージかツール呼び出しで応答する。その後、ツールの結果が履歴に追加され、次のステップで再びすべてが送信される。つまり各ステップの入力は増え続けるが、出力は小さいままだ。

計算例#

条件（仮定 — 自分のエージェントの数値に置き換えること）：

• システムプロンプトとツール定義：6,000トークン；
• 各ステップで1,500トークンのツール結果と500トークンのモデル出力が履歴に追加される；
• タスクは30ステップかかる；
• モデル：DeepSeek-V4-Flash、100万入力トークンあたり$0.0221、100万出力トークンあたり$0.10（現在の単価）。

ステップnの入力は6,000＋(n − 1)×2,000トークン。30ステップでは：

• 総入力：30×6,000＋2,000×(0＋1＋…＋29)＝180,000＋870,000＝1,050,000トークン；
• 総出力：30×500＝15,000トークン；
• コスト：1.05×$0.0221＋0.015×$0.10 ≈ タスクあたり$0.0247。

入力はトークンの98.6%を占め、コストのほぼすべてを占める。入力がどれだけ支配的かはシナリオ次第だ。長い回答、生成ファイル、推論モデルは出力の割合を上げ、履歴を削減したりツール出力を短くすれば入力の割合は下がる。

同じタスクを現在の単価で各モデルで実行した場合、比較用にOpenRouterの参考価格も示す：

コードで見積もる#

同じ計算を関数にしたもの — 仮定と単価を変更する：

def estimate(steps, base_tokens, tool_tokens, out_tokens, price_in, price_out):
    """Token totals and cost of one agent task. Prices: $ per 1M tokens."""
    grow = tool_tokens + out_tokens            # what each step adds to the history
    total_in = steps * base_tokens + grow * steps * (steps - 1) // 2
    total_out = steps * out_tokens
    cost = (total_in * price_in + total_out * price_out) / 1_000_000
    return total_in, total_out, round(cost, 5)

# example rates, $ per 1M tokens — put in the current ones from the pricing table below
print(estimate(30, 6_000, 1_500, 500, price_in=0.10, price_out=0.40))
# (1050000, 15000, 0.111)

二次の項に注目：ステップ数を2倍にすると入力はほぼ4倍になる。長いセッションが高くつくのは、単一のステップのせいではなく、各ステップが履歴全体を運ぶからだ。

推測ではなく測定する#

すべての応答にはusage.prompt_tokens（入力）とusage.completion_tokens（出力）が含まれる。実際のタスクの各ステップでこれらを記録し、現在の料金を掛ければ実際のコストがわかる。ダッシュボードにはモデル別・日別の使用量も表示される。

現在の料金 — 料金ページと同じデータ：

コストを削減する7つの方法#

1. 無関係な作業には新しいタスクを開始する。 新しいセッションは前のセッションの履歴を引き継がない。
2. エージェントにはファイル全体ではなく断片を渡す。 3,000行のモジュールではなく、関数とその呼び出し元を渡す。
3. ツール出力を削減する。 長いログやコマンド出力はセッションの残りずっと履歴に残る — 例えば| tail -n 50で制限する。
4. 長いセッションを要約する。 多くのエージェントは履歴を圧縮できる。コンテキストが長くなる前に使う。
5. 長い回答が不要な場合はmax_tokensで回答の長さを制限する。
6. ステップに適したモデルを使う。 定型ステップに推論モデルは不要だ。
7. 前払い予算を維持する。 残高は前払い制だ。使い切ると、リクエストは無制限の請求が積み上がる代わりにHTTP 402で停止する。

同じワークロードをモデル間で比較したり、OpenRouterと比較したりするには、ホームページのコスト比較を使う。