一、看不见的成本危机

MCP 生态的繁荣带来了 Agent 和 Skill 的爆炸式增长。一个企业可能运行着数十个 Agent，调用着数百个Skill，每天产生数百万次调用。这些调用背后是真实的成本：大模型 API 调用按 token 计费，外部 API 按请求次数收费，数据处理服务按计算资源付费，网络传输按流量计费。

然而，大多数团队对这些成本缺乏可见性。他们知道总的云账单在增长，但不知道是哪个 Agent 导致的，哪个Skill 最昂贵，哪个用户产生了最多的调用。没有精细化的成本数据，优化就无从谈起。

MCP 的审计日志正是解决这个问题的关键。每一次 Skill 调用都被记录在审计日志中，包含调用者、目标、参数、时间戳、耗时等信息。这些数据是成本分析的黄金素材。

本章将探讨如何从 MCP 审计日志中提取成本数据，按 Agent、Skill、用户、时间段进行成本归集，并制定基于数据的成本优化策略。

二、审计日志中的成本信息

MCP 审计日志记录了每次调用的详细信息，这些信息可以直接或间接地用于成本计算。

直接成本信息包括调用次数。每次调用都有固定的成本，例如外部 API 按次计费。调用耗时，对于按时间计费的服务，耗时直接决定成本。传输数据量，对于按流量计费的服务，请求和响应的数据量决定成本。

间接成本信息包括调用链长度，一个用户请求可能触发多个 Skill 调用，需要将子调用成本归集到原始请求。参数特征，某些参数值可能意味着更高的成本，如图像尺寸、查询复杂度。返回结果大小，大结果集意味着更多的数据传输和可能的后续处理成本。

MCP 审计日志中的标准字段足以支撑成本分析。caller_id 标识调用来源，target 标识被调用的 Skill，timestamp 记录时间，duration 记录耗时，request_size 和 response_size 记录数据量，parameters 记录调用参数，result 记录返回结果。

三、成本归集模型

有了审计日志中的基础数据，就可以建立成本归集模型。归集的目的是将原始调用成本分配到不同的责任单元。

按 Agent 归集

每个 Agent 由 caller_id 标识。将所有属于同一个 Agent 的调用成本相加，就得到该 Agent 的总成本。这可以帮助回答：哪个 Agent 最昂贵？某个 Agent 的成本趋势是上升还是下降？

按 Skill 归集

每个 Skill 由 target 标识。将所有对同一个 Skill 的调用成本相加，就得到该 Skill 的总成本。这可以帮助回答：哪个 Skill 最昂贵？某个 Skill 的成本是否合理？是否存在更便宜的替代 Skill？

按用户归集

用户标识通常放在 Context 的 user_id 字段中。将所有属于同一个用户的调用成本相加，就得到该用户的总成本。这可以帮助回答：哪个用户消耗了最多的资源？是否需要对高消耗用户进行治理？

按时间段归集

按小时、天、周、月对成本进行聚合，可以观察成本的时间模式。是否存在明显的峰值时段？成本增长是线性的还是指数级的？周末和节假日的成本模式如何？

按调用链归集

一个用户请求可能触发多个 Skill 调用，形成调用链。通过 Context 中的 parent_action_id，可以将子调用的成本归集到根调用。这可以帮助回答：哪个业务流程最昂贵？优化哪个环节的收益最大？

四、成本计算的实现

在实际实现中，成本计算需要以下几个步骤。

第一步，定义成本模型。为每种类型的调用定义单价。例如，大模型 API 调用每千 token 的价格。外部 API 调用每次请求的价格。数据传输每 GB 的价格。计算资源每秒的价格。这些单价可以从云厂商或服务提供商的账单中获取。

第二步，从审计日志中提取成本因子。每次调用的次数是 1。耗时可以从 duration 字段获取。数据量可以从request_size 和 response_size 获取。对于大模型 Skill，还可以从 parameters 中提取 token 使用量。

第三步，计算单次调用成本。使用成本模型中的单价乘以对应的成本因子，得到单次调用的成本。如果调用失败，是否需要计费取决于失败类型。客户端错误通常不计费，服务端错误可能部分计费。

第四步，归集和聚合。按照需要的维度，对成本进行聚合。可以生成按 Agent、按 Skill、按用户、按小时的多维报表。

Peta 内置了成本分析模块。管理员只需要在控制台中配置单价，Peta 会自动从审计日志中计算成本，并生成可视化的成本报表。

五、成本分析的典型发现

通过对审计日志的成本分析，团队常常会发现一些意想不到的模式。

发现一：少数 Skill 贡献了大部分成本

帕累托原则在 MCP 成本中也适用。通常，百分之二十的 Skill 贡献了百分之八十的成本。这些高成本 Skill 是优化的首要目标。

发现二：重复调用导致成本浪费

一个常见的低效模式是 Agent 在短时间内重复调用同一个 Skill，传入相同的参数。这可能是因为 Agent 的推理逻辑有问题，或者没有缓存机制。优化重复调用可以大幅降低成本。

发现三：大结果集未被充分利用

某些 Skill 返回了大量数据，但 Agent 只使用了其中的一小部分。例如，查询返回一百个订单，但 Agent 只用了前三个。这造成了传输和存储的浪费。

发现四：低效的调用链

一个简单的用户请求可能触发了一个过长或循环的调用链。例如，查询订单时，Agent 先调用了用户信息Skill，再调用了订单列表 Skill，最后又调用了用户信息 Skill。调用链优化可以同时降低延迟和成本。

发现五：非工作时间的异常调用

某些 Skill 在非工作时间有大量调用，而这些调用可能是批处理任务，可以推迟到低峰时段执行以降低成本。

六、成本优化策略

基于审计日志的分析结果，可以制定针对性的优化策略。

策略一：缓存高频重复调用

对于重复调用的 Skill，引入缓存机制。缓存可以放在 Agent 侧、网关侧或 Skill 侧。Peta 网关支持配置缓存策略，对于只读 Skill 的相同请求，可以缓存响应一段时间，减少重复调用。

策略二：限制结果集大小

对于返回大结果集的 Skill，强制要求 Agent 提供分页或限制参数。可以在策略中配置：query_order Skill 最多返回一百条记录。超过限制的请求被拒绝或截断。

策略三：替换高成本 Skill

如果存在多个实现相同功能的 Skill，可以根据成本选择更便宜的替代品。Peta 的策略引擎支持成本感知的路由，可以自动将调用路由到成本最低的可用 Skill。

策略四：优化调用链

分析调用链，识别冗余和低效的模式。优化 Agent 的决策逻辑，避免重复调用。将多个独立调用合并为批量调用。

策略五：延迟非紧急调用

对于不需要实时响应的批处理任务，可以将调用推迟到低峰时段。Peta 支持延迟调用队列，Agent 可以将调用提交到队列，指定期望的执行时间。

策略六：限流防止成本失控

对高成本 Skill 设置调用频率上限。超过上限的请求被拒绝或降级。限流不仅保护系统稳定性，也保护预算。

七、成本治理的文化建设

成本分析和技术优化只是故事的一部分。更重要的是建立成本意识和成本治理的文化。

成本可见性

定期向团队分享成本报表。让每个 Agent 开发者看到自己的 Agent 消耗了多少成本。让每个 Skill 维护者看到自己的 Skill 产生了多少成本。透明是改变行为的第一步。

成本预算

为每个 Agent、每个 Skill、每个用户设置成本预算。当预算接近上限时，系统自动发出告警。当预算超限时，自动限流或拒绝调用。

成本归因

将成本归集到具体的业务单元或项目。财务部门可以根据成本数据向业务部门内部结算。这促使业务部门关注成本效率。

成本优化激励机制

将成本优化纳入绩效考核。对显著降低成本的改进给予奖励。建立成本优化的最佳实践库，鼓励团队分享。

八、Peta 的成本管理实践

Peta 提供了一套完整的成本管理解决方案。

成本配置

管理员可以在 Peta Console 中配置成本模型。为不同类型的调用设置单价。Peta 提供了常见云服务的预定义单价模板，如大模型 API、对象存储、数据传输。

成本报表

Peta 自动生成多维度的成本报表。报表可以按 Agent、Skill、用户、时间段进行分组和聚合。报表可以导出为CSV 或集成到 BI 工具中。

成本告警

管理员可以设置成本告警阈值。当某个 Agent 或 Skill 的成本在单位时间内超过阈值时，Peta 自动发送告警。

成本预算

可以为 Agent 或 Skill 设置月度或周度预算。预算使用情况实时显示在控制台仪表盘上。

成本优化建议

Peta 的 AI 引擎会分析审计日志，自动生成成本优化建议。例如，“发现 Skill A 在一小时内被同一 Agent 重复调用五十次，建议启用缓存”。管理员可以一键采纳这些建议。

九、小结：看不见的成本是可以看见的

本章的核心结论可以总结为以下几点。

第一，MCP 调用的背后是真实的成本，但大多数团队对这些成本缺乏可见性。MCP 的审计日志是成本分析的黄金素材。

第二，审计日志中的调用次数、耗时、数据量、参数特征等信息可以直接或间接用于成本计算。

第三，成本归集应该按 Agent、Skill、用户、时间段、调用链等多个维度进行，以便定位成本来源。

第四，成本分析常常会发现少数 Skill 贡献大部分成本、重复调用、大结果集未充分利用、低效调用链、非工作时间异常调用等模式。

第五，优化策略包括缓存高频调用、限制结果集大小、替换高成本 Skill、优化调用链、延迟非紧急调用、限流。

第六，成本治理的文化建设同样重要，包括成本可见性、成本预算、成本归因、激励机制。

第七，Peta 提供了完整的成本管理解决方案，包括成本配置、报表、告警、预算、优化建议。

看不见的成本是可以看见的。通过审计日志和成本分析，企业可以将模糊的云账单转化为精细化的成本洞察，用数据驱动成本优化。

在下一章，我们将讨论多租户 MCP 控制平面中的隔离、配额与计费设计。