---
title: "Dove vanno i token di un agente AI e come ridurli | BroadRouter"
description: "System prompt, schemi dei tool, letture di file, cronologia e ragionamento: come spende token un agente, come misurare ogni parte e cosa tagliare prima."
url: https://broadrouter.com/it/blog/agent-token-budget/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/agent-token-budget/) (aggiornato il 2026-11-14).

# Budget di token di un agente: dove vanno i token di un ciclo

A cura del team di BroadNet Inference · 5 min di lettura · Pubblicato 2026-11-14

Un ciclo da agente rinvia tutto il contesto a ogni chiamata: system prompt, definizioni dei tool, cronologia della conversazione, contenuto dei file e output dei tool, più il nuovo passo. Di solito l’input supera l’output di molte volte. Registra prompt\_tokens, cached\_tokens e completion\_tokens per chiamata, trova il blocco ripetuto più grande, poi taglia i tool, limita l’output dei tool e riavvia le sessioni lunghe.

## Punti chiave

-   Ogni chiamata al modello rinvia tutto il contesto. Un’attività da 40 passi con 30.000 token per chiamata legge 1,2 milioni di token di input.
-   Le cinque voci: system prompt, schemi dei tool, cronologia, letture di file e output dei tool, e l’output compreso il ragionamento.
-   Misura per chiamata dal blocco usage: prompt\_tokens, prompt\_tokens\_details.cached\_tokens e completion\_tokens.
-   Cursor ha riferito che system prompt e definizioni dei tool erano diventati una delle maggiori fonti di spesa sotto il suo pieno controllo.
-   Taglia in quest’ordine: tool inutilizzati, output dei tool sovradimensionato, cronologia superata, poi il system prompt. Mantieni identico il prefisso stabile, così resta in cache.

**In questa pagina**

1.  Perché un agente rinvia tutto?
2.  Dove vanno i token?
3.  Come lo misuri?
4.  Cosa conviene tagliare per primo?
5.  Perché mantenere stabile il prefisso?
6.  Com’è un budget d’esempio di un agente?
7.  Dove si inserisce BroadNet Inference

Una chat costa quello che scrivi più quello che scrive il modello. Un agente costa molto di più, perché chiama il modello decine di volte e ogni volta rinvia quasi tutto. Se vuoi ridurre quel costo, o semplicemente smettere di sbattere contro la [finestra di contesto](https://broadrouter.com/it/glossary/context-window/), devi sapere quale parte di ogni richiesta è grande. Questo articolo divide un ciclo da agente in cinque voci, mostra come misurarle con i dati di utilizzo dell’API stessa ed elenca cosa tagliare per primo.

## Perché un agente rinvia tutto?

Le API di chat completions sono stateless. Il modello non ricorda nulla tra una chiamata e l’altra, quindi l’agente invia tutto il contesto a ogni passo. Un’attività da 40 passi in cui ogni chiamata porta 30.000 token legge **1,2 milioni di token di input** per produrre forse 40.000 token di output. Quel rapporto di 30 a 1 è il motivo per cui i [token di input](https://broadrouter.com/it/glossary/input-and-output-tokens/) e il loro prezzo in cache dominano le fatture degli agenti.

## Dove vanno i token?

| Voce | Cos’è | Si ripete a ogni chiamata? | Causa tipica |
| --- | --- | --- | --- |
| System prompt | Istruzioni dell’agente, file di regole, note di progetto | Sì | File di regole lunghi |
| Schemi dei tool | Nome, descrizione e JSON Schema di ogni tool | Sì | Tool integrati più ogni server MCP |
| Cronologia | Messaggi precedenti, chiamate ai tool e risultati | Sì, e cresce | Sessioni lunghe |
| Letture di file e output dei tool | Contenuto dei file, log dei test, risultati di ricerca | Sì, finché non vengono tolti | Leggere file interi, comandi prolissi |
| Output | Risposta visibile, chiamate ai tool e ragionamento | No | Sforzo di ragionamento, riscrivere file interi |

Le prime due voci sono un costo fisso. A settembre 2026 Cursor ha scritto che system prompt e definizioni dei tool «had become one of the largest sources of spend that we fully control» (traduzione: erano diventati una delle maggiori fonti di spesa che controlliamo completamente), e ha definito le letture di file «another large source of token spend» (traduzione: un’altra grande fonte di spesa in token). Le sue modifiche, tra cui tagliare circa due terzi del system prompt e caricare solo quando servono i tool usati in meno del 20% delle conversazioni, hanno ridotto del 7% i costi in token degli utenti. Il team di VS Code di GitHub ha indicato gli stessi due costi per Copilot: il prefisso del prompt ripetuto e il peso delle definizioni dei tool.

## Come lo misuri?

Non ti serve un prodotto di tracing. Basta il blocco usage di ogni risposta.

1.  **Attiva l’usage.** In streaming, aggiungi `stream_options: {"include_usage": true}`; l’usage arriva nell’ultimo chunk. Vedi [streaming](https://broadrouter.com/it/guides/streaming-chat-completions/).
2.  **Registra per chiamata:** numero del passo, `prompt_tokens`, `prompt_tokens_details.cached_tokens`, `completion_tokens` e, quando è riportato, `completion_tokens_details.reasoning_tokens`.
3.  **Misura una volta il costo fisso.** Invia una richiesta con solo system prompt e tool, e la parola «hi». Il suo `prompt_tokens` è il tuo pavimento.
4.  **Misura l’output di un tool.** Conta i caratteri di ogni risultato di un tool prima di accodarlo. Dividendo per quattro ottieni un conteggio approssimativo di token per l’inglese; incolla un campione nel [contatore di token](https://broadrouter.com/tools/token-counter/) gratuito per la cifra esatta con il tokenizer del tuo modello.

```python
r = client.chat.completions.create(model=MODEL, messages=msgs, tools=tools)
u = r.usage
cached = getattr(u.prompt_tokens_details, "cached_tokens", 0) or 0
log.info("step=%d prompt=%d cached=%d out=%d", step, u.prompt_tokens, cached, u.completion_tokens)
```

Traccia `prompt_tokens` per passo. Una pendenza costante significa che la cronologia cresce. Un salto improvviso significa che nel contesto è entrato un file o un log grande. Un pavimento alto significa troppi tool.

In Aider, `/tokens` riporta cosa c’è nel contesto attuale e `/drop` ne toglie i file.

## Cosa conviene tagliare per primo?

Ordina per dimensione moltiplicata per ripetizioni, non per facilità:

1.  **Tool inutilizzati.** Ogni schema di tool viaggia con ogni chiamata. La guida di OpenAI dice che le definizioni delle funzioni «are billed as input tokens» (traduzione: sono fatturate come token di input) e suggerisce, come regola indicativa, meno di 20 funzioni all’inizio di un turno. Disattiva i server MCP che non usi in questa attività; la documentazione di opencode dice chiaramente che i tool MCP consumano contesto del modello.
2.  **Output dei tool.** Limita l’output dei comandi (le ultime 200 righe di un log di test, non 20.000). Restituisci i risultati di ricerca come percorsi e numeri di riga, poi leggi solo ciò che serve.
3.  **Letture di file.** Leggi la funzione, non il file. La mappa del repository di Aider usa un budget predefinito di 1k token (`--map-tokens`) invece di file interi.
4.  **Cronologia.** Apri una nuova attività per ogni modifica. Quando una sessione deve continuare, sostituisci i turni vecchi con un breve riassunto.
5.  **System prompt.** Togli le regole che il modello segue già. Mantieni stabile il resto.
6.  **Output.** Chiedi diff, non file interi. Imposta `reasoning_effort` su `low` per i passi di routine. I [token di ragionamento](https://broadrouter.com/it/glossary/reasoning-tokens/) si pagano come output.

## Perché mantenere stabile il prefisso?

I provider mettono in cache un prefisso ripetuto e lo fatturano a una tariffa più bassa. Su BroadNet Inference, [DeepSeek V4.1 Flash](https://broadrouter.com/it/models/deepseek-v4.1-flash/) fattura l’[input in cache](https://broadrouter.com/it/glossary/cached-input-tokens/) a $0.0055 per 1M di token e l’input nuovo a $0.175. [GLM 5.3](https://broadrouter.com/it/models/glm-5.3/) fattura $0.173 contro $0.78. Un timestamp nel system prompt, o tool elencati in un ordine diverso a ogni chiamata, rompono la cache da quel punto in poi. Metti prima le parti stabili, in un ordine fisso, e per ultime quelle che cambiano. Approfondisci in [i token di input in cache spiegati](https://broadrouter.com/it/blog/cached-input-tokens-explained/); il [calcolatore del prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/) mostra quanto fa risparmiare una data percentuale di hit.

La cache abbassa il prezzo del prefisso, ma non la sua dimensione. I token in cache riempiono comunque la finestra di contesto e richiedono comunque tempo di elaborazione.

## Com’è un budget d’esempio di un agente?

Prendi l’attività da 40 passi vista sopra, con l’80% dell’input in cache:

| Parte | Token | Fatturati a |
| --- | --- | --- |
| Input nuovo | 240.000 | Prezzo di input |
| Input in cache | 960.000 | Prezzo dell’input in cache |
| Output compreso il ragionamento | 40.000 | Prezzo di output |

Togliere da ogni chiamata 5.000 token di schemi di tool inutilizzati elimina 200.000 token di input da questa attività, circa un sesto del totale, senza cambiare il comportamento dell’agente. Per le leve di costo oltre al taglio, come la scelta del modello, la cache e i piani flat, vedi [10 modi per ridurre i costi LLM degli agenti di coding](https://broadrouter.com/it/blog/cut-coding-agent-llm-costs/). Per le configurazioni multi-agente, moltiplica per il numero di agenti; vedi [quanto costano le configurazioni multi-agente](https://broadrouter.com/it/blog/multi-agent-cost/). Per modellare il tuo ciclo passo per passo, usa lo [stimatore del costo di un’esecuzione](https://broadrouter.com/tools/agent-run-cost-estimator/).

## Dove si inserisce BroadNet Inference

BroadNet Inference restituisce i token di prompt e di completion nel blocco usage, più i token in cache e di ragionamento quando il modello li riporta, quindi la misurazione descritta sopra funziona così com’è. Il suo prezzo basso per l’input in cache su DeepSeek V4.1 Flash premia un prefisso stabile. Se tagliare non vale il tuo tempo, i piani illimitati tolgono il contatore di token per DeepSeek V4.1 Flash a $60 al mese per sessione; la finestra di contesto resta, e un contesto snello gira comunque più veloce. I piani sono su [inference.broadnet.ai/plans](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-agent-token-budget&utm_content=body).

Strumenti gratuiti sul tema (in inglese)

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

[Token](https://broadrouter.com/it/glossary/token/)

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Token di input in cache (cached input)](https://broadrouter.com/it/glossary/cached-input-tokens/)

I token di input in cache sono token del prompt che un provider LLM ha elaborato da poco e può riusare da una cache invece di ricalcolarli, di solito un prefisso ripetuto come un system prompt o un documento. I provider li fatturano a una tariffa più bassa dei token di input nuovi.

[Token di input e di output](https://broadrouter.com/it/glossary/input-and-output-tokens/)

I token di input sono quelli che un modello linguistico legge in una richiesta: system prompt, cronologia, definizioni degli strumenti e immagini. I token di output sono quelli che genera in risposta, ragionamento compreso. Le API LLM di solito li prezzano separatamente, e l’output costa di più.

[System prompt (prompt di sistema)](https://broadrouter.com/it/glossary/system-prompt/)

Il system prompt è il testo di istruzioni che un’applicazione invia a un modello linguistico prima della conversazione, di solito come messaggio con ruolo system o developer. Stabilisce ruolo, regole, tono e formato di output del modello, che dovrebbe seguirlo anche quando i messaggi dell’utente lo contraddicono.

[Streaming](https://broadrouter.com/it/glossary/streaming/)

Lo streaming è un modo di restituire la risposta di un modello linguistico in piccoli pezzi mentre viene ancora generata, invece che in un’unica risposta alla fine. Le API compatibili con OpenAI trasmettono in streaming tramite server-sent event quando la richiesta imposta stream a true.

[Finestra di contesto (context window)](https://broadrouter.com/it/glossary/context-window/)

La finestra di contesto è il numero massimo di token con cui un modello linguistico può lavorare in una singola richiesta. Comprende prompt, cronologia della conversazione, definizioni degli strumenti, immagini e output generato, token di ragionamento inclusi. Ciò che non ci sta va tagliato, riassunto o diviso su più richieste.

[Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/)

Il tool calling, detto anche function calling, è una funzionalità delle API LLM in cui il modello restituisce una richiesta strutturata di eseguire una funzione definita dallo sviluppatore, con argomenti JSON. L’applicazione esegue la funzione e rimanda il risultato; il modello non esegue mai codice da solo.

[MCP (Model Context Protocol)](https://broadrouter.com/it/glossary/mcp/)

L’MCP (Model Context Protocol) è un protocollo aperto, basato su JSON-RPC 2.0, che standardizza il modo in cui le applicazioni LLM si collegano a strumenti e dati esterni. Un server MCP espone strumenti, risorse e prompt; un client MCP dentro l’applicazione host li scopre e inoltra al server le chiamate agli strumenti fatte dal modello.

## Domande frequenti

### Perché il mio agente di coding usa così tanti token di input?

Perché l’API è stateless. Ogni chiamata rinvia il system prompt, ogni definizione di tool, la conversazione fin lì e tutto il contenuto dei file ancora nel contesto. Una sessione lunga moltiplica tutto questo per il numero di passi.

### Come vedo quanti token usa ogni passo dell’agente?

Leggi il blocco usage di ogni risposta. In streaming, imposta stream\_options include\_usage su true e leggi l’ultimo chunk. Registra prompt\_tokens, prompt\_tokens\_details.cached\_tokens e completion\_tokens con il numero del passo.

### Le definizioni dei tool contano come token di input?

Sì. L’elenco dei tool fa parte del prompt e viene inviato a ogni chiamata. I server MCP aggiungono i loro tool a quell’elenco, ed è per questo che la documentazione di opencode dice di aggiungere solo i server che ti servono.

### Il prompt caching risolve il problema?

Riduce il prezzo del prefisso ripetuto, non la sua dimensione. L’input in cache riempie comunque la finestra di contesto. Su BroadNet, DeepSeek V4.1 Flash fattura l’input in cache a $0.0055 per 1M di token contro $0.175 per l’input nuovo.

### I token di ragionamento fanno parte del budget?

Sì, sul lato dell’output. I modelli di ragionamento contano il ragionamento in max\_tokens e a consumo lo fatturano come output. Imposta reasoning\_effort su low per i passi di routine.

## Continua a leggere

-   [OpenClaw e Hermes Agent con un modello economico: setup e costi](https://broadrouter.com/it/blog/openclaw-hermes-agent-cheap-model/)
-   [Token di input in cache: come ridurre la bolletta delle API LLM](https://broadrouter.com/it/blog/cached-input-tokens-explained/)
-   [Quanto costano davvero i sistemi multi-agente: token o sessioni flat](https://broadrouter.com/it/blog/multi-agent-cost/)
-   [Miglior modello aperto per agenti di coding: tool, contesto e costo](https://broadrouter.com/it/blog/best-open-model-for-coding-agents/)
-   [API LLM a tariffa flat o a consumo per token: i conti del pareggio](https://broadrouter.com/it/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Ridurre i token del prompt: tagli misurati su sistema, tool e dati](https://broadrouter.com/it/blog/reduce-prompt-tokens/)
-   [Costo di un’esecuzione di un agente di coding: passi, contesto, cache](https://broadrouter.com/it/blog/ai-coding-agent-run-cost/)
-   [Claude Code con modelli open-weight: proxy, endpoint nativi e limiti](https://broadrouter.com/it/blog/claude-code-with-openai-compatible-models/)
-   [Guida: Streaming delle chat completions e connessioni interrotte](https://broadrouter.com/it/guides/streaming-chat-completions/)
-   [Guida: Perché un modello di ragionamento restituisce una risposta vuota](https://broadrouter.com/it/guides/reasoning-tokens-empty-response/)
-   [Guida: Usare Aider con DeepSeek V4.1 Flash illimitato](https://broadrouter.com/it/guides/aider-unlimited-deepseek/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-agent-token-budget&utm_content=page-cta) ·

**Fonti**

-   [Cursor, maggiore efficienza nei token (23 settembre 2026; consultato il 2026-11-14)](https://cursor.com/blog/improved-token-efficiency)
-   [Blog di VS Code, migliorare l’efficienza nei token di GitHub Copilot (consultato il 2026-11-14)](https://code.visualstudio.com/blogs/2026/06/17/improving-token-efficiency-in-github-copilot)
-   [OpenAI, guida al function calling, meno di 20 funzioni (consultata il 2026-11-14)](https://developers.openai.com/api/docs/guides/function-calling)
-   [Documentazione di opencode, server MCP e uso del contesto (consultata il 2026-11-14)](https://opencode.ai/docs/mcp-servers/)
-   [Documentazione di Aider, mappa del repository e comandi in chat (consultata il 2026-11-14)](https://aider.chat/docs/repomap.html)
-   [Riferimento API di BroadNet Inference, utilizzo e token in cache (consultato il 2026-11-14) (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-agent-token-budget&utm_content=sources)
