---
title: "AI エージェントのトークン消費の内訳と削減方法 | BroadRouter"
description: "システムプロンプト、ツールスキーマ、ファイルの読み込み、履歴、推論。エージェントループがトークンをどう使うか、usage データで各部分を測る方法、最初に削るべきものを解説します。"
url: https://broadrouter.com/ja/blog/agent-token-budget/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/agent-token-budget/)（2026-11-14 更新）。

# エージェントのトークン予算：エージェントループのトークンはどこに消えるか

BroadNet Inference チーム · 約 5 分で読めます · 公開日 2026-11-14

エージェントループは毎回、全コンテキストを再送します：システムプロンプト、ツール定義、会話履歴、ファイル内容、ツール出力と新しいステップです。入力は出力の何倍にもなりがちです。呼び出しごとに prompt\_tokens、cached\_tokens、completion\_tokens を記録し、最大の繰り返し部分を特定して、ツールを減らし、出力を制限し、長いセッションは作り直します。

## 要点

-   モデルの呼び出しのたびに全コンテキストが再送されます。1 回 30,000 トークンで 40 ステップのタスクなら、入力は 120 万トークンです。
-   5 つの内訳：システムプロンプト、ツールスキーマ、履歴、ファイルの読み込みとツール出力、推論を含む出力。
-   usage ブロックから呼び出しごとに測ります：prompt\_tokens、prompt\_tokens\_details.cached\_tokens、completion\_tokens。
-   Cursor は、システムプロンプトとツール定義が、自社で完全に制御できる最大級の支出源の 1 つになっていたと報告しています。
-   削る順番は、使わないツール、大きすぎるツール出力、古い履歴、最後にシステムプロンプトです。固定のプレフィックスはキャッシュされ続けるよう、まったく同じに保ってください。

**このページの内容**

1.  エージェントはなぜすべてを再送するのですか？
2.  トークンはどこに消えるのですか？
3.  どうやって測りますか？
4.  最初に何を削るべきですか？
5.  プレフィックスを固定するのはなぜですか？
6.  エージェントの予算の試算例は？
7.  BroadNet Inference の位置づけ

チャットのコストは、入力した内容とモデルが書いた内容の分です。エージェントははるかに高くつきます。モデルを何十回も呼び出し、そのたびにほぼすべてを再送するからです。このコストを下げたい、あるいは単に[コンテキストウィンドウ](https://broadrouter.com/ja/glossary/context-window/)の上限にぶつかるのをやめたいなら、各リクエストのどの部分が大きいのかを知る必要があります。この記事では、エージェントループを 5 つの内訳に分け、API 自身の usage データで各部分を測る方法を示し、最初に削るべきものを挙げます。

## エージェントはなぜすべてを再送するのですか？

Chat Completions API はステートレスです。モデルは呼び出しの間に何も覚えていないので、エージェントは毎ステップ全コンテキストを送ります。1 回の呼び出しが 30,000 トークンを運ぶ 40 ステップのタスクでは、出力はせいぜい 40,000 トークンなのに、**入力は 120 万トークン**を読み込みます。この 30 対 1 の比率こそ、[入力トークン](https://broadrouter.com/ja/glossary/input-and-output-tokens/)とそのキャッシュ価格がエージェントの請求を支配する理由です。

## トークンはどこに消えるのですか？

| 内訳 | 中身 | 毎回繰り返される？ | よくある原因 |
| --- | --- | --- | --- |
| システムプロンプト | エージェントへの指示、ルールファイル、プロジェクトのメモ | はい | 長いルールファイル |
| ツールスキーマ | 各ツールの名前、説明、JSON Schema | はい | 組み込みツールと、すべての MCP サーバー |
| 履歴 | それまでのメッセージ、ツール呼び出しと結果 | はい、しかも増える | 長いセッション |
| ファイルの読み込みとツール出力 | ファイルの内容、テストログ、検索結果 | はい、外されるまで | ファイル全体の読み込み、出力の多いコマンド |
| 出力 | 表示される回答、ツール呼び出し、推論 | いいえ | 推論の強さ、ファイル全体の書き直し |

最初の 2 つは固定のオーバーヘッドです。Cursor は 2026 年 9 月に、システムプロンプトとツール定義が “had become one of the largest sources of spend that we fully control”（訳：自社で完全に制御できる最大級の支出源の 1 つになっていた）と書き、ファイルの読み込みを “another large source of token spend”（訳：もう 1 つの大きなトークン支出源）と呼びました。システムプロンプトの約 3 分の 2 の削減や、会話の 20% 未満でしか使われないツールを必要なときだけ読み込むといった変更で、ユーザーのトークンコストは 7% 下がりました。GitHub の VS Code チームも Copilot について同じ 2 つのコストを挙げています。繰り返されるプロンプトのプレフィックスと、ツール定義のオーバーヘッドです。

## どうやって測りますか？

トレーシング製品は不要です。各レスポンスの usage ブロックで十分です。

1.  **usage を有効にする。** ストリーミングでは `stream_options: {"include_usage": true}` を加えます。usage は最後のチャンクで届きます。[ストリーミング](https://broadrouter.com/ja/guides/streaming-chat-completions/)をご覧ください。
2.  **呼び出しごとに記録する：** ステップ番号、`prompt_tokens`、`prompt_tokens_details.cached_tokens`、`completion_tokens`、そして報告される場合は `completion_tokens_details.reasoning_tokens`。
3.  **固定のオーバーヘッドを一度測る。** システムプロンプトとツール、それに「hi」という単語だけのリクエストを 1 回送ります。その `prompt_tokens` が下限です。
4.  **ツール出力を測る。** 各ツールの結果を追加する前に、文字数を数えます。4 で割ればおおよその英語のトークン数になります。使っているモデルのトークナイザーでの正確な値は、サンプルを無料の[トークンカウンター](https://broadrouter.com/tools/token-counter/)に貼り付けて確認してください。

```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)
```

`prompt_tokens` をステップごとにグラフにします。一定の傾きは履歴が増えていることを示します。急なジャンプは大きなファイルやログがコンテキストに入ったことを示します。下限が高いのはツールが多すぎるということです。

Aider では、`/tokens` で現在のコンテキストの中身を確認でき、`/drop` でファイルを外せます。

## 最初に何を削るべきですか？

やりやすさではなく、サイズ × 繰り返し回数の順に並べます。

1.  **使わないツール。** すべてのツールスキーマが毎回の呼び出しに乗ります。OpenAI のガイドは、関数定義は “are billed as input tokens”（訳：入力トークンとして課金される）とし、目安として、ターンの開始時の関数は 20 個未満を推奨しています。そのタスクで使わない MCP サーバーは無効にしてください。opencode のドキュメントも、MCP のツールはモデルのコンテキストを消費するとはっきり書いています。
2.  **ツール出力。** コマンドの出力を制限します（テストログは 20,000 行ではなく最後の 200 行）。検索結果はパスと行番号で返し、必要な部分だけを読みます。
3.  **ファイルの読み込み。** ファイルではなく関数を読みます。Aider のリポジトリマップは、ファイル全体の代わりにデフォルト 1k トークンの予算（`--map-tokens`）を使います。
4.  **履歴。** 変更ごとに新しいタスクを始めます。セッションを続ける必要があるときは、古いターンを短い要約に置き換えます。
5.  **システムプロンプト。** モデルがもともと守っているルールは削除します。残りは固定しておきます。
6.  **出力。** ファイル全体ではなく diff を求めます。定型的なステップでは `reasoning_effort` を `low` にします。[推論トークン](https://broadrouter.com/ja/glossary/reasoning-tokens/)は出力として課金されます。

## プレフィックスを固定するのはなぜですか？

プロバイダーは繰り返されるプレフィックスをキャッシュし、安い料金で課金します。BroadNet Inference では、[DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/) の[キャッシュ入力](https://broadrouter.com/ja/glossary/cached-input-tokens/)は 100 万トークンあたり $0.0055、新規入力は $0.175 です。[GLM 5.3](https://broadrouter.com/ja/models/glm-5.3/) は $0.173 対 $0.78 です。システムプロンプト内のタイムスタンプや、呼び出しのたびに順番が変わるツール一覧は、その箇所以降のキャッシュを壊します。固定部分を決まった順番で先頭に、変わる部分を最後に置いてください。詳しくは[キャッシュ入力トークンの解説](https://broadrouter.com/ja/blog/cached-input-tokens-explained/)を、あるヒット率でどれだけ節約できるかは[プロンプトキャッシュ計算ツール](https://broadrouter.com/tools/prompt-caching-calculator/)をご覧ください。

キャッシュで下がるのはプレフィックスの価格であって、サイズではありません。キャッシュされたトークンもコンテキストウィンドウを埋め、処理にも時間がかかります。

## エージェントの予算の試算例は？

上の 40 ステップのタスクで、入力の 80% がキャッシュされる場合を考えます。

| 部分 | トークン | 課金 |
| --- | --- | --- |
| 新規入力 | 240,000 | 入力価格 |
| キャッシュ入力 | 960,000 | キャッシュ入力価格 |
| 出力（推論を含む） | 40,000 | 出力価格 |

各呼び出しから使わないツールスキーマを 5,000 トークン削ると、このタスクの入力から 200,000 トークン、全体の約 6 分の 1 が消え、エージェントの挙動は何も変わりません。モデル選び、キャッシュ、定額プランなど、削る以外のコスト削減策は[コーディングエージェントの LLM コストを削減する 10 の方法](https://broadrouter.com/ja/blog/cut-coding-agent-llm-costs/)をご覧ください。マルチエージェント構成では、エージェントの数を掛けてください。[マルチエージェント構成のコスト](https://broadrouter.com/ja/blog/multi-agent-cost/)をご覧ください。自分のループをステップごとにモデル化するには、[エージェント実行コスト見積もりツール](https://broadrouter.com/tools/agent-run-cost-estimator/)をお使いください。

## BroadNet Inference の位置づけ

BroadNet Inference は usage ブロックでプロンプトトークンと完了トークンを返し、モデルが報告する場合はキャッシュトークンと推論トークンも返すので、上の測定方法はそのまま使えます。DeepSeek V4.1 Flash のキャッシュ入力価格が安いため、プレフィックスを固定すればそのぶん報われます。削る手間をかける価値がないなら、無制限プランで DeepSeek V4.1 Flash のトークンのメーターをなくせます。1 セッション月 $60 です。コンテキストウィンドウの制限は変わらず、コンテキストが軽いほうが速く動くことも変わりません。プランは [inference.broadnet.ai/plans](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-agent-token-budget&utm_content=body) にあります。

関連する無料ツール（英語）

-   [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.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[AI エージェント（AI agent）](https://broadrouter.com/ja/glossary/agent/)

AI エージェントとは、言語モデルが目標に向けて自分で手順を決めるシステムです。どのツールを呼ぶかを決め、結果を読み、最終回答を出すか上限に達するまで繰り返します。決まった箇所でモデルを呼ぶ固定のスクリプトは、ふつうワークフローと呼ばれます。

[キャッシュ入力トークン（cached input tokens）](https://broadrouter.com/ja/glossary/cached-input-tokens/)

キャッシュ入力トークンとは、LLM プロバイダーが直前に処理し、再計算せずにキャッシュから再利用できるプロンプトのトークンです。通常はシステムプロンプトやドキュメントなど繰り返し送るプレフィックスで、新しい入力トークンより安い単価で課金されます。

[入力トークンと出力トークン（input and output tokens）](https://broadrouter.com/ja/glossary/input-and-output-tokens/)

入力トークンとは、モデルがリクエストで読むトークンで、システムプロンプト、会話履歴、ツール定義、画像を含みます。出力トークンは、推論を含めモデルが返答として生成するトークンです。LLM API は通常この 2 つを別の単価で課金し、出力のほうが高額です。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

[Chat Completions API（チャット補完 API）](https://broadrouter.com/ja/glossary/chat-completions-api/)

Chat Completions API とは、OpenAI の HTTP エンドポイント POST /v1/chat/completions で、モデル名とロール付きメッセージのリストを受け取り、モデルの次のメッセージを返します。そのリクエストと応答の形は、OpenAI 互換のプロバイダーや SDK が使う共通形式になりました。

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

MCP（Model Context Protocol）とは、LLM アプリと外部のツールやデータの接続方法を標準化した、JSON-RPC 2.0 ベースのオープンなプロトコルです。サーバーがツール、リソース、プロンプトを公開し、ホストアプリ内のクライアントがそれらを見つけて、モデルのツール呼び出しを渡します。

[マルチエージェントシステム（multi-agent system）](https://broadrouter.com/ja/glossary/multi-agent-system/)

マルチエージェントシステムとは、それぞれプロンプト、ツール、コンテキストを持つ複数のエージェントが 1 つのタスクを分担する LLM アプリケーションです。代表的なオーケストレーター・ワーカー型では、リードが計画し、並列のワーカーの結果を統合します。

## よくある質問

### コーディングエージェントが入力トークンを大量に使うのはなぜですか？

API がステートレスだからです。呼び出しのたびに、システムプロンプト、すべてのツール定義、それまでの会話、コンテキストに残っているすべてのファイルの内容を再送します。セッションが長くなれば、それがステップ数の分だけ掛け算になります。

### エージェントの各ステップが何トークン使っているかを確認するには？

各レスポンスの usage ブロックを読みます。ストリーミングでは、stream\_options の include\_usage を true にして、最後のチャンクを読みます。ステップ番号と一緒に prompt\_tokens、prompt\_tokens\_details.cached\_tokens、completion\_tokens を記録してください。

### ツール定義は入力トークンに数えられますか？

はい。ツール一覧はプロンプトの一部で、毎回の呼び出しで送られます。MCP サーバーは自分のツールをこの一覧に追加します。opencode のドキュメントが必要なサーバーだけを追加するよう勧めているのはこのためです。

### プロンプトキャッシュで問題は解決しますか？

下がるのは繰り返されるプレフィックスの価格であって、サイズではありません。キャッシュ入力もコンテキストウィンドウを埋めます。BroadNet では、DeepSeek V4.1 Flash のキャッシュ入力は 100 万トークンあたり $0.0055、新規入力は $0.175 です。

### 推論トークンも予算に含まれますか？

はい、出力側に含まれます。推論モデルは思考を max\_tokens に数え、従量課金では出力として課金します。定型的なステップでは reasoning\_effort を low にしてください。

## 続けて読む

-   [OpenClaw と Hermes Agent を安いモデルで動かす：設定とトークン計算](https://broadrouter.com/ja/blog/openclaw-hermes-agent-cheap-model/)
-   [キャッシュ入力トークンとは：LLM API の請求額を下げる方法](https://broadrouter.com/ja/blog/cached-input-tokens-explained/)
-   [マルチエージェント構成の本当のコスト：トークン課金 vs 定額セッション](https://broadrouter.com/ja/blog/multi-agent-cost/)
-   [コーディングエージェントに最適なオープンモデル：ツール、コンテキスト、コストで選ぶ](https://broadrouter.com/ja/blog/best-open-model-for-coding-agents/)
-   [LLM API は定額とトークン課金のどちらが得か：損益分岐の計算](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [プロンプトのトークンを減らす：システムプロンプト、ツール、データの実測](https://broadrouter.com/ja/blog/reduce-prompt-tokens/)
-   [AI コーディングエージェント 1 回の実行コスト：ステップ数、コンテキストの増加、キャッシュ](https://broadrouter.com/ja/blog/ai-coding-agent-run-cost/)
-   [Claude Code でオープンモデルを使う：プロキシ、ネイティブエンドポイント、制限](https://broadrouter.com/ja/blog/claude-code-with-openai-compatible-models/)
-   [ガイド：chat completions のストリーミングと接続切断への対処](https://broadrouter.com/ja/guides/streaming-chat-completions/)
-   [ガイド：推論モデルが空の回答を返す理由](https://broadrouter.com/ja/guides/reasoning-tokens-empty-response/)
-   [ガイド：Aider を無制限の DeepSeek V4.1 Flash で動かす](https://broadrouter.com/ja/guides/aider-unlimited-deepseek/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

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

**出典**

-   [Cursor：トークン効率の改善（2026 年 9 月 23 日。2026-11-14 取得）](https://cursor.com/blog/improved-token-efficiency)
-   [VS Code ブログ：GitHub Copilot のトークン効率の改善（2026-11-14 取得）](https://code.visualstudio.com/blogs/2026/06/17/improving-token-efficiency-in-github-copilot)
-   [OpenAI Function Calling ガイド：関数は 20 個未満（2026-11-14 取得）](https://developers.openai.com/api/docs/guides/function-calling)
-   [opencode ドキュメント：MCP サーバーとコンテキストの消費（2026-11-14 取得）](https://opencode.ai/docs/mcp-servers/)
-   [Aider ドキュメント：リポジトリマップとチャット内コマンド（2026-11-14 取得）](https://aider.chat/docs/repomap.html)
-   [BroadNet Inference API リファレンス：usage とキャッシュトークン（2026-11-14 取得）（英語）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-agent-token-budget&utm_content=sources)
