很多人以为工具调用贵在「调用」本身,接上去才发现账单大头是每轮都重复发送的工具描述和来回试错的对话。这篇把 MCP 和 function calling 的钱从哪来、哪些能压、哪些压不动讲清楚,给一套能自己动手算的估算步骤和上线前的检查清单。
很多人接上 MCP 服务器或者 function calling 之后,第一反应是「怎么账单比我预想的贵一倍」。翻日志才发现,真正贵的地方不是那几次调用,是每轮请求里都跟着走的工具描述,以及模型来回试错多跑的那几轮。这篇就把这笔钱拆开算,顺便给一套你自己能上手的估算办法。
先说结论:工具调用这件事,通常没有单独一档「调用费」。账单还是按输入输出 token 走,只是工具定义、调用参数、工具返回的原始结果,全都会挤进上下文。所以你要盯的不是调用次数,是每次请求的输入体积和轮次。单价按当时的算,到 /official-api 核对你用的那家。
先把钱分清楚:工具调用没有单独的一档价
别急着去各家价格表里找「function calling 单价」这一行,大概率找不到。计费口径依然是 token,工具调用只是把输入撑胖了。你把它当成一个「输入膨胀问题」来理解,后面所有判断都顺了。
- 工具定义
- 每次请求都会重发的那段工具名、描述、参数 schema,属于固定开销
- 调用参数
- 模型吐出来的那段结构化参数,算输出 token,也会留在历史里
- 工具原始结果
- 外部接口返回的整坨 JSON,塞回上下文后,后面每一轮都要再带一遍
- 轮次
- 一次任务里模型和工具来回几趟,轮次越多,历史消息重复计费的次数越多
我见过最常见的误判,是拿「每天调用几次」当成本模型。调用次数少不代表便宜——一次任务里工具定义三千 token、来回跑六轮,和一次任务定义五百 token、两轮收工,单次成本差出好几倍。所以看成本要先看单次任务的输入构成,不是看调用条数。
工具定义这块,是最容易被忽略的固定支出
一个工具的描述、参数 schema、枚举值、示例,加起来几百 token 挺常见。你要是在一个服务器上挂了十几个工具,光定义部分就几千 token 起步,而且用户只问一句「今天天气怎么样」,这几千 token 照样要发出去。这就是它叫固定开销的原因——跟问题长短无关。
判断标准不复杂:数一下你实际会被选中的工具有几个,再看看你现在挂上去几个。如果挂的数量超过常用数量的一倍以上,基本可以确定有压缩空间。比如日常只会用到三四个,你挂了十二个,那剩下的八个每轮都在跟着烧钱。
- 工具名和描述写短,一句话说清干什么、什么时候用,别写小作文
- 参数 schema 里删掉用不到的枚举值和示例,模型不需要那么多提示
- 长说明挪位置:放到工具被调用之后返回的内容里,而不是每轮都随定义发送
- 按场景拆服务器:查数据的、改数据的分开挂,让模型按任务类型加载对应那一组
- 定期清理从没被选中过的工具,日志里能看出来
什么情况下别折腾这块?工具本来就少,描述本身也短,压半天可能就省个零头,时间不值。还有一种:工具语义本身很相近,你把描述删瘦了模型就开始选错工具,这种时候准确率优先,宁可多花点 token。删描述之前先跑一轮回归,看工具选择准确率有没有掉,这是必须做的验证动作。
一次任务要跑几轮,才是真正拉开差距的地方
多轮工具调用的成本结构是接近线性放大的:第一轮带工具定义,第二轮带工具定义加第一次的结果,第三轮再叠一层。轮次越多,前面的内容被重复计费的次数越多。所以一个任务的平均轮次,比单轮 token 数更值得你盯。
- 给步数上限在调用侧设一个最大轮次,比如超过若干轮还没结束就强制收敛,别让模型自己决定什么时候停
- 写清终止条件在系统提示里明确「拿到什么结果就算完成」,比笼统说「尽力而为」有效得多
- 缓存稳定结果同一个查询在代码层做缓存,别每次都让模型重新调一遍工具拿一样的数据
- 按任务口径估算用「平均轮次 × 单轮输入 token」算单任务成本,再乘日任务量,这才是月度口径
实际用下来,轮次失控多半不是模型笨,是任务本身没定义清楚完成条件。模型不知道什么时候算干完了,就会继续试。你把「拿到订单状态就够了,不需要再查物流」这种话写进提示,轮次立刻降下来。
失败的调用一样要付钱
参数格式不对、工具名拼错、必填字段漏了,模型会重试。重试的每一轮都是真金白银,而且失败往往发生在任务前半段,后面还得重新来。这块成本在账单上不会单独标出来,只能从日志里看。
上线前有个动作很值得做:把工具参数校验做严格,报错信息写清楚缺哪个字段、格式要什么样。模型拿到「缺少 order_id,应为字符串」和拿到「参数错误」这两种反馈,改对所需的轮次完全不一样。前者基本一次改对,后者可能原地转三圈。
| 现象 | 大概率原因 | 先查什么 |
|---|---|---|
| 同一工具被连续调用多次 | 参数一直校验不过 | 日志里这个工具的失败返回内容 |
| 任务轮次忽高忽低 | 某类输入触发反复试错 | 按输入类型分组看轮次分布 |
| 成本突然涨一截 | 新增工具把定义撑大或引入歧义 | 对比上线前后单次请求的输入 token |
| 模型选错工具 | 工具描述太相近或写得太泛 | 被选中工具的描述文本 |
重试次数一定要设上限,超了就转人工或者降级成直接回答。不设上限的后果是,一个卡住的任务能烧掉几十轮,而你往往到月底看账单才发现。排查顺序建议按上面这张表来:先看失败调用的轮次分布,再看错得最多的是哪类参数,别一上来就怀疑模型。
自己算一遍:三步估算,不用精确到分
不用追求精确到小数点,估个量级就够了,目的是知道钱花在哪、优化哪块有收益。三步走。
- 抓一次真实请求从日志里取一条完整任务,把这轮请求的输入 token 和输出 token 记下来,输入里要包含工具定义那部分,别漏
- 统计轮次和失败率同一个任务类型取十几条样本,算平均几轮工具调用、失败重试占多大比例,样本别只挑成功的
- 套单价乘量拿当时的单价乘单任务 token,再乘日任务量,到 /tools/model-cost-calculator 跑一遍做对照
估完有个习惯要养成:做预算按上限算,别按平均值算。平均值好看,但真实账单是被那批轮次多的长尾任务拉起来的。你要是按均值做预算,超支几乎是必然的。单价和换算工具都以站内当时显示的为准,别拿记忆里的数字套。
哪些情况别急着优化
日调用量本来就小、任务轮次也少的时候,省下来的钱可能不如你调半天结构的时间值钱。这种阶段该做的是把链路跑通、把准确率稳住,成本控制往后放。
还有一种:工具语义本身复杂,描述删了模型就选错工具。这时候别硬压,准确率掉下去带来的返工成本比 token 贵。可以先换个便宜些的模型跑通链路,看效果够不够,再决定要不要为省 token 去动结构。真要控成本,顺序是:先设额度告警,再看轮次,最后才动工具定义。
最后提醒一句,这篇讲的是思路和判断标准,具体单价、各家差异、换算结果都会变。别把这里的方法当成固定答案,数字都去站内页面核对当时的版本。
下一步把你手上那套工具的实际 token 和轮次带进去算一遍,比看任何结论都管用;单价和模型资料在站内都能直接查。→常见问题
MCP 调用会额外收一笔平台费吗?
多数情况下不会单独收,费用仍然落在模型的输入输出 token 上。少数平台或中转站可能有自己的计价口径,接之前到 /official-api 对应厂商页和你用的中转站页面核对,别按印象算。
工具挂得越多是不是越贵?
工具定义每轮都随请求重发,挂得多确实会稳定抬高每次请求的输入量。但不是越少越好,删到模型选不中工具反而更贵,因为失败重试的轮次会上去。
多轮调用和一次长对话,哪个更花钱?
看历史消息怎么回传。多轮工具调用会把中间结果一次次带回上下文,通常比纯聊天更吃输入。真要对比,拿真实任务各跑几遍看 token 数,别凭感觉。
怎么快速判断成本是否异常?
看两个指标:单次任务的平均轮次,和失败调用的占比。任一明显高于平常,就先查工具定义和参数校验,而不是先去换模型。
预算有限时先砍哪块?
先砍工具描述里的冗余内容和用不到的枚举,再给步数设上限。这两处改动不碰业务逻辑,风险最低,收益也最容易看到。