n8n AI エージェントトークン 使用: コール レジャーを作成する

n8n AI Agentトークン使用 を測定する信頼できる方法は,モデルインコールごとに1本のレジャー行を作成し,確認された結果によってそれらの行を集計することです. 実行輸出において, tokenUsage オブジェクトを繰り返し追加しないでください. 繰り返される実行スナップショットを2回数えるか,親ノードで反映された使用を数えるか,または推定トークンをプロバイダーが報告した合計に混ぜることができる. 役に立たないデフォルトには4つのルールがあります 1. モデルの呼び出し出力からのみ使用を収集する. 2. 実行,ノード,ラン,アイテム,およびプロバイダーコールフィールドによる観測を特定する. 3. リトリーやネスト・コールを実際の利用として保持するが, logicalOutcomeId にグループ化する. 4. 提供者の利用と推定を別列で報告し,総額の外にはカバーする. このデザインは 検索の裏にある 運用的な疑問に答えます 単に 番号はどこにあるかだけでなく 成功したワークフローが実際に何を消費したか そしてその数のどれぐらいが知られているか? 呼び出し簿ではなくリクッシブ・サムを使用する 現在の n8n ソースは,最初の会計境界線を可視化します. TokenUsage 型には promptTokens , completionTokens ,および totalTokens が含まれ,選択的なキャッシュ読み,推論,およびプロバイダー特定メタデータがあります. 現在のラングチェイン追跡の実施では,提供者が計算したときに,n8n は tokenUsage と書く. 実際の完了利用が得られない場合は,代わりに tokenUsageEstimate と書く. これらのフィールドは交換できない. 推定値は警告値に役立つが,提供者が報告した使用や請求領収書ではない. 追跡実装は AI 言語モデル接続にモデル出力を書き込みます. AIエージェントノードの下にあるすべての財産を捜すよりも より安全な出発点です この形の行を使用します. 識別子は様々な問題を解決します n8n は, $execution.id を,ユニークなワークフロー実行 ID と, $runIndex を,現在のノードが実行された時間のゼロベースのカウントとして文書化します. nodeName と itemIndex は,実行中の呼び出しを別々にします. 提供者の応答IDが利用可能であれば アイデンティティを強化します 観測アイデンティティから Deduplication キーを構築する: サービス提供者がコールIDを公開しない場合,明示的な providerCallId: null を保持し,利用可能な最も強力な安定したローカルIDを使用します. 主要な鍵としてプロンプトまたは応答をハッシュしないでください:同一のプロンプトは正当な別々の呼び出しであり,コンテンツを保存することは回避可能なプライバシー問題を生み出します. イベントキー回答 この呼び出しを既に記録したのですか? 回答していません この呼び出しがどのユーザー可視な結果に貢献したのか? 第二の鍵が必要です. logicalOutcomeId をワークフローエントリー時に生成し,再試しを通して保存し,各サブワークフローに転送します. 値は不透明な仕事またはリクエスト ID であり,プロンプト,メールアドレス,その他の敏感なコンテンツを含まないべきである. 繰り返す観察を繰り返す 復試は重複使用ではありません. 失敗した試みは,後に成功した試みは,トークンを消費したモデルに達した. 廃棄物が増加しているときに 信頼性の低いワークフローを 低価格に見せます 繰り返し観察は違います 811 の処刑を 採集者が取り上げるとしたら 同じ完成した処刑を 繰り返します 同じ電話の2枚の写真です 同様に,母 AI エージェント出力は, AI言語モデル出力のモデルノードsで既に存在しているモデル利用の診断コピーを含み得る. これらのコピーは新しいレジの行を作るべきではありません. 規則は狭い 同じ eventKey 再確認:新鮮さまたは起源を更新する,しかしトークンを追加しない. 同じノードで異なるプロバイダーコールを実行する:保持する 異なるランインデックス:保持する 別の実行IDを持つ再試行:保存する. 異なる実行IDを持つネスト・エグゼクション:保存する. モデル以外の接続の下でも同じ呼び出しが映ります 鏡を無視します そのルールを 合成の詳細な実行装置で テストしました 失敗した処刑 同じ失敗した2度目の 失敗した再試し 失敗した子供処刑 親ノードは実際の使用を反映し,あるモデルコールでは推定のみを暴露します. 測定 結果 : 復習性検索で発見された可視 tokenUsage オブジェクト 12 Naive recursive actual token sum 純真なリクルシブ・実際のトークンの合計 6,020 サービス提供者によって報告された単一のモデル通話 4 実際のプロンプトトークン 1,670 実際の完了トークン 280 実際の合計トークン 1,950 推定電話のみ 1 預計されたトークン,別々に報告される 120 リアルコールカバー 80% 復習性結果は 3.09× 意味式レジーの合計でした. 複製された実行スナップショットと マザーノード鏡を数えました 本書は失敗した試みを否定しなかった.その試みは,最終的な結果のために1,060の1,950の実際のトークン,またはこのフィックスメントにおける 54.4% を貢献した. その違いが重要だ 最初の試みを複製すると 実際の使用量を半分以上減算する. すべての可視複製を 新しい呼び出しと呼べば 3倍以上の使用額を 過大評価します アイデンティティは両方のエラーを解決します 巣の赤ちゃんは 350個のトークンを寄付しました 実行IDとイベントキーを保持していたので 両親と衝突することができなかった. logicalOutcomeId: support ticket 42 の共有は,その作業を同じ意図された結果に結びつけました. 推定電話は 実際の総額以外にとどまりました 追加すると 2,070個のトークンが生成されますが そのより正確な数字は 弱い事実を隠します 5つの電話のうち 1 つには プロバイダーが報告した使用が欠けているのです ダッシュボードには actualTotalTokens: 1950 , estimatedTotalTokens: 120 ,および actualCoveragePct: 80 が表示され,ラベル付けされていない金額が表示されない. 上記の実行形状を固定として保存し,下記のレジャーループを実行することで比較を再現できます. 重要な部分は決定規則であり,これらの合成パーセントではありません. 生産比率はワークフロー,モデルノード,プロバイダー,リテリーポリシー,データ保存に依存します. 詳細な実行データをカバー制御で抽出する 1つの実行を回収するに関するn8nの公開API契約は, includeData を承認する. 関連 実行スケジュールは,その旗が真実である場合にのみ詳細なデータが含まれると述べている. したがって,収集者は,次のような形状の要求で完成した執行を取得することができます: キーをサーバー側に置いて,必要な最小限の実行データを要求し,プロンプトや応答ボディをトークンレジャーにコピーしないでください. コレクターには識別子,ステータス,実行構造,使用フィールド,およびカバー証拠が必要です 会話内容ではありません. その後, data.resultData.runData ノードをノードごとに行きます. これはバージョンのアダプターではなく 時代遅れの解析器だと考えてください 導入する各モデルノードタイプの実際の輸出を検証する. 新しい n8n ソース スナップショットは, llm.tokens.in , llm.tokens.out , llm.tokens.total ,および推定フラッグなどの追跡メタデータを暴露することができますが,古いまたはプロバイダー特定ノードは異なる可能性があります. 診断のための未知のフィールドを保存し,モデル実行が認められた使用がない場合,覆盖が目に見えるように失敗します. 詳細なデータも利用できない場合があります. n8nの実行エンドポイントは,設定されたディスプレイサイズ制限を文書化し,製品では実行データ編集をサポートします. 保存設定では 古い執行機関を削除できます 欠落したボディは,利用不可, ゼロトークンではない. 収集窓の各回数値の記録カバーカウンター: 代名詞には,使用なしの認識されたモデル呼び出しが含まれなければならない. そうでないと 破綻したコレクターは 分析した数回の電話で100%の 報道を報告できます 検証された結果による総計 代証的な合計は 購入した作品以外には有用である. logicalOutcomeId に対して,合計: これらのフィールドが存在する場合,実際の入力,出力,キャッシュ,推論,および合計トークン; 予想されたトークンは別列で, 異なった呼び出しと実行数; 失敗したトークン 巣の実行トークン 収集対象と最後に見た時間 1つの決定的な結果領収書 領収はワークフローに依存します サポートワークフローでは,予想される状態と目的地IDを記載したチケットの更新が必要になる可能性があります. ドキュメントワークフローには,既知のストレージキーとコンテンツハッシュのオブジェクトが必要です. 部署作業プロセスはテスト,部署状態,公衆衛生の対応を必要とする可能性があります. 最後の n8nの実行が成功したは活動証拠であり,要求された外部効果を証明していない. 1 つの重荷番号ではなく 3 つのビューを使用してください. 1. 呼び出し表示 単一のモデル呼び出しのデバッグ. 2. ノードラン,ステータス,再試関係のための の実行ビュー. 3. Ooutcome view すべての試行や納入された作業で生産されたもの,または生産できなかったもの. 結果表示のみは,この確認されたチケット更新は,実際のコールカバー率の80%のモデル通話で,プロバイダーが報告した1,950トークン,および推定120トークンを使用した. 後でお金を計算する場合は,プロバイダー,モデル,地域またはサービス層,およびトークンクラスを使用して,日付のモデル価格表に本簿に加入します. 今日の価格から歴史的なコストを推論しないでください. 価格推定のみの行列を,収納された請求データであるかのように作らないでください. 提供者の請求書または権威のあるコスト記録に一致するまでの推定結果を標識する. 監査が合格したときにのみダッシュボードをプロモーションする n8n AI Agent トークンダッシュボードを信頼する前に, 1 つの既知のモデルコール, 1 つの繰り返しノード実行, 1 つの強制再試し, 1 つの巣立つのサブワークフローで制御されたワークフローを実行します. 詳細な実行データを検査し,以下のチェックを要求する. 予想されるすべての呼び出しは,本簿に1行を正確に生成する. 同じ執行を2回行うことは,合計を変化させない. 失敗した試みは結果総数に残る. 子供の処刑は,親の結果の下には一度現れる. 実際の使用,推定使用,および欠けている使用は別途に保持されます. 実行データを削除または編集することで,ゼロを生成する代わりに,カバーが低下します. 外部配達品が欠席している場合,結果領収は失敗します. この装置はこれらの会計チェックを通過したが,すべてのn8nノードまたはプロバイダーとの互換性を証明していない. これは限界です レジのデザインは再利用可能で アダプターはバージョン特有のものです Sidewispは,利用可能性,実行,メモリ,ツール,および結果とともに,AI代理体の健康の一部として時間と予算効率を活用することを目的としています. トークン利用と推定コスト分析が計画されていますが その能力は今日出荷されていません Sidewisp は現在プライベートプレビュー段階です。 このような健康層が接続されるまで,本簿を n8n に近く保管し,必要な最小限のメタデータを収集し,使用と検証された結果の両方が改善しない限り,最適化を促進しないでください.