n8n AI 에이전트 토큰 사용: 호출 레저를 구축

n8n AI 에이전트 토큰 사용 을 측정하는 신뢰할 수있는 방법은 각 모델 호출에 대해 하나의 리저 라인을 생성하고, 확인된 결과로 그 라인을 합쳐야합니다. 실행 수출에서 모든 tokenUsage 객체를 반복적으로 추가하지 마십시오. 이는 반복된 실행 스냅샷을 두 번 계산하거나, 원본 노드가 다시 반영한 사용량을 계산하거나, 제공자가 보고한 전체로 추정된 토큰을 혼합할 수 있습니다. 유용한 기본에는 네 가지 규칙이 있습니다. 1. 단지 모델 호출 출력에서 사용량을 수집하는 것 2. 실행, 노드, 실행, 항목 및 제공자 호출 필드와 함께 관찰을 식별합니다. 3. 재시험과 둥지를 틀린 호출을 실제 사용으로 유지하지만, 하나의 logicalOutcomeId 에 묶어 두어야 합니다. 4. 제공자의 사용량 및 추정치를 별도의 열에 보고하고, 전체와 함께 커버링을 한다. 이 디자인은 검색 뒤에 있는 운영적인 질문에 대답합니다. 단순히 이 숫자가 어디에 있습니까?, 하지만 이 성공적인 작업 흐름이 실제로 무엇을 소비했으며, 그 숫자의 얼마나 많이 알려져 있습니까? 리큐티브 금액이 아닌 호출 리저를 사용하십시오. 현재 n8n 소스는 첫 번째 회계 경계를 가시하게 합니다. 그 TokenUsage 타입에는 promptTokens , completionTokens , 그리고 totalTokens 이 포함되어 있으며, 선택적으로 캐시 읽기, 추론 및 공급자 특정 메타데이터로 제공됩니다. 현재 랭체인 추적 구현에서, n8n는 제공자가 계산을 할 때 tokenUsage 를 작성합니다. 실제 완료 사용량을 얻을 수 없다면, 대신 tokenUsageEstimate 를 작성합니다. 이 필드는 교환이 불가능합니다. 예측은 경고 문턱에 도움이 될 수 있지만, 제공자가 보고한 사용이나 결제 영수증은 아닙니다. 추적 구현은 또한 AI 언어 모델 연결에 모델 출력을 작성합니다. AI 에이전트 노드 아래 있는 모든 것을 검색하는 것보다 더 안전한 출발점이 됩니다. 아래와 같은 모양의 행을 사용하세요: 식별자는 다양한 문제를 해결합니다. n8n는 $execution.id 를 고유의 워크플로우 실행 ID와 $runIndex 를 현재 노드가 실행된 시간들의 0 기반 수치를 기록한다. nodeName 와 itemIndex 는 해당 실행 내부의 별도의 호출입니다. 제공자의 응답 ID가 사용할 수 있을 때 신원을 강화합니다. 관찰 아이덴티티에서 디드플리케이션 키를 구축: 제공자가 통화 ID를 공개하지 않으면 명시적인 providerCallId: null 를 유지하고 사용할 수있는 가장 강력한 안정적인 로컬 아이덴티티를 사용하십시오. 프롬프트 또는 응답을 주요 키로 해시하지 마십시오. 동일한 프롬프트는 합법적인 별도의 호출이 될 수 있으며, 콘텐츠를 저장하면 피할 수 있는 개인 정보 보호 문제가 발생합니다. 이벤트 키는 응답합니다. 이번 호출을 이미 녹음했습니까? 이 응답하지 않습니다. 이번 호출이 어떤 사용자에게 가시적인 결과로 기여했습니까? 이 두 번째 키가 필요합니다. 워크플로우 입구에서 logicalOutcomeId 를 생성하고, 재실험을 통해 보존하고, 모든 하위 워크플로우에 전달합니다. 값은 불투명한 작업 또는 요청 ID가 될 수 있으며, 프롬프트, 이메일 주소 또는 기타 민감한 콘텐츠가 포함되지 않아야합니다. 반복된 관찰을 재시험하지만 복제하지 마십시오. 재사용은 복제된 사용이 아닙니다. 모델에 도달한 실패한 시도는 나중에 시도가 성공했을 때에도 토큰을 소비했습니다. 그것을 떨어뜨리는 것은 신뢰할 수 없는 작업 흐름을 더 저렴하게 보이게 합니다. 반복된 관찰은 다릅니다. 여론조사 수집자가 811 의 처형을 가져와서 다시 같은 처형을 가져옵니다. 같은 전화의 두 장입니다. 마찬가지로, 부모 AI 에이전트 출력은 AI 언어 모델 출력에서 이미 존재하는 모델 사용의 진단 복사본을 포함할 수 있습니다. 그 복사본은 새로운 리저 라인을 만들 수 없습니다. 규칙은 좁습니다. 같은 eventKey 를 다시 볼 수 있습니다: 신선함 또는 출처를 업데이트하지만 토큰을 추가하지 않습니다. 동일한 노드 실행에서 다른 공급자 호출: 유지; 다른 실행 지표: 그것을 유지하십시오. 다른 실행 아이디를 가진 재시행: 보관하라 다른 실행 아이디를 가진 둥근 실행: 그것을 유지하십시오. 모형이 아닌 연결 아래와 동일한 호출을 반영합니다. 거울을 무시합니다. 저는 이 규칙을 합성적인 세부적인 실행 장치로 테스트했습니다. 4개의 스냅샷이 포함되어 있습니다. 실패한 실행, 같은 실패한 스냅샷을 두 번째 시도, 성공한 재시험, 그리고 둥지를 틀어 놓은 아동의 처형. 부모 노드는 실제 사용량을 반영하고, 하나의 모델 호출은 추정만을 노출합니다. 측정 결과 : Recursive 검색으로 발견된 tokenUsage 객체 12 순진한 재귀적 실제 토큰 수 6,020 유니크 제공자 보고된 모델 호출 4 실제 프롬프트 토큰 1,670 실제 완료 토큰 280 실제 전체 토큰 1,950 추정 전화만 1 예상된 토큰, 별도로 보고된 120 실제 호출의 커버링 80% 재발적 결과는 3.09× 의미 리저 총이었다. 복제된 실행 스냅샷과 모터 노드 거울을 세웠습니다. 리저는 실패한 시도를 배제하지 않았습니다. 그 시도는 최종 결과에 대한 1,950 개의 실제 토큰 중 1,060 개 또는 54.4% 를 기여했습니다. 그 차이점은 중요합니다. 첫 번째 시도를 복제라고 부르는 것은 실제 사용량을 절반 이상 낮출 것입니다. 모든 눈에 보이는 복사본을 새로운 호출이라고 부르는 것은 사용량을 3배 이상 과장할 것입니다. 아이덴티티는 두 오류를 모두 해결합니다. 둥지를 틀린 아이는 350개의 실제 토큰을 기부했습니다. 그것은 자신의 실행 ID와 이벤트 키를 유지, 그래서 그것은 부모와 충돌 할 수 없습니다. logicalOutcomeId: support ticket 42 를 공유하는 것은 그 작업이 동일한 의도된 결과로 인한 것이라고 할 수 있습니다. 추정치만 통한 통화는 실제 통산보다 미치지 못했습니다. 추가하면 2,070개의 토큰이 생성되지만, 더 정확한 숫자는 더 약한 사실을 숨기게 될 것입니다. 다섯 개의 통화 중 하나가 제공자가 보고한 사용이 부족합니다. 래시보드는 actualTotalTokens: 1950 , estimatedTotalTokens: 120 , actualCoveragePct: 80 를 표시해야 하며, 한 개의 라벨이 없는 금액이 표시되지 않아야 합니다. 위의 실행 형태를 고정된 형태로 저장하고 아래와 같은 리저 루프를 실행함으로써 비교를 재현할 수 있습니다. 중요한 부분은 의사결정 규칙이고 이러한 합성 비율이 아닙니다. 생산 비율은 작업 흐름, 모델 노드, 공급자, 재시험 정책 및 데이터 저장에 달려 있습니다. 커버링 컨트롤을 통해 상세한 실행 데이터를 추출합니다. 한 번의 실행을 검색에 대한 n8n의 공개 API 계약은 includeData 를 수용합니다. 관련 실행 스키마에 따르면 상세한 데이터는 해당 깃발이 사실일 경우에만 포함됩니다. 따라서 수집자는 다음과 같은 형태의 요청으로 완료된 실행을 가져올 수 있습니다. 키를 서버 쪽으로 보관하고 필요한 최소한의 실행 데이터를 요청하고, 명령어 또는 응답 기관을 토큰 리저에 복사하지 마십시오. 수집자는 식별자, 상태, 실행 구조, 사용 필드 및 커버리지 증거가 필요합니다. 대화 내용이 아닙니다. 그러면 data.resultData.runData 노드를 노드로 걸어: 이것을 버전 어댑터로 다루고, 시간없는 분석기처럼 다루지 마세요. 배포하는 모든 모델 노드 타입의 실제 출력을 검증합니다. 더 새로운 n8n 소스 스냅샷은 llm.tokens.in , llm.tokens.out , llm.tokens.total 와 추정 플래그와 같은 추적 메타데이터를 노출시킬 수 있지만, 오래된 노드 또는 공급자 특정 노드는 다를 수 있습니다. 진단을 위해 알려지지 않은 필드를 보존하고 모델 실행이 인정된 사용이 없을 때 가시적으로 커버링을 실패합니다. 또한 상세한 데이터가 제공되지 않을 수도 있습니다. n8ns 실행 엔드포인트는 구성된 디스플레이 크기의 한계를 문서화하고, 제품은 실행 데이터 편집을 지원합니다. 저장 설정은 오래된 실행 기관을 제거 할 수 있습니다. 따라서 실종된 것은 사용이 불가능하다는 것을 의미하며, 제로 토큰이 아닙니다. 각 수집 창에 대한 기록 커버 카운터: 나명자는 사용 없이 인정된 모델 호출을 포함해야 합니다. 그렇지 않으면 파손된 수집가들은 몇 번의 통화에서 100%의 커버리를 보고할 수 있습니다. 검증된 결과별 합 토큰 총수는 구입한 작품 외에 유용합니다. 각 logicalOutcomeId 에 대한 합: 실제 입력, 출력, 캐시, 추론 및 전체 토큰이 해당 필드가 존재할 경우; 별도의 기둥에 있는 추정된 토큰 별도의 호출과 실행 수치가, 실패한 시도 토큰 둥지를 틀어 놓은 실행 토큰 수집의 커버링 및 마지막으로 확인된 시간 결정적인 결과 인수 영수증은 업무 흐름에 따라 달라집니다. 지원 작업 흐름은 예상된 상태와 목적지 ID로 티켓 업데이트가 필요할 수 있습니다. 문서 작업 흐름은 알려진 저장 키에 있는 객체를 포함하고 콘텐츠 해시가 필요할 수 있습니다. 배포 작업 흐름은 테스트, 배포 상태 및 공공 보건 대응이 필요할 수 있습니다. 마지막 n8n의 실행이 성공한은 활동 증거이며, 요청된 외부 효과를 증명하지는 않는다. 1번의 과부하 번호가 아닌 3번의 조회수를 사용하세요: 1. 개별 모델 호출을 디버깅하기 위한 호출 표시 . 2. Node 실행, 상태 및 재시험 관계의 execution view. 3. Ooutcome view 모든 시도와 둥지를 틀어 놓은 작업에 대해 결과 시각만 이 확인된 티켓 업데이트는 5개의 모델 통화에서 제공자가 보고한 1,950개의 토큰과 120개의 추정된 토큰을 사용했으며 실제 통화 커버링의 80%를 기록했다. 나중에 돈을 계산한다면, 공급자, 모델, 지역 또는 서비스 계층을 사용하는 날짜 모델 가격 테이블에 대책서를 연결하고, 적절한 경우 토큰 클래스를 사용합니다. 역사적인 비용을 오늘날의 가격으로 추론하지 마십시오. 가격 추정만 하는 라인을 공감된 청구 데이터처럼 하지 마십시오. 예상된 결과를 제공자의 청구서 또는 인증된 비용 기록에 일치할 때까지 표시하십시오. 감사가 통과될 때만 래시보드를 홍보하십시오 n8n AI 에이전트 토큰 대시보드를 신뢰하기 전에, 알려진 모델 호출 하나, 반복된 노드 실행 하나, 강제 재실험 하나, 그리고 둥지를 틀어 놓은 하위 작업 흐름으로 제어된 작업 흐름을 실행하십시오. 상세한 실행 데이터를 확인하고 다음 검사를 요구합니다. 예상되는 모든 호출은 정확히 하나의 리저 라인을 생성합니다. 같은 집행이 두 번 이루어지면 총액이 변하지 않습니다. 실패한 시도는 결과 전체에 남아 있습니다. 아동의 처형은 부모의 결과에서 한 번 나타납니다. 실제 사용, 추정 및 실종 사용은 분리되어 유지됩니다. 실행 데이터를 삭제하거나 편집하는 것은 0을 생성하는 대신 커버리지를 낮추는 것입니다. 외부 배달품이 없는 경우 결과 인수청구가 실패합니다. 이 장치는 이러한 회계 검사를 통과했지만 모든 n8n 노드 또는 공급자와 호환성을 입증하지는 않습니다. 그 한계는 이렇습니다. 리저 디자인은 재사용 가능하고, 어댑터는 버전별입니다. Sidewisp는 사용 가능성과 실행, 메모리, 도구 및 결과와 함께 시간 및 예산 효율성을 AI 요인의 건강의 일부로 만드는 것을 목적으로 한다. 토큰 사용 및 추정 비용 분석이 계획되어 있지만, 그 기능은 현재 배송되지 않습니다. Sidewisp는 현재 비공개 프리뷰 단계입니다. 이러한 건강 계층이 연결될 때까지, 리저를 n8n에 가깝게 보관하고, 필요한 최소한의 메타데이터를 수집하고, 사용과 검증된 결과 모두 개선되지 않는 한 최적화를 촉진하지 마십시오.