Agent 挂了 20 个工具，每个 schema 平均 150 token，每轮对话都要完整重发，单次请求输入从 1200 token 涨到 4200，成本直接翻了两倍。
一开始怀疑是「参数 schema 里塞了冗余示例」，查了一圈，方向不对。
把日志和配置对完，能解释这个现象的基本就这几处。tools 数组每次请求都要完整传。也可能是工具描述字段写得过长。
少数情况下是前缀缓存没有命中。
量一次 tools 的 token 占用
python -c "import json,tiktoken;e=tiktoken.get_encoding('o200k_base');print(len(e.encode(json.dumps(json.load(open('tools.json')),ensure_ascii=False))))"精简描述与示例 保留必填说明
python tools_lint.py --in tools.json --max-desc 60 --out tools_min.json再往下按会话阶段动态挂载工具
python -c "print('mount tools per stage')"等前面都确认过，再开启前缀缓存并验证命中
python bench_cache.py --prefix tools_min.json --n 5那几天正好在做别的变更，先把时间线对齐才敢动手。
恢复的判定其实很直接。单次输入 token 降到 2500 以内，缓存命中后计费继续下降，工具选择准确率不变。
容易忽略的是，工具定义是常驻开销，轮数越多越明显，精简描述和动态挂载比压缩历史更划算。线上能稳定复现的问题都不算难，难的是只在大流量下才出现的那种。