AI FinOps Agente: Por que os Laços do Agente Claude Custam 30× uma Única Inferência

Uma única chamada da API Claude é previsível. Um agente com acesso a ferramentas não é.

As especificações de preços dos agentes são feitas da mesma forma que as chamadas únicas. Os arquitetos olham para o Claude Sonnet 4.5 a $3 por milhão de tokens de entrada, multiplicam por 8.000 tokens esperados por tarefa e dizem ao financeiro que o agente custará $0,20 por invocação. Seis semanas após o lançamento, a conta da nuvem chega a $50.000 por mês para uma frota que processa 10.000 invocações diárias. O custo por invocação, em relação à matemática que ninguém refez, é de $5.

O markup de 30x não é uma má matemática. É uma propriedade estrutural de como os laços de agentes consomem tokens. Cada chamada de ferramenta reproduz a maior parte do contexto anterior. Cada erro de análise tenta novamente a chamada. Cada sub-agente gerado carrega seu próprio contexto completo. A conta de tokens cresce quadraticamente com o número de chamadas de ferramentas, não linearmente, e a realidade de produção de tentativas de análise e o inchaço da descrição da ferramenta agravam ainda mais a curva.

Este post é sobre de onde vem esse markup de 30x em tokens, como instrumentar o custo no nível certo (por chamada de ferramenta, não por invocação) e como a aplicação de orçamento em loop fechado parece. O padrão se compõe com servidores MCP somente leitura e orçamentos de tokens por recurso LLM FinOps sem re-arquitetar nenhum deles.

O markup de 30x que ninguém precificou

A assimetria de custo entre uma chamada única e um laço de agente é a surpresa definidora da IA de produção de 2026. Equipes que especificam o custo de uma chamada tratam o agente como se fosse uma única chamada, e a conta diverge silenciosamente por semanas antes que alguém perceba a curva.

A linha do agente de 8 ferramentas é a mais difícil. Os arquitetos costumam subestimar porque o prompt do sistema parece pequeno (8 ferramentas com talvez 200 tokens cada é "apenas" 1.600 tokens). A armadilha é que esses 1.600 tokens são reproduzidos em cada etapa de chamada de ferramenta. Ao longo de 8 chamadas de ferramenta, isso é 12.800 tokens do prompt do sistema sozinho, antes de qualquer mensagem do usuário ou resultado da ferramenta. O contexto total (sistema + usuário + resultados da ferramenta até agora) na etapa 8 de um agente de 8 ferramentas comumente atinge 80.000 tokens de entrada para essa única etapa.

Anatomia de um laço de agente

Analise a matemática dos tokens para um laço de agente de 8 ferramentas realista. O agente responde a uma pergunta chamando 4 ferramentas de leitura, processando os resultados, chamando mais 4 e sintetizando uma resposta.

Com o preço de entrada do Claude Sonnet 4.5 de $3 por milhão de tokens, 340.000 tokens de entrada custam $1,02 apenas em reprodução de contexto. Adicione 6.000 tokens de saída (raciocínio em cada etapa mais a síntese final) a $15 por milhão por $0,09. O custo base de uma invocação limpa: $1,11. A armadilha é que a especificação cotou $0,20, e o arquiteto fez a matemática a partir de "$3 por milhão vezes um contexto de raciocínio de 60k tokens".

Esse é o caminho limpo. Os caminhos de produção não são limpos.

Os quatro multiplicadores de custo

Quatro modos de falha inflacionam o número limpo para a realidade de produção de $4-8.

Inchaço da descrição da ferramenta. Cada descrição de ferramenta no prompt do sistema é reproduzida em cada etapa. Uma descrição de 200 tokens é 200 tokens na etapa 1, mais outros 200 na etapa 2, mais 200 na etapa 3, e assim por diante. Ao longo de 8 chamadas de ferramenta, uma única descrição de ferramenta de 200 tokens custa 1.600 tokens de entrada, ou cerca de $0,005. Cinco ferramentas superdescritivas custam um extra de $0,024 por invocação. Com 10.000 invocações por dia, isso é $7.200 por mês para descrições de ferramentas que ninguém cortou.

Tentativas de erro de análise. Chamadas de ferramentas retornam JSON. As taxas de falha de análise de chamadas de ferramentas de produção variam de 5 a 15 por cento, dependendo da rigidez do esquema e do modelo. Cada falha de análise reproduz o contexto completo anterior para a nova tentativa. Uma taxa de tentativa de 10 por cento em um agente de 8 ferramentas significa que a invocação média tem 0,8 tentativas, cada uma custando aproximadamente $0,10 a $0,30, dependendo de qual etapa falhou. Isso representa mais $0,10 a $0,25 por invocação em média.

Geração de sub-agentes. Um agente pai que gera 3 sub-agentes especialistas para lidar com subtarefas agora tem 4 janelas de contexto distintas em operação. Se o pai mantém 30k tokens e cada sub-agente mantém 20k, o custo total de contexto para a orquestração é 4x a linha de base de um único agente, além da sobrecarga de troca de mensagens entre agentes. Um padrão de 3 gerações que retorna ao pai para mais 2 chamadas de ferramenta facilmente atinge $5 por invocação por conta própria.

Crescimento da janela de contexto devido a resultados de ferramentas verbosos. Uma ferramenta que retorna 5.000 tokens de saída formatada é reproduzida em cada etapa subsequente. Se essa ferramenta for chamada na etapa 2, seus 5.000 tokens são reproduzidos nas etapas 3 a 8, contribuindo com 30.000 tokens de entrada para o total. A solução é a sumarização na fronteira da ferramenta, mas a maioria das equipes envia a saída bruta por padrão.

Uma invocação limpa de 8 ferramentas custa $1,02. Uma invocação de produção com todos os quatro multiplicadores ativos atinge $4 a $8. Essa é a fonte estrutural da diferença de 30x.

A atribuição por chamada de ferramenta que os painéis perdem

A maioria das estruturas de agentes registra totais de tokens por invocação e não por etapa.