圈内做AI计费有个怪圈：给单个智能体开账单非常简单。模型吃了多少词元，用单价去乘，发票就成型了。可一旦把三个智能体塞进同一条流水线，只算总账就变得很粗暴。研究员、分析师、撰稿人轮番调用大模型，每一环消耗的词元差异极大，强行把数字揉在一起，根本看不出是谁在烧钱。

这次我们要搭一套能按角色分别统计词元消耗的计费模块。它跑在CrewAI多智能体应用之上，把每位代理每一次大模型请求的词元用量抓到手里，然后推给Kong Konnect计量计费服务。一次队伍执行结束，发票上会打出三行项目，每个角色一行。整件事最直接的动机来自实践：在作者的调研队伍里，撰稿代理吃进的词元数大约是研究代理的两倍。如果对所有代理按统一词元单价结算，偏向研究型的执行会被多收费，而重撰稿的场景反而占了便宜。按角色分开计费才能把账算清楚。每种代理拥有独立的计量切片和独立的计费规则。

打开网易新闻 查看精彩图片

这套逻辑不是只能用在CrewAI上。任何想把多智能体产品推向商业化的团队、任何需要基于用量向AI代理收费的软件服务，都会遇到同类需求。LangChain的代理、AutoGen的队伍，或者任何能在单次调用中暴露词元用量的多智能体框架，都能套用同样的设计。

消息触发链并不复杂。每发一次大模型请求，系统会抛出两个事件，一个记录提示词消耗的词元，另一个记录补全产出消耗的词元。两个事件都带着代理的角色标签。Kong这边的计量模块会按角色把词元用量分组，每条计费特性只从总用量中切走属于某个特定代理的那一部分，再配上制定的单价。文章附录里给出了在Kong计量后台看到的最终效果截图。

整个应用的主体只有两百行左右的Python代码，从头搭完大概需要半小时。我们在第一部分先写Python程序，建一支三人研究队伍，配齐研究员、分析师和撰稿三种角色，各自挂着专属的目标和人物背景。三者按先后次序运转：研究员收集事实，分析师从素材里挑出关键结论，撰稿人把结论改写成单页简报。关键的计费监听器KongBillingListener也是一个轻量级Python类，它会挂载到CrewAI的事件总线上。每当任意代理完成一次大模型调用，CrewAI会发出LLMCallCompletedEvent通知，监听器随即捕获这个通知，读取当次的词元数量和代理角色，然后生成用量事件发往Kong。入口脚本只负责把接口密钥就位、组建队伍、点火运行，最后把结果打印出来。配套的完整参考仓库已经放在github.com/tejakummarikuntla/Billing-CrewAI-with-KongMB，读者可以直接复制下来对照成品代码走读，也可以按步骤自己从零拼装。