你的 AI 编程 Agent 在偷偷烧钱吗？Cost.dev 让 API 成本下降 67%

最近 Uber 内部限制员工使用 AI 编程工具的消息在开发者社区引起热议——原因是季度预算严重超支。这背后有一个被很多人忽视的问题：AI 编程 Agent 调用的 API Token 成本，正在成为很多团队的「隐形第二大开支」。

以 Claude Code 或 Cursor 为例，Agent 在生成 IaC 代码时不是只调一次 API 就结束——它需要反复读取云厂商的价格表、分析 Terraform 配置、跑管道命令（jq | python | wc），每一步都在烧 Token。而 Token 就是实实在在的真金白银。

6 月 4 日，Infracost 团队（YC W21，主仓库 13k+⭐）推出了专为 AI 编程 Agent 设计的成本感知 CLI——Cost.dev。它不仅能让 Agent 的云成本预估更准确，还通过 CLI 设计优化把 Token 使用量缩减 79%，API 成本降低 67%。

本文从实战角度带你上手 Cost.dev，看看它是怎么做到的。

Cost.dev 是什么

Cost.dev 是一个给 AI 编程 Agent 用的成本感知 CLI。它不做 Agent 该做的事（自然语言推理、代码生成），而是做 Agent 不擅长的两件事：

1. 确定性计算：从云厂商 API 拉取实时价格、扫描 Terraform/CloudFormation 代码、做精确的成本估算
2. Token 优化：用精心设计的 CLI 输出格式，让 Agent 不用再写 jq | python | wc 管道解析 JSON

一句话定位：让 Agent 知道你的代码要花多少钱，且 Agent 用 Cost.dev 比自己去查便宜 67%。

安装

Cost.dev 支持通过 Homebrew 或 npm 安装：

brew install cost-dev/tap/cost

npm install -g @infracost/cost

安装后验证：

cost --help

输出应该显示 cost estimation、resource comparison 等子命令列表。

实战 1：让 Agent 知道 Terraform 要花多少钱

Cost.dev 最核心的场景是给 Claude Code / Codex 等 AI 编程 Agent 提供价格感知能力。传统做法是 Agent 自己从 AWS 定价页面爬数据——Token 浪费大且准确性无保障。

使用 Cost.dev，Agent 只需一行命令就能获取精确估算：

cost estimate --file main.tf

输出示例：

Project: main.tf
Region: us-east-1
Monthly estimate: $425.32

Resources:
  aws_instance.app_server   m6g.large     $84.23/mo
  aws_rds_cluster.main      db.r6g.large   $198.50/mo
  aws_alb.main              ALB            $142.59/mo

Agent 不再需要自己去拼价格——Cost.dev 返回的数据已经是整理好的。更重要的是，这个 CLI 做了谓词标志（predicate flag）设计：Agent 可以用 --filter、--format compact 等标志精确控制输出粒度，不必自己写管道。

cost estimate --file main.tf --format total-only

cost estimate --file main.tf --service RDS --format compact

实战 2：多方案成本对比

另一个 Agent 常遇到的场景：开发者问「这套三层的应用在 AWS 和 GCP 上分别要多少钱？」

用 Cost.dev 可以一行搞定：

cost compare --file aws-main.tf --file gcp-main.tf

输出：

Comparison: AWS vs GCP (us-east-1, on-demand, 24/7)

  AWS: ALB + ECS Fargate + RDS Postgres     $523.18/mo
  GCP: Load Balancer + Cloud Run + Cloud SQL  $412.65/mo

  Cloud Run scale-to-zero saves on idle compute.
  Caveat: AWS becomes cheaper above ~80% utilization.

Agent 拿到这个输出后，不仅能告诉用户「GCP 更便宜」，还能给出利用率的边界条件——这些都是从 Cost.dev 的结构化输出中直接提取的，不是 Agent 自己胡猜的。

实战 3：自然语言成本查询

Cost.dev 还支持自然语言查询式的资源对比，适合在 Cursor/Copilot Chat 中使用：

用户：「can we hit <$400/mo on this 3-tier app?」

Agent → cost estimate --budget 400 --file main.tf
Agent ← m6g.large meets your performance budget at the target price.

Cost.dev 内部做了充足的优化：返回的输出不是冗余 JSON，而是经过压缩的紧凑格式，Agent 读起来快，Token 也省得多。

为什么 Cost.dev 能省 79% 的 Token？

这个问题其实反映了当前 AI Agent 工具生态的一个普遍问题：大多数 CLI 工具的设计没有考虑 Agent 调用者。

传统的 CLI 输出设计思路是「给人看的」——彩色表格、JSON 包裹、冗长的字段名。Agent 调用这种 CLI 需要：

1. 先执行命令 → 获取完整 JSON（大量冗余字段名）
2. 再写 jq/python 管道解析 → 消耗更多 Token
3. 如果有多个步骤，重复上面的循环

Cost.dev 的设计哲学相反——CLI 输出应该直接是 Agent 能消费的格式：

• 谓词标志：用 --format total-only 或 --filter service=RDS 直接从源头过滤，Agent 不用再写 | jq
• 紧凑 JSON：字段名从 estimated_monthly_cost 缩减到 cost → 每条记录省 20+ 字符
• 省略冗余包层：不输出 {"data": {"result": ...}} 这种多层嵌套

这些看起来是小改动，但在 Agent 循环中反复调用时，累计效果非常显著。

与主流 Agent 的集成

Cost.dev 当前支持以下工具：

• Claude Code：直接在 Agent 的 ~/.claude/settings.json 中添加 Cost.dev 命令作为 MCP 工具
• GitHub Copilot / Cursor：通过 @terminal 或 inline 命令执行
• OpenAI Codex / Gemini CLI：直接 shell 调用
• VS Code / JetBrains：作为终端插件使用

总结

AI 编程 Agent 的 API 成本管理正在从「没人关心」变成「团队必须关注」的问题。Cost.dev 不是第一个做云成本估算的工具，但它是第一个专门为 Agent 调用者设计的成本工具——它的价值不仅在于「算出价格」，更在于「让 Agent 花最少的 Token 算出价格」。

对于正在把 AI Agent 引入 IaC 工作流的团队来说，Cost.dev 的 ROI 是立竿见影的：省 67% 的钱 + 79% 的 Token + 更准确的成本数据。三赢。

• 项目主页：https://cost.dev/
• GitHub（Infracost）：https://github.com/infracost/infracost
• 技术博客：https://www.infracost.io/resources/blog/we-cut-claude-s-token-usage-79-by-redesigning-our-cli-for-agents