チームがCI環境でLLM Agent（定時自動化タスク）を実行しているなら、Tokenコストは知らないうちに驚くべき数字まで積み上がっているかもしれません。GitHubのエンジニアリングチームは「監査-最適化」ループの手法を共有し、Agentワークフローの等価Tokenコストを最大62%削減しました。関連ツールはすでにgh-aw CLIに統合されており、この考え方をそのまま借りてこられます。

等価Token（ET）：モデル横断のコスト比較指標

モデルごとの価格差は大きく、Token数を直接比較しても意味がありません。GitHubは「等価Token（ET）」指標を設計しました：

• 出力Tokenは4倍の重みで計算（出力は入力よりはるかに高い）
• キャッシュ読み取りTokenは0.1倍の重みで計算
• モデルタイプごとに係数を適用：Haiku 0.25x、Sonnet 1.0x、Opus 5.0x

これにより、どのモデルを使っても、ETが10%下がることは約10%のコスト低下に対応します。

監査-最適化ループ：2つのAgentが自動で回る

ステップ1：毎日のToken使用監査ツール

このAgentは毎日自動で実行され、3つのことを行います：

1. ワークフロー別のリソース消費集計：すべてのAgent呼び出しをAPIプロキシ経由で一括転送し、毎回の実行でtoken-usage.jsonlファイルを生成
2. 異常実行のフラグ付け：消費が急騰したタスクを発見
3. コスト最高のタスクを特定：優先度順に並べ、最適化が必要なワークフローに印を付ける

ステップ2：毎日のTokenオプティマイザー

監査ツールがあるワークフローが注目に値すると判断すると、オプティマイザーが自動起動します：

1. 関連するソースコードと最近のログを読み込む
2. 非効率の原因を分析する
3. GitHub Issueを自動作成し、具体的な最適化提案を出す

2つのAgent自身のToken消費も、同じ日次レポートの集計に含まれます。

最大の収益源：MCPツールのスリム化

オプティマイザーが発見した最も一般的な非効率源は、使用されていないMCPツールです。

理由は、LLM APIが本質的にステートレスで、毎回のリクエストにツールSchemaを載せる必要があることです。40個のツールを含むGitHub MCP Serverは、1ラウンドの対話ごとに10KB-15KBのSchema内容を余分に増やす可能性があります。

具体的な最適化アクション：

• 未使用のツール定義を削除：スモークテストワークフローでは、これだけで毎回の呼び出しのコンテキストが約8KB-12KB減少
• gh CLIでMCP呼び出しを置き換え：PR Diffとファイル内容の取得はコマンドラインでの直接取得に変更し、データはAgent起動前に作業ディレクトリへ事前ダウンロード
• 認証Tokenの露出を回避：透過HTTPプロキシ経由で実行時にデータを取得

実測効果

10以上の本番環境ワークフローの最適化結果：

注意点

MCPスリム化戦略には限界があります。GitHub自身の「毎日のコミュニティアトリビューション」ワークフローは、8個の未使用ツールを除去しても、ETは明確には下がりませんでした。理由は、そのワークフローではツールリストが全体のコンテキストのごく一部を占めるにすぎないからです。先にprofileしてボトルネックを確認してから手を下す必要があります。

そのまま使えるツール

AuditorとOptimiserはすでにgh-aw CLIの構成要素として提供されています。次のことができます：

1. 自分のCIに同様のtoken-usage.jsonl記録機構をデプロイする
2. AnthropicとOpenAIのPromptキャッシュ機能を活用する
3. LangChainのCallback機構でAgent Tokenの使用を追跡する

核心思想：最も安いLLM呼び出しは、そもそも発生しないあの1回の呼び出しです。

参考リンク：GitHub Slashes Agent Workflow Token Spend up to 62% with Daily Audits and MCP Pruning - InfoQ