Reducir costes al usar agentes: la checklist práctica

Por qué los costes se disparan tan rápido

Un agente no llama al modelo una sola vez, sino a menudo decenas de veces por tarea: para planificar, usar herramientas, pasos intermedios. Sin un control consciente, con frecuencia pagas el precio máximo por tareas que ni siquiera lo necesitan.

Palanca 1: enrutamiento de modelos

No todas las subtareas necesitan el modelo más potente. Lo mecánico (clasificar, dar formato, resúmenes simples) va a un modelo barato y rápido. La planificación compleja y las decisiones difíciles se quedan con el modelo fuerte.

Palanca 2: caching

Si un agente envía repetidamente el mismo inicio largo (system prompt, definiciones de herramientas), gracias al prompt caching esa parte no hace falta recalcularla cada vez, siempre que las peticiones se sucedan dentro de una ventana de tiempo corta.

Palanca 3: mantener el contexto ligero

Desactivar las herramientas que no se usan, vaciar el contexto entre tareas independientes, filtrar de antemano las salidas extensas de logs o tests en vez de pasarlas completas, y trasladar el conocimiento detallado a skills en vez de arrastrarlo permanentemente en el CLAUDE.md.

Palanca 4: procesamiento por lotes

Para grandes volúmenes de peticiones no urgentes (clasificación masiva, evaluaciones), una API de batch compensa frente a las llamadas individuales: mucho más barata, a cambio de no tener respuesta inmediata.

Estas cuatro palancas se pueden combinar: el modelo más barato que aún sea suficiente, con un inicio de prompt en caché, un contexto ligero, procesado por lotes.