---
title: "أين تذهب رموز وكيل الذكاء الاصطناعي وكيف تقلّلها | BroadRouter"
description: "أمر النظام، ومخططات الأدوات، وقراءة الملفات، والسجل، والاستدلال المنطقي: كيف تنفق حلقة الوكيل الرموز، وكيف تقيس كل جزء من بيانات الاستخدام، وماذا تقلّص أولًا."
url: https://broadrouter.com/ar/blog/agent-token-budget/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/agent-token-budget/) (حُدّث في 2026-11-14).

# ميزانية رموز الوكيل: أين تذهب رموز حلقة الوكيل

بقلم فريق BroadNet Inference · قراءة في 5 دقائق · تاريخ النشر 2026-11-14

تعيد حلقة الوكيل إرسال سياقها كاملًا في كل استدعاء: أمر النظام، وتعريفات الأدوات، وسجل المحادثة، ومحتوى الملفات، ومخرجات الأدوات، إضافة إلى الخطوة الجديدة. والإدخال يفوق الإخراج عادةً بأضعاف كثيرة. سجّل prompt\_tokens وcached\_tokens وcompletion\_tokens لكل استدعاء، وحدّد أكبر كتلة متكررة، ثم قلّص الأدوات، وضع سقفًا لمخرجاتها، وأعد تشغيل الجلسات الطويلة.

## أبرز النقاط

-   كل استدعاء للنموذج يعيد إرسال السياق كاملًا. مهمة من 40 خطوة بـ 30,000 رمز في كل استدعاء تقرأ 1.2 مليون رمز إدخال.
-   السلال الخمس: أمر النظام، ومخططات الأدوات، والسجل، وقراءة الملفات ومخرجات الأدوات، والإخراج بما فيه الاستدلال المنطقي.
-   قِس لكل استدعاء من كتلة الاستخدام: prompt\_tokens وprompt\_tokens\_details.cached\_tokens وcompletion\_tokens.
-   أفادت Cursor بأن أمر النظام وتعريفات الأدوات لديها صارا من أكبر مصادر الإنفاق التي تتحكم فيها بالكامل.
-   قلّص بهذا الترتيب: الأدوات غير المستخدمة، ثم مخرجات الأدوات المفرطة، ثم السجل القديم، ثم أمر النظام. وأبقِ البادئة الثابتة متطابقة لتبقى مخزّنة مؤقتًا.

**في هذه الصفحة**

1.  لماذا يعيد الوكيل إرسال كل شيء؟
2.  أين تذهب الرموز؟
3.  كيف تقيسها؟
4.  ماذا تقلّص أولًا؟
5.  لماذا تُبقي البادئة ثابتة؟
6.  كيف تبدو ميزانية وكيل محسوبة؟
7.  أين تقع BroadNet Inference؟

تكلّف المحادثة ما تكتبه أنت إضافة إلى ما يكتبه النموذج. أما الوكيل فيكلّف أكثر بكثير، لأنه يستدعي النموذج عشرات المرات ويعيد إرسال كل شيء تقريبًا في كل مرة. وإن أردت خفض هذه التكلفة، أو مجرد التوقف عن الاصطدام بحد [نافذة السياق](https://broadrouter.com/ar/glossary/context-window/)، فعليك أن تعرف أي جزء من كل طلب هو الكبير. يقسم هذا المقال حلقة الوكيل إلى خمس سلال، ويبيّن كيف تقيس كلًّا منها من بيانات الاستخدام التي تُرجعها الـ API نفسها، ويسرد ما تقلّصه أولًا.

## لماذا يعيد الوكيل إرسال كل شيء؟

واجهات chat completions عديمة الحالة. فالنموذج لا يتذكر شيئًا بين الاستدعاءات، لذا يرسل الوكيل السياق كاملًا في كل خطوة. ومهمة من 40 خطوة يحمل كل استدعاء فيها 30,000 رمز (توكن) تقرأ **1.2 مليون رمز إدخال** لتنتج ربما 40,000 رمز إخراج. ونسبة 30 إلى 1 هذه هي سبب هيمنة [رموز الإدخال](https://broadrouter.com/ar/glossary/input-and-output-tokens/) وسعرها المخزّن مؤقتًا على فواتير الوكلاء.

## أين تذهب الرموز؟

| السلة | ما هي | تتكرر في كل استدعاء؟ | المحرّك المعتاد |
| --- | --- | --- | --- |
| أمر النظام | تعليمات الوكيل، وملفات القواعد، وملاحظات المشروع | نعم | ملفات قواعد طويلة |
| مخططات الأدوات | الاسم والوصف وJSON Schema لكل أداة | نعم | الأدوات المدمجة إضافة إلى كل خادم MCP |
| السجل | الرسائل السابقة واستدعاءات الأدوات ونتائجها | نعم، ويكبر | الجلسات الطويلة |
| قراءة الملفات ومخرجات الأدوات | محتوى الملفات، وسجلات الاختبار، ونتائج البحث | نعم، حتى تُحذف | قراءة ملفات كاملة، وأوامر مُسهبة |
| الإخراج | الإجابة المرئية، واستدعاءات الأدوات، والاستدلال المنطقي | لا | جهد الاستدلال المنطقي، وإعادة كتابة ملفات كاملة |

السلتان الأوليان عبء ثابت. كتبت Cursor في سبتمبر 2026 أن أمر النظام وتعريفات الأدوات “had become one of the largest sources of spend that we fully control” (الترجمة: صارا من أكبر مصادر الإنفاق التي نتحكم فيها بالكامل)، ووصفت قراءة الملفات بأنها “another large source of token spend” (الترجمة: مصدر كبير آخر لإنفاق الرموز). وقد خفضت تغييراتها تكلفة الرموز على المستخدمين بنسبة 7%، ومنها حذف نحو ثلثي أمر النظام، وعدم تحميل الأدوات المستخدمة في أقل من 20% من المحادثات إلا عند الحاجة. وسمّى فريق VS Code في GitHub التكلفتين نفسيهما في Copilot: بادئة الأمر المتكررة والعبء الإضافي لتعريفات الأدوات.

## كيف تقيسها؟

لا تحتاج إلى منتج تتبّع. كتلة الاستخدام في كل استجابة تكفي.

1.  **فعّل الاستخدام.** في البث، أضف `stream_options: {"include_usage": true}`؛ فتصل بيانات الاستخدام في آخر مقطع. راجع [البث](https://broadrouter.com/ar/guides/streaming-chat-completions/).
2.  **سجّل لكل استدعاء:** رقم الخطوة، و`prompt_tokens`، و`prompt_tokens_details.cached_tokens`، و`completion_tokens`، و`completion_tokens_details.reasoning_tokens` حين يُبلَغ عنه.
3.  **قِس العبء الثابت مرة واحدة.** أرسل طلبًا واحدًا لا يحتوي إلا على أمر النظام والأدوات وكلمة “hi”. قيمة `prompt_tokens` فيه هي الحد الأدنى لديك.
4.  **قِس مخرجات الأداة.** عُدّ أحرف كل نتيجة أداة قبل أن تضيفها. والقسمة على أربعة تعطي عددًا تقريبيًا للرموز في النص الإنجليزي؛ والصق عينة في [عدّاد الرموز](https://broadrouter.com/tools/token-counter/) المجاني لتحصل على الرقم الدقيق بمرمِّز (tokenizer) نموذجك.

```python
r = client.chat.completions.create(model=MODEL, messages=msgs, tools=tools)
u = r.usage
cached = getattr(u.prompt_tokens_details, "cached_tokens", 0) or 0
log.info("step=%d prompt=%d cached=%d out=%d", step, u.prompt_tokens, cached, u.completion_tokens)
```

ارسم `prompt_tokens` حسب الخطوة. الميل المنتظم يعني أن السجل يكبر. والقفزة المفاجئة تعني أن ملفًا أو سجلًا كبيرًا دخل السياق. والحد الأدنى المرتفع يعني أدوات أكثر من اللازم.

وفي Aider يعرض `/tokens` ما في السياق الحالي، ويحذف `/drop` الملفات منه.

## ماذا تقلّص أولًا؟

رتّب حسب الحجم مضروبًا في عدد التكرارات، لا حسب الأسهل:

1.  **الأدوات غير المستخدمة.** كل مخطط أداة يرافق كل استدعاء. يقول دليل OpenAI إن تعريفات الدوال “are billed as input tokens” (الترجمة: تُحتسب رموز إدخال)، ويقترح أقل من 20 دالة في بداية الدورة، كقاعدة مرنة. عطّل خوادم MCP التي لا تستخدمها في هذه المهمة؛ إذ يقول توثيق opencode صراحة إن أدوات MCP تستهلك من سياق النموذج.
2.  **مخرجات الأدوات.** ضع سقفًا لمخرجات الأوامر (آخر 200 سطر من سجل الاختبار، لا 20,000). وأعِد نتائج البحث مسارات وأرقام أسطر، ثم اقرأ ما تحتاج إليه فقط.
3.  **قراءة الملفات.** اقرأ الدالة، لا الملف. تستخدم خريطة المستودع في Aider ميزانية افتراضية قدرها 1k رمز (`--map-tokens`) بدل الملفات الكاملة.
4.  **السجل.** ابدأ مهمة جديدة لكل تغيير. وحين يجب أن تستمر الجلسة، استبدل الدورات القديمة بملخص قصير.
5.  **أمر النظام.** احذف القواعد التي يتبعها النموذج أصلًا. وأبقِ الباقي ثابتًا.
6.  **الإخراج.** اطلب فروقًا (diffs) لا ملفات كاملة. واضبط `reasoning_effort` على `low` للخطوات الروتينية. [رموز الاستدلال المنطقي](https://broadrouter.com/ar/glossary/reasoning-tokens/) تُحتسب إخراجًا.

## لماذا تُبقي البادئة ثابتة؟

يخزّن المزودون البادئة المتكررة مؤقتًا ويحتسبونها بسعر أقل. على BroadNet Inference يحتسب [DeepSeek V4.1 Flash](https://broadrouter.com/ar/models/deepseek-v4.1-flash/) [الإدخال المخزّن مؤقتًا](https://broadrouter.com/ar/glossary/cached-input-tokens/) بسعر $0.0055 لكل مليون رمز، والإدخال الجديد بسعر $0.175. ويحتسب [GLM 5.3](https://broadrouter.com/ar/models/glm-5.3/) $0.173 مقابل $0.78. والطابع الزمني في أمر النظام، أو سرد الأدوات بترتيب مختلف في كل استدعاء، يكسر الذاكرة المؤقتة من تلك النقطة فصاعدًا. ضع الأجزاء الثابتة أولًا بترتيب ثابت، والأجزاء المتغيرة أخيرًا. المزيد في [شرح رموز الإدخال المخزّنة مؤقتًا](https://broadrouter.com/ar/blog/cached-input-tokens-explained/)؛ وتبيّن [حاسبة التخزين المؤقت للأوامر](https://broadrouter.com/tools/prompt-caching-calculator/) ما توفّره نسبة إصابة معيّنة.

التخزين المؤقت يخفض سعر البادئة، لكن لا يخفض حجمها. فالرموز المخزّنة مؤقتًا ما زالت تملأ نافذة السياق وما زالت تستغرق وقتًا في المعالجة.

## كيف تبدو ميزانية وكيل محسوبة؟

خذ المهمة ذات الأربعين خطوة أعلاه، مع 80% من الإدخال مخزّن مؤقتًا:

| الجزء | الرموز | يُحتسب بسعر |
| --- | --- | --- |
| الإدخال الجديد | 240,000 | سعر الإدخال |
| الإدخال المخزّن مؤقتًا | 960,000 | سعر الإدخال المخزّن مؤقتًا |
| الإخراج بما فيه الاستدلال المنطقي | 40,000 | سعر الإخراج |

حذف 5,000 رمز من مخططات الأدوات غير المستخدمة من كل استدعاء يزيل 200,000 رمز إدخال من هذه المهمة، أي نحو سدس المجموع، دون أي تغيير في سلوك الوكيل. ولأدوات خفض التكلفة الأخرى غير التقليص، مثل اختيار النموذج والتخزين المؤقت والخطط الثابتة، راجع [10 طرق لخفض تكلفة LLM في وكلاء البرمجة](https://broadrouter.com/ar/blog/cut-coding-agent-llm-costs/). ولإعدادات تعدد الوكلاء، اضرب في عدد الوكلاء؛ راجع [كم تكلّف الأنظمة متعددة الوكلاء](https://broadrouter.com/ar/blog/multi-agent-cost/). ولنمذجة حلقتك أنت خطوة بخطوة، استخدم [أداة تقدير تكلفة تشغيل الوكيل](https://broadrouter.com/tools/agent-run-cost-estimator/).

## أين تقع BroadNet Inference؟

تُرجع BroadNet Inference رموز الأمر والإكمال في كتلة الاستخدام، إضافة إلى الرموز المخزّنة مؤقتًا ورموز الاستدلال المنطقي حين يُبلغ عنها النموذج، فيعمل القياس أعلاه كما هو مكتوب. وسعرها المنخفض للإدخال المخزّن مؤقتًا على DeepSeek V4.1 Flash يكافئ البادئة الثابتة. وإن لم يكن التقليص يستحق وقتك، فإن الخطط غير المحدودة تزيل عدّاد الرموز عن DeepSeek V4.1 Flash بسعر $60 شهريًا لكل جلسة؛ لكن نافذة السياق تظل سارية، والسياق الخفيف يظل أسرع. الخطط على [inference.broadnet.ai/plans](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-agent-token-budget&utm_content=body).

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[أمر النظام (System prompt)](https://broadrouter.com/ar/glossary/system-prompt/)

أمر النظام (system prompt) هو نص التعليمات الذي يرسله التطبيق إلى النموذج اللغوي قبل المحادثة، عادةً في رسالة بالدور system أو developer. وهو يحدد دور النموذج وقواعده ونبرته وصيغة مخرجاته، ويُفترض أن يلتزم به النموذج إذا تعارض مع رسائل المستخدم.

[MCP (بروتوكول سياق النموذج)](https://broadrouter.com/ar/glossary/mcp/)

MCP (بروتوكول سياق النموذج، Model Context Protocol) بروتوكول مفتوح مبني على JSON-RPC 2.0 يوحّد طريقة اتصال تطبيقات LLM بالأدوات والبيانات الخارجية. يعرض خادم MCP الأدوات والموارد والأوامر، ويكتشفها عميل MCP داخل التطبيق المضيف وينقل استدعاءات الأدوات من النموذج إلى الخادم.

[رموز الإدخال والإخراج (Input and output tokens)](https://broadrouter.com/ar/glossary/input-and-output-tokens/)

رموز الإدخال هي الرموز (التوكنات) التي يقرؤها نموذج اللغة في الطلب، ومنها أمر النظام وسجل المحادثة وتعريفات الأدوات والصور. ورموز الإخراج هي الرموز التي يولّدها في الرد، بما فيها الاستدلال المنطقي. وتسعّر واجهات LLM API كلًّا منهما على حدة عادةً، والإخراج أغلى في الغالب.

[نافذة السياق (Context window)](https://broadrouter.com/ar/glossary/context-window/)

نافذة السياق هي الحد الأقصى لعدد الرموز (التوكنات) التي يستطيع نموذج اللغة التعامل معها في طلب واحد. وتشمل الأمر (prompt) وسجل المحادثة وتعريفات الأدوات والصور والمخرجات المولَّدة، بما فيها رموز الاستدلال المنطقي. وكل ما لا يتسع لها يجب قصّه أو تلخيصه أو توزيعه على عدة طلبات.

[النظام متعدد الوكلاء (Multi-agent system)](https://broadrouter.com/ar/glossary/multi-agent-system/)

النظام متعدد الوكلاء هو تطبيق LLM يعمل فيه عدة وكلاء، لكل منهم أمره وأدواته وسياقه، على أجزاء من مهمة واحدة. ومن التصاميم الشائعة نمط المنسّق والعاملين: وكيل رئيسي يخطط، ويطلق وكلاء عاملين بالتوازي، ويجمع نتائجهم.

[المجزّئ (Tokenizer)](https://broadrouter.com/ar/glossary/tokenizer/)

المجزّئ (tokenizer) هو المكوّن الذي يحوّل النص إلى سلسلة معرّفات رموز عددية يقرؤها نموذج اللغة، ويحوّل المعرّفات المولَّدة إلى نص من جديد. ولكل نموذج مجزّئه الخاص، فقد يُنتج النص نفسه عددًا مختلفًا من الرموز (التوكنات) في نماذج مختلفة.

## أسئلة شائعة

### لماذا يستهلك وكيل البرمجة لديّ كل هذه الرموز في الإدخال؟

لأن الـ API عديمة الحالة (stateless). كل استدعاء يعيد إرسال أمر النظام، وكل تعريف أداة، والمحادثة حتى الآن، وكل محتوى الملفات الباقي في السياق. والجلسة الطويلة تضرب ذلك في عدد الخطوات.

### كيف أرى عدد الرموز التي تستهلكها كل خطوة من خطوات الوكيل؟

اقرأ كتلة الاستخدام (usage) في كل استجابة. ومع البث، اضبط include\_usage في stream\_options على true واقرأ آخر مقطع. وسجّل prompt\_tokens وprompt\_tokens\_details.cached\_tokens وcompletion\_tokens مع رقم الخطوة.

### هل تُحتسب تعريفات الأدوات رموز إدخال؟

نعم. قائمة الأدوات جزء من الأمر وتُرسل في كل استدعاء. وخوادم MCP تضيف أدواتها إلى تلك القائمة، ولهذا يقول توثيق opencode أن تضيف الخوادم التي تحتاجها فقط.

### هل يحل التخزين المؤقت للأوامر المشكلة؟

يخفض سعر البادئة المتكررة، لا حجمها. فالإدخال المخزّن مؤقتًا ما زال يملأ نافذة السياق. وعلى BroadNet يحتسب DeepSeek V4.1 Flash الإدخال المخزّن مؤقتًا بسعر $0.0055 لكل مليون رمز مقابل $0.175 للإدخال الجديد.

### هل رموز الاستدلال المنطقي جزء من الميزانية؟

نعم، في جانب الإخراج. نماذج الاستدلال المنطقي تحتسب التفكير ضمن max\_tokens وتحتسبه إخراجًا عند الدفع حسب الاستخدام. اضبط reasoning\_effort على low للخطوات الروتينية.

## تابع القراءة

-   [OpenClaw وHermes Agent على نموذج رخيص: الإعداد وحساب الرموز](https://broadrouter.com/ar/blog/openclaw-hermes-agent-cheap-model/)
-   [رموز الإدخال المخزّنة مؤقتًا: كيف تخفّض فاتورة LLM API](https://broadrouter.com/ar/blog/cached-input-tokens-explained/)
-   [تكلفة الأنظمة متعددة الوكلاء: الدفع لكل رمز أم الجلسات الثابتة](https://broadrouter.com/ar/blog/multi-agent-cost/)
-   [أفضل نموذج مفتوح لوكلاء البرمجة: اختر حسب الأدوات والسياق والتكلفة](https://broadrouter.com/ar/blog/best-open-model-for-coding-agents/)
-   [LLM API بسعر ثابت أم الدفع لكل رمز؟ حساب نقطة التعادل](https://broadrouter.com/ar/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [تقليل رموز الأمر: تخفيضات مقيسة لأوامر النظام والأدوات والبيانات](https://broadrouter.com/ar/blog/reduce-prompt-tokens/)
-   [كم يكلّف تشغيل واحد لوكيل برمجة: الخطوات ونمو السياق والتخزين المؤقت](https://broadrouter.com/ar/blog/ai-coding-agent-run-cost/)
-   [Claude Code مع النماذج المفتوحة: الوكلاء ونقاط النهاية الأصلية والحدود](https://broadrouter.com/ar/blog/claude-code-with-openai-compatible-models/)
-   [دليل: البث المتدفق لإكمال المحادثات والتعامل مع انقطاع الاتصال](https://broadrouter.com/ar/guides/streaming-chat-completions/)
-   [دليل: لماذا يعيد نموذج الاستدلال إجابة فارغة؟](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/)
-   [دليل: تشغيل Aider على DeepSeek V4.1 Flash غير المحدود](https://broadrouter.com/ar/guides/aider-unlimited-deepseek/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-agent-token-budget&utm_content=page-cta) ·

**المصادر**

-   [Cursor، تحسين كفاءة استخدام الرموز (23 سبتمبر 2026؛ تاريخ الاطلاع 2026-11-14)](https://cursor.com/blog/improved-token-efficiency)
-   [مدونة VS Code، تحسين كفاءة الرموز في GitHub Copilot (تاريخ الاطلاع 2026-11-14)](https://code.visualstudio.com/blogs/2026/06/17/improving-token-efficiency-in-github-copilot)
-   [OpenAI، دليل استدعاء الدوال، أقل من 20 دالة (تاريخ الاطلاع 2026-11-14)](https://developers.openai.com/api/docs/guides/function-calling)
-   [توثيق opencode، خوادم MCP واستهلاك السياق (تاريخ الاطلاع 2026-11-14)](https://opencode.ai/docs/mcp-servers/)
-   [توثيق Aider، خريطة المستودع والأوامر داخل المحادثة (تاريخ الاطلاع 2026-11-14)](https://aider.chat/docs/repomap.html)
-   [مرجع BroadNet Inference API، الاستخدام والرموز المخزّنة مؤقتًا (تاريخ الاطلاع 2026-11-14) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-agent-token-budget&utm_content=sources)
