---
title: "Adónde van los tokens de un agente de IA y cómo reducirlos"
description: "Prompt de sistema, esquemas de herramientas, archivos, historial y razonamiento: cómo gasta tokens el bucle de un agente, cómo medir cada parte y qué recortar."
url: https://broadrouter.com/es/blog/agent-token-budget/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/agent-token-budget/) (actualizado el 2026-11-14).

# Presupuesto de tokens de un agente: adónde van los tokens del bucle

Por el equipo de BroadNet Inference · 5 min de lectura · Publicado 2026-11-14

El bucle de un agente reenvía todo su contexto en cada llamada: prompt de sistema, definiciones de herramientas, historial, contenido de archivos y salida de herramientas, más el nuevo paso. La entrada suele superar muchas veces a la salida. Registre prompt\_tokens, cached\_tokens y completion\_tokens por llamada, encuentre el bloque repetido más grande y luego recorte herramientas, limite su salida y reinicie las sesiones largas.

## Puntos clave

-   Cada llamada al modelo reenvía el contexto completo. Una tarea de 40 pasos con 30,000 tokens por llamada lee 1.2 millones de tokens de entrada.
-   Los cinco bloques: prompt de sistema, esquemas de herramientas, historial, lecturas de archivos y salida de herramientas, y la salida, razonamiento incluido.
-   Mida por llamada a partir del bloque usage: prompt\_tokens, prompt\_tokens\_details.cached\_tokens y completion\_tokens.
-   Cursor informó de que su prompt de sistema y sus definiciones de herramientas se habían convertido en una de las mayores fuentes de gasto que controla por completo.
-   Recorte en este orden: herramientas sin uso, salida de herramientas sobredimensionada, historial obsoleto y, por último, el prompt de sistema. Mantenga idéntico el prefijo estable para que siga en caché.

**En esta página**

1.  ¿Por qué un agente lo reenvía todo?
2.  ¿Adónde van los tokens?
3.  ¿Cómo se mide?
4.  ¿Qué recortar primero?
5.  ¿Por qué mantener estable el prefijo?
6.  ¿Cómo se ve el presupuesto calculado de un agente?
7.  Dónde encaja BroadNet Inference

Un chat cuesta lo que usted escribe más lo que escribe el modelo. Un agente cuesta mucho más, porque llama al modelo decenas de veces y reenvía casi todo cada vez. Si quiere reducir ese costo, o simplemente dejar de chocar con la [ventana de contexto](https://broadrouter.com/es/glossary/context-window/), necesita saber qué parte de cada solicitud es la grande. Este artículo divide el bucle de un agente en cinco bloques, muestra cómo medir cada uno con los datos de uso de la propia API y enumera qué recortar primero.

## ¿Por qué un agente lo reenvía todo?

Las APIs de chat completions no guardan estado. El modelo no recuerda nada entre llamadas, así que el agente envía el contexto completo en cada paso. Una tarea de 40 pasos en la que cada llamada lleva 30,000 tokens lee **1.2 millones de tokens de entrada** para producir quizá 40,000 tokens de salida. Esa proporción de 30 a 1 es la razón por la que los [tokens de entrada](https://broadrouter.com/es/glossary/input-and-output-tokens/) y su precio en caché dominan la factura de los agentes.

## ¿Adónde van los tokens?

| Bloque | Qué es | ¿Se repite en cada llamada? | Causa típica |
| --- | --- | --- | --- |
| Prompt de sistema | Instrucciones del agente, archivos de reglas, notas del proyecto | Sí | Archivos de reglas largos |
| Esquemas de herramientas | Nombre, descripción y JSON Schema de cada herramienta | Sí | Herramientas integradas más cada servidor MCP |
| Historial | Mensajes anteriores, llamadas a herramientas y resultados | Sí, y crece | Sesiones largas |
| Lecturas de archivos y salida de herramientas | Contenido de archivos, logs de pruebas, resultados de búsqueda | Sí, hasta que se eliminan | Leer archivos completos, comandos verbosos |
| Salida | Respuesta visible, llamadas a herramientas y razonamiento | No | Esfuerzo de razonamiento, reescribir archivos completos |

Los dos primeros son una carga fija. Cursor escribió en septiembre de 2026 que el prompt de sistema y las definiciones de herramientas “had become one of the largest sources of spend that we fully control” (Traducción: se habían convertido en una de las mayores fuentes de gasto que controlamos por completo), y llamó a las lecturas de archivos “another large source of token spend” (Traducción: otra gran fuente de gasto de tokens). Sus cambios, entre ellos recortar unos dos tercios del prompt de sistema y cargar solo cuando hacen falta las herramientas usadas en menos del 20 % de las conversaciones, redujeron un 7 % el costo de tokens de sus usuarios. El equipo de VS Code de GitHub señaló los mismos dos costos en Copilot: el prefijo de prompt repetido y la carga de las definiciones de herramientas.

## ¿Cómo se mide?

No necesita un producto de trazabilidad. El bloque usage de cada respuesta basta.

1.  **Active el uso.** Con streaming, añada `stream_options: {"include_usage": true}`; el uso llega en el último chunk. Vea [streaming](https://broadrouter.com/es/guides/streaming-chat-completions/).
2.  **Registre por llamada:** número de paso, `prompt_tokens`, `prompt_tokens_details.cached_tokens`, `completion_tokens` y, cuando se informe, `completion_tokens_details.reasoning_tokens`.
3.  **Mida la carga fija una vez.** Envíe una solicitud con solo el prompt de sistema, las herramientas y la palabra “hi”. Su `prompt_tokens` es su mínimo.
4.  **Mida la salida de una herramienta.** Cuente los caracteres de cada resultado de herramienta antes de añadirlo. Dividir entre cuatro da un recuento aproximado de tokens en inglés; pegue una muestra en el [contador de tokens](https://broadrouter.com/tools/token-counter/) gratuito para obtener la cifra exacta con el tokenizador de su modelo.

```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)
```

Grafique `prompt_tokens` por paso. Una pendiente constante significa que el historial crece. Un salto repentino significa que un archivo o log grande entró al contexto. Un mínimo alto significa demasiadas herramientas.

En Aider, `/tokens` informa de lo que hay en el contexto actual, y `/drop` elimina archivos de él.

## ¿Qué recortar primero?

Ordene por tamaño multiplicado por repeticiones, no por lo que resulte más fácil:

1.  **Herramientas sin uso.** Cada esquema de herramienta viaja en cada llamada. La guía de OpenAI dice que las definiciones de funciones “are billed as input tokens” (Traducción: se facturan como tokens de entrada) y sugiere, como regla flexible, menos de 20 funciones al inicio de un turno. Desactive los servidores MCP que no use en esta tarea; la documentación de opencode dice claramente que las herramientas MCP consumen contexto del modelo.
2.  **Salida de herramientas.** Limite la salida de los comandos (las últimas 200 líneas de un log de pruebas, no 20,000). Devuelva los resultados de búsqueda como rutas y números de línea, y luego lea solo lo necesario.
3.  **Lecturas de archivos.** Lea la función, no el archivo. El mapa del repositorio de Aider usa un presupuesto por defecto de 1k tokens (`--map-tokens`) en lugar de archivos completos.
4.  **Historial.** Empiece una tarea nueva por cada cambio. Cuando una sesión deba continuar, sustituya los turnos antiguos por un resumen breve.
5.  **Prompt de sistema.** Elimine las reglas que el modelo ya sigue. Mantenga estable el resto.
6.  **Salida.** Pida diffs, no archivos completos. Ponga `reasoning_effort` en `low` para los pasos rutinarios. Los [tokens de razonamiento](https://broadrouter.com/es/glossary/reasoning-tokens/) se facturan como salida.

## ¿Por qué mantener estable el prefijo?

Los proveedores almacenan en caché un prefijo repetido y lo facturan a una tarifa más baja. En BroadNet Inference, [DeepSeek V4.1 Flash](https://broadrouter.com/es/models/deepseek-v4.1-flash/) factura la [entrada en caché](https://broadrouter.com/es/glossary/cached-input-tokens/) a $0.0055 por 1M de tokens y la entrada nueva a $0.175. [GLM 5.3](https://broadrouter.com/es/models/glm-5.3/) factura $0.173 frente a $0.78. Una marca de tiempo en el prompt de sistema, o herramientas listadas en otro orden en cada llamada, rompen la caché a partir de ese punto. Ponga primero las partes estables, en un orden fijo, y al final las que cambian. Más en [los tokens de entrada en caché, explicados](https://broadrouter.com/es/blog/cached-input-tokens-explained/); la [calculadora de prompt caching](https://broadrouter.com/tools/prompt-caching-calculator/) muestra lo que ahorra una tasa de aciertos dada.

La caché reduce el precio del prefijo, pero no su tamaño. Los tokens en caché siguen llenando la ventana de contexto y siguen tardando en procesarse.

## ¿Cómo se ve el presupuesto calculado de un agente?

Tome la tarea de 40 pasos de arriba, con el 80 % de la entrada en caché:

| Parte | Tokens | Se factura a |
| --- | --- | --- |
| Entrada nueva | 240,000 | Precio de entrada |
| Entrada en caché | 960,000 | Precio de entrada en caché |
| Salida, razonamiento incluido | 40,000 | Precio de salida |

Quitar 5,000 tokens de esquemas de herramientas sin uso en cada llamada elimina 200,000 tokens de entrada de esta tarea, cerca de una sexta parte del total, sin cambiar en nada el comportamiento del agente. Para las palancas de costo más allá del recorte, como la elección de modelo, la caché y los planes de tarifa plana, vea [10 formas de reducir el costo de LLM de un agente de programación](https://broadrouter.com/es/blog/cut-coding-agent-llm-costs/). En configuraciones multiagente, multiplique por el número de agentes; vea [lo que cuestan los sistemas multiagente](https://broadrouter.com/es/blog/multi-agent-cost/). Para modelar su propio bucle paso a paso, use el [estimador del costo de ejecución de agentes](https://broadrouter.com/tools/agent-run-cost-estimator/).

## Dónde encaja BroadNet Inference

BroadNet Inference devuelve los tokens de prompt y de completion en el bloque usage, además de los tokens en caché y de razonamiento cuando el modelo los informa, así que la medición anterior funciona tal como está escrita. Su precio bajo de entrada en caché en DeepSeek V4.1 Flash premia un prefijo estable. Si recortar no le compensa el tiempo, los planes ilimitados eliminan el medidor de tokens de DeepSeek V4.1 Flash por $60 al mes por sesión; la ventana de contexto sigue aplicándose, y un contexto ligero sigue siendo más rápido. Los planes están en [inference.broadnet.ai/plans](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-agent-token-budget&utm_content=body).

Herramientas gratuitas sobre este tema (en inglés)

-   [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.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[Tokens de entrada en caché (cached input tokens)](https://broadrouter.com/es/glossary/cached-input-tokens/)

Los tokens de entrada en caché son tokens del prompt que un proveedor de LLM procesó recientemente y puede reutilizar desde un caché en lugar de calcularlos de nuevo; normalmente son un prefijo repetido, como un prompt de sistema o un documento. Los proveedores los cobran a una tarifa menor que los tokens de entrada nuevos.

[Tokens de entrada y de salida (input and output tokens)](https://broadrouter.com/es/glossary/input-and-output-tokens/)

Los tokens de entrada son los que un modelo de lenguaje lee en una solicitud, incluidos el prompt de sistema, el historial de la conversación, las definiciones de herramientas y las imágenes. Los tokens de salida son los que genera en la respuesta, incluido el razonamiento. Las APIs de LLM suelen cobrarlos por separado, y la salida suele costar más.

[Prompt de sistema (system prompt)](https://broadrouter.com/es/glossary/system-prompt/)

Un prompt de sistema es el texto de instrucciones que una aplicación envía a un modelo de lenguaje antes de la conversación, normalmente como mensaje con el rol system o developer. Define el rol, las reglas, el tono y el formato de salida del modelo, que debe priorizarlo sobre mensajes del usuario que lo contradigan.

[MCP (Model Context Protocol)](https://broadrouter.com/es/glossary/mcp/)

MCP (Model Context Protocol, protocolo de contexto de modelo) es un protocolo abierto, basado en JSON-RPC 2.0, que estandariza cómo las aplicaciones de LLM se conectan con herramientas y datos externos. Un servidor MCP expone herramientas, recursos y prompts; un cliente MCP dentro de la aplicación host los descubre y pasa al servidor las llamadas a herramientas del modelo.

[Streaming (respuestas en tiempo real)](https://broadrouter.com/es/glossary/streaming/)

El streaming es una forma de devolver la respuesta de un modelo de lenguaje en pequeños fragmentos mientras aún se genera, en lugar de una sola respuesta al final. Las APIs compatibles con OpenAI hacen streaming mediante server-sent events cuando la solicitud define stream como true.

[Sistema multiagente (multi-agent system)](https://broadrouter.com/es/glossary/multi-agent-system/)

Un sistema multiagente es una aplicación de LLM en la que varios agentes, cada uno con su propio prompt, herramientas y contexto, trabajan en partes de una misma tarea. Un diseño común es orquestador-trabajador: un agente líder planifica, lanza agentes trabajadores en paralelo y combina sus resultados.

## Preguntas frecuentes

### ¿Por qué mi agente de programación usa tantos tokens de entrada?

Porque la API no guarda estado. Cada llamada reenvía el prompt de sistema, cada definición de herramienta, la conversación hasta ese momento y todo el contenido de archivos que sigue en el contexto. Una sesión larga multiplica eso por el número de pasos.

### ¿Cómo veo cuántos tokens usa cada paso del agente?

Lea el bloque usage de cada respuesta. Con streaming, ponga include\_usage de stream\_options en true y lea el último chunk. Registre prompt\_tokens, prompt\_tokens\_details.cached\_tokens y completion\_tokens junto con el número de paso.

### ¿Las definiciones de herramientas cuentan como tokens de entrada?

Sí. La lista de herramientas forma parte del prompt y se envía en cada llamada. Los servidores MCP añaden sus herramientas a esa lista, y por eso la documentación de opencode recomienda añadir solo los servidores que necesite.

### ¿El prompt caching resuelve el problema?

Reduce el precio del prefijo repetido, no su tamaño. La entrada en caché sigue llenando la ventana de contexto. En BroadNet, DeepSeek V4.1 Flash factura la entrada en caché a $0.0055 por 1M de tokens frente a $0.175 por la entrada nueva.

### ¿Los tokens de razonamiento forman parte del presupuesto?

Sí, del lado de la salida. Los modelos de razonamiento cuentan el pensamiento dentro de max\_tokens y lo facturan como salida con pago por uso. Ponga reasoning\_effort en low para los pasos rutinarios.

## Siga leyendo

-   [OpenClaw y Hermes Agent con un modelo barato: configuración y tokens](https://broadrouter.com/es/blog/openclaw-hermes-agent-cheap-model/)
-   [Tokens de entrada en caché: cómo reducir la factura de una API de LLM](https://broadrouter.com/es/blog/cached-input-tokens-explained/)
-   [Cuánto cuesta un sistema multiagente: por token o sesiones planas](https://broadrouter.com/es/blog/multi-agent-cost/)
-   [Mejor modelo abierto para agentes: herramientas, contexto y costo](https://broadrouter.com/es/blog/best-open-model-for-coding-agents/)
-   [API de LLM con tarifa plana o pago por token: el punto de equilibrio](https://broadrouter.com/es/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Reducir tokens del prompt: recortes medidos en sistema, tools y datos](https://broadrouter.com/es/blog/reduce-prompt-tokens/)
-   [Cuánto cuesta ejecutar un agente de IA: pasos, contexto y caché](https://broadrouter.com/es/blog/ai-coding-agent-run-cost/)
-   [Claude Code con modelos abiertos: proxies, endpoints nativos y límites](https://broadrouter.com/es/blog/claude-code-with-openai-compatible-models/)
-   [Guía: Streaming de chat completions y conexiones interrumpidas](https://broadrouter.com/es/guides/streaming-chat-completions/)
-   [Guía: ¿Por qué un modelo de razonamiento devuelve una respuesta vacía?](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/)
-   [Guía: Aider con DeepSeek V4.1 Flash ilimitado](https://broadrouter.com/es/guides/aider-unlimited-deepseek/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

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

**Fuentes**

-   [Cursor, mejor eficiencia de tokens (23 de septiembre de 2026; consultado el 2026-11-14)](https://cursor.com/blog/improved-token-efficiency)
-   [Blog de VS Code, mejorar la eficiencia de tokens en GitHub Copilot (consultado el 2026-11-14)](https://code.visualstudio.com/blogs/2026/06/17/improving-token-efficiency-in-github-copilot)
-   [OpenAI, guía de function calling, menos de 20 funciones (consultado el 2026-11-14)](https://developers.openai.com/api/docs/guides/function-calling)
-   [Documentación de opencode, servidores MCP y uso del contexto (consultado el 2026-11-14)](https://opencode.ai/docs/mcp-servers/)
-   [Documentación de Aider, mapa del repositorio y comandos dentro del chat (consultado el 2026-11-14)](https://aider.chat/docs/repomap.html)
-   [Referencia de la API de BroadNet Inference, uso y tokens en caché (consultado el 2026-11-14) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-agent-token-budget&utm_content=sources)
