AIエージェントのプロンプトキャッシングコスト：Anthropic、OpenAI、Gemini

Claude Sonnet 5での12ステップのエージェント実行は、キャッシュなしで約$0.39、キャッシュありで約$0.14かかります。GPT-5.4では、同じ実行がキャッシュなしで約$0.50、キャッシュありで約$0.17です。理由は簡単です：エージェントは毎ステップで全コンテキストを再送信し、キャッシュされた入力の読み取りはAnthropicとOpenAIではリスト入力レートの約10%、Geminiでは約25%で課金されます。キャッシングは出力トークンには効果がありません。

これらの数値は現実的なトレースを使用しています：4,000トークンのプレフィックス（システムプロンプトとツール定義）、500トークンのタスク、および各ステップが300トークンのツール呼び出しを返し、1,500トークンのツール結果を受け取る12ステップ。完全な計算は以下にあります。

ツール呼び出しループの各ステップは、これまでの会話全体（システムプロンプト、すべてのツールスキーマ、タスク、以前のすべてのツール呼び出しと結果）を送信します。ステップ1は4,500トークンを送信します。ステップ12は4,500 + 11 × 1,800 = 24,300トークンを送信します。12ステップを合計すると、モデルは172,800入力トークンを読み取り、わずか4,800出力トークンを生成します。

その172,800のほぼすべてが繰り返しテキストです。プレフィックスは毎回の呼び出しで同一であり、会話は最後にだけ成長します。これはまさにプレフィックスキャッシュが構築された形状であり、エージェントを高価にするステップごとの再送信がキャッシュを非常に効果的にする理由でもあります。エージェントの請求の一般的な形状は[how much an AI agent costs to run](/guides/how-much-does-an-ai-agent-cost-to-run)でカバーされています。この記事はキャッシュについてのみです。

Anthropicはリクエストをツール、システム、メッセージの順に処理し、キャッシュは厳密なプレフィックス一致です。ブレークポイントはその前のすべてをキャッシュするため、最後のツール定義に1つ、システムプロンプトに1つブレークポイントを置くことで安定部分をカバーします。最新のユーザーメッセージに3つ目を追加すると、各ステップで以前の会話もキャッシュから読み取られます。Anthropicのキャッシュ可能な最小プレフィックスはモデル依存（約1,000トークン以上）で、短いプロンプトは静かにキャッシュされません。ベンダー別の詳細は[Claude agent API cost](/guides/claude-agent-api-cost)、[OpenAI Agents API cost](/guides/openai-agents-api-cost)、[Gemini agent API cost](/guides/gemini-agent-api-cost)をご覧ください。

実行中に変わらないものを固定順で先頭に配置します：

• システムプロンプト（日付、ユーザー名、実行IDを含まない）
• ツール定義（決定論的にソートし、実行中に追加しない）
• エージェントが毎ステップ参照する取得済みドキュメント、スタイルガイド、スキーマ
• 少数ショットの例

最後のブレークポイント以降には、変化するもの（タスク、ユーザーの質問、リクエストごとのメタデータ）をすべて配置します。Anthropicでは、タイムスタンプや実行IDをコンテキストに入れたい場合は、システムプロンプトではなく最初のユーザーメッセージに入れることで、キャッシュされるプレフィックス内ではなく後に配置されます。

キャッシュなしの場合、実行は172,800入力トークンを読み取り、4,800出力トークンを書き込みます。キャッシュありの場合、入力を3つのバケットに分割します。新しいトークンはキャッシュに一度だけ書き込まれます：ステップ1で4,500、残りの11ステップで各1,800、合計24,300。それ以外の148,500トークンはキャッシュ読み取りです。

すべて100万トークンあたりの料金。キャッシュ料金は「約10% / 25%」ルールをリスト価格に適用したもの、Anthropicの書き込みプレミアムは約125%です。書き込みプレミアムが小さいのは、各トークンが1回書き込まれ最大11回読み取られるためです。40ステップの実行では節約率は80%を超え、繰り返される入力の割合がステップごとに増加するためです。[計算機](/calculator)で自分のトレースを試してください。

Anthropic、最後のツールとシステムプロンプトに明示的ブレークポイント、さらに最新メッセージにもう1つ追加して会話をキャッシュから読み取る：

from anthropic import Anthropic
client = Anthropic()
tools[-1]["cache_control"] = {"type": "ephemeral"}      # その前のすべてのツールもキャッシュ
messages[-1]["content"][-1]["cache_control"] = {"type": "ephemeral"}
resp = client.messages.create(
    model="claude-sonnet-5", max_tokens=2048,
    system=[{"type": "text", "text": SYSTEM_PROMPT,
             "cache_control": {"type": "ephemeral"}}],
    tools=tools, messages=messages,
)
u = resp.usage
# Sonnet 5 100万トークンあたり：入力 $2、書き込み 約$2.50、読み取り 約$0.20、出力 $10
cost = (u.input_tokens * 2 + u.cache_creation_input_tokens * 2.5
        + u.cache_read_input_tokens * 0.2 + u.output_tokens * 10) / 1_000_000

OpenAI、キャッシュは自動で確認のみ：

from openai import OpenAI
client = OpenAI()
resp = client.responses.create(
    model="gpt-5.4", instructions=SYSTEM_PROMPT, tools=tools,
    input=conversation, prompt_cache_key="research-agent-v3",
)
u = resp.usage
cached = u.input_tokens_details.cached_tokens
# GPT-5.4 100万トークンあたり：入力 $2.50、キャッシュ読み取り 約$0.25、出力 $15
cost = ((u.input_tokens - cached) * 2.5 + cached * 0.25
        + u.output_tokens * 15) / 1_000_000

各ステップで cost をログに記録します。ステップ2でキャッシュ値がゼロの場合は、停止して無効化原因を見つけてから、それ以上実行してください。

• システムプロンプト内のタイムスタンプ、日付、または"today is"という行。呼び出しごとに変更されるため、プレフィックスが一致しません。
• ステップ間でのツールの順序やツールセットの変更。ツールは最初にレンダリングされるため、ツールの順序を変更するとシステムプロンプトとその背後にある会話全体が無効になります。
• キーの順序が不安定なdictからのツールスキーマのシリアル化。送信する前にキーを並べ替えてください。
• システムプロンプト内のリクエストIDやトレースID。メタデータまたは最初のユーザーメッセージに配置してください。
• Anthropicでは、以前のメッセージを追加ではなく編集する（例えば、古いツール結果を切り詰める）こと。キャッシュは最初に変更されたバイトで終了します。
• 実行中のモデルの切り替え。キャッシュはモデルごとにあります。Haiku 5.5ワーカーはSonnet 5キャッシュを読み取れません。
• Geminiでは、明示的なキャッシュの削除を忘れること。ストレージは呼び出しの有無にかかわらず1時間ごとに課金されます。

キャッシングは使用するモデルを変えるのではなく、高価なモデルのコストを変えます。適切に定義されたツールループの場合、Gemini 3.8 Flash（$0.75 / $3.75）またはDeepSeek V4.1 Flash（$0.30 / $1.20）は、キャッシング前にそれぞれ$0.15と約$0.06で12ステップの実行を完了します。DeepSeek V4.1 Flash（API名 deepseek-flash）は、DeepSeekが廃止したV4 Flashを置き換えました。DeepSeekの行はピークレートを使用しています。オフピーク時間帯は半額。DeepSeekの価格は2026-10-27にapi-docs.deepseek.comで確認しました。信頼性のトレードオフについては[AIエージェント向け最安LLM](/guides/cheapest-llm-for-ai-agents)を参照してください。

ループに計画、曖昧な指示、または初回コンパイルが必要なコードが含まれる場合は、Claude Opus 5（$5 / $25）またはGPT-5.5（$5 / $30）に支払ってください。なぜなら、安価なモデルでの再試行はコンテキスト全体を再送信し、1回正しく実行するよりもコストがかかる可能性があるからです。キャッシングを使用すると、キャッシュなしの12ステップOpus実行の$0.98が約$0.35になり、キャッシュなしのSonnet 5よりも安くなります。

キャッシングは上限ではなく傾きを下げる。各エージェントに4つの制御を設けよ：

• 呼び出しごとのmax_tokensは、モデルの最大値ではなく、最も長い正当なツール呼び出しに合わせる
• 1回の実行あたりの厳格なステップ制限。12～25ステップでほとんどのタスクをカバーする
• モデルが到達可能な停止条件（finishツールなど）。「もう一つ確認させてください」でループしないようにする
• 上記のスニペットの使用量フィールドから計算した、1回の実行あたりのドル予算。累計がそれを超えたら中断する

[トークンバジェットガードレール](/guides/ai-agent-token-budget-guardrails)の記事には、最後の制御を実装した30行のランナーがある。エージェントが複数のMCPサーバーに接続する場合は、次に[MCPサーバートークンコスト](/guides/mcp-server-token-cost)を読んでほしい。なぜなら、大きなツールリストはキャッシングの恩恵を最も受けるプレフィックスであり、キャッシングなしでは最も損害を受けるからだ。