Usage Tracking

wippy/usage モジュールは LLM のトークン消費を記録し、時間間隔、モデル、またはユーザーでグループ化された集計クエリを提供します。wippy.llm:usage_tracker コントラクトにバインドされるため、LLM モジュールを介して呼び出されるコードは自動的に使用量レコードを生成します。

セットアップ

プロジェクトにモジュールを追加します:

wippy add wippy/usage
wippy install

依存関係を宣言し、target_db 要件を使用量レコードを保存するデータベースに向けます:

version: "1.0"
namespace: app

entries:
  - name: app_db
    kind: db.sql.sqlite
    path: ./data/app.db

  - name: dep.usage
    kind: ns.dependency
    component: wippy/usage
    version: "*"

  - name: target_db
    kind: registry.entry
    meta:
      wippy.usage.target_db: app:app_db

アプリケーションが起動すると、wippy/migration がモジュールの 01_create_token_usage_table マイグレーションを実行し、user_id、context_id、model_id、timestamp のインデックスとともに token_usage テーブルを作成します。

スキーマ

token_usage
├── usage_id           text primary key (uuid v7)
├── user_id            text not null
├── context_id         text
├── model_id           text not null
├── prompt_tokens      integer
├── completion_tokens  integer
├── thinking_tokens    integer default 0
├── cache_read_tokens  integer default 0
├── cache_write_tokens integer default 0
├── timestamp          timestamp
└── meta               text (JSON)

自動追跡

wippy/llm は各生成の前に wippy.llm:usage_tracker コントラクトを解決します。wippy/usage は自身の実装をデフォルトとしてバインドします:

contracts:
  - contract: wippy.llm:usage_tracker
    default: true
    methods:
      track_usage: wippy.usage:usage_tracker

成功した LLM 呼び出しごとに、モデル ID、トークン数、オプションの context_id を指定して track_usage が呼び出されます。user_id はアクティブなセキュリティアクターから取得され、ユーザーコンテキスト外の呼び出しは "system" として記録されます。

Tracker API

LLM フローの外部で使用量を記録する必要がある場合は、トラッカーを直接インポートします:

imports:
  usage_tracker: wippy.usage:usage_tracker

local tracker = require("usage_tracker")

local usage_id, err = tracker.track_usage(
    "openai:gpt-4o",
    prompt_tokens,
    completion_tokens,
    thinking_tokens,
    cache_read_tokens,
    cache_write_tokens,
    { context_id = "chat-42", metadata = { feature = "summary" } }
)

パラメータ	型	説明
`model_id`	string	正規のモデル ID
`prompt_tokens`	number	入力トークン
`completion_tokens`	number	出力トークン
`thinking_tokens`	number	推論トークン（報告されない場合は 0）
`cache_read_tokens`	number	プロンプトキャッシュヒット
`cache_write_tokens`	number	プロンプトキャッシュ書き込み
`options.context_id`	string	自由形式のタグ。`ctx.get("context_id")` にフォールバック
`options.timestamp`	number	Unix タイムスタンプ。デフォルトは現在（UTC）
`options.metadata`	table	レコードと一緒に保存される任意の JSON メタデータ

usage_id または nil, err を返します。

Repository API

wippy.usage:token_usage_repo は集計クエリを提供します:

imports:
  usage: wippy.usage:token_usage_repo

local usage = require("usage")

local summary  = usage.get_summary(start_unix, end_unix)
local by_time  = usage.get_usage_by_time(start_unix, end_unix, usage.INTERVAL.DAY)
local by_model = usage.get_usage_by_model(start_unix, end_unix)
local by_user  = usage.get_usage_by_user(start_unix, end_unix)

関数

関数	戻り値
`get_summary(start, end)`	範囲全体の合計: prompt/completion/thinking/cache トークン、リクエスト数、`total_tokens`（prompt + completion + thinking）
`get_usage_by_time(start, end, interval)`	間隔ごとのバケット配列。欠落したバケットはゼロを返します
`get_usage_by_model(start, end)`	モデルごとの合計。`total_tokens` 降順でソート
`get_usage_by_user(start, end)`	ユーザーごとの合計。`total_tokens` 降順でソート
`create(user_id, model_id, prompt, completion, options)`	トラッカーが使用する低レベル挿入

間隔

usage.INTERVAL.HOUR   -- "hour"
usage.INTERVAL.DAY    -- "day"
usage.INTERVAL.WEEK   -- "week"
usage.INTERVAL.MONTH  -- "month"

get_usage_by_time は設定された間隔にバケットを揃えます。PostgreSQL では間隔演算を伴う generate_series を使用し、SQLite では UNIX タイムスタンプに対する再帰 CTE を使用します。各バケットの total_tokens はキャッシュトークンを除外します。

時間範囲

トラッカーとリポジトリの両方は、公開 API 境界で UNIX タイムスタンプを受け付けます。内部的にはリポジトリが保存とクエリのために RFC3339 文字列に変換します。フォーマットされた文字列ではなく、os.time() または time.now():unix() の値を渡してください。

メタデータとコンテキスト

meta カラムは自由形式の JSON BLOB を保存します。これを使用してレコードをアプリケーションイベントと関連付けます:

tracker.track_usage(model_id, prompt, completion, 0, 0, 0, {
    context_id = "chat-42",
    metadata   = {
        session_id = "s-7",
        route      = "/api/summarise",
        agent_id   = "writer",
    },
})

context_id はトップレベルカラムでインデックスを付けられます。metadata はテキストとして保存され、フィルタリングではなく表示を目的としています。

Usage Tracking

Usage Tracking

セットアップ

スキーマ

自動追跡

Tracker API

Repository API

関数

間隔

時間範囲

メタデータとコンテキスト

関連情報