Skip to content
ข่าวคืออะไร
Google เปิดตัว Google ADK 2.8 เมื่อคืนวันที่ 26 ส.ค. และในกองฟีเจอร์ใหญ่อย่าง A2A task mode หรือ Model Armor มีตัวเล็ก ๆ สองตัวที่คนทำงานจริงไม่ควรมองข้าม
ADK_MAX_LLM_CALLS: environment variable ที่ตั้งเพดานจำนวนครั้งที่ agent เรียก LLM ต่อหนึ่งรอบการทำงาน ตั้งเป็น 50 ก็ได้ 200 ก็ได้ ตามงบที่เรากำหนด พอ agent เริ่มวนซ้ำหรือเพ้อเจ้อ เจอขอบเขตเมื่อไรมันหยุดเอง ก่อนที่บิลจะบานปลาย
ตัววัด token ราย workflow: telemetry ใหม่ที่บอกว่าแต่ละ workflow ใช้ token ไปเท่าไร แยกได้ถึงระดับ inference และ tool call ไม่ต้องนั่งเดาจากบิลรวมท้ายเดือนว่าเงินหายไปกับงานไหน
ทั้งคู่เป็นสิ่งที่ทีมสร้าง agent หลายทีมเคยต้องเขียนเอง เพราะเฟรมเวิร์กส่วนใหญ่ยังมองว่า “การคุมค่าใช้จ่ายเป็นงานของ developer” ไม่ใช่ของเฟรมเวิร์ก
ทำไมต้องสนใจ
สามเหตุผลที่เรื่องนี้เกี่ยวกับคุณแม้คุณไม่ได้ใช้ ADK
1. ต้นทุน agent ไม่เหมือนต้นทุน chatbot chatbot ตอบ 1 คำถาม จบ 1 รอบ LLM แต่ agent อาจคิด ลอง เรียก tool ไม่สำเร็จ คิดใหม่ วนอีก 10 รอบโดยไม่มีใครนั่งดู ค่าใช้จ่ายเลยโตแบบทวีคูณตอนที่ไม่มีคนเฝ้า คือตอนกลางคืน ตอนสุดสัปดาห์ ตอนที่เราไปประชุม
2. ต้นทุนที่มองไม่เห็นคือต้นทุนที่คุมไม่ได้ ปัญหาไม่ใช่แค่ “แพง” แต่คือเราไม่รู้ว่าแพงตรงไหน ตัววัดราย workflow เปลี่ยนคำถามจาก “ทำไมบิลเดือนนี้สูง” เป็น “workflow ตอบคำถามลูกค้าใช้ 800 token แต่ workflow สรุปรายงานใช้ 40,000 ตัวไหนควรปรับก่อน” คำถามแบบหลังแก้ได้จริง
3. สัญญาณจากเฟรมเวิร์กใหญ่ เมื่อ Google เอาตัวคุมแบบนี้ใส่ core ของ ADK แปลว่าตลาดกำลังย้ายจาก “สร้าง agent ให้ได้ก่อน” ไปสู่ “ดูแล agent ระยะยาว” ถ้าคุณกำลังเลือกเฟรมเวิร์กวันนี้ ควรถามว่ามีอะไรแบบนี้ให้หรือยัง เพราะอีกไม่นานทุกเฟรมเวิร์กจะต้องมี
ใช้กับงานตัวเองยังไง
1. ตั้งเพดานเป็นตัวเลขตามงบ ไม่ใช่ตามความรู้สึก ถ้างบต่องาน 20 บาท และแต่ละรอบ LLM เฉลี่ย 1 บาท เพดานคือ 20 call อย่าตั้ง “สูง ๆ ไว้ก่อน” เพราะเพดานที่ไม่มีวันชนคือของตกแต่ง
2. แยกเพดานตามประเภทงาน งานตอบลูกค้า งานสรุปเอกสาร งานค้นคว้า ควรมีเพดานต่างกัน อย่าใช้ตัวเลขเดียวกับทุก workflow เพราะงานแต่ละแบบมีความคุ้มค่าต่อ token ไม่เท่ากัน
3. เปิดตัววัดก่อน ค่อยหาจุดบานปลาย ถ้ายังไม่มีตัววัด อย่าเริ่มจากการลดค่าใช้จ่าย เริ่มจากเก็บตัวเลข 1-2 สัปดาห์ ดูว่า token หายไปกับ workflow ไหนมากที่สุด แล้วค่อยแก้จุดนั้น การลดแบบไม่มีข้อมูลมักตัดผิดที่
4. ทดสอบเพดานด้วยงานจริงก่อนปล่อยใช้ ตั้งเพดานแล้วรันงานจริงที่ยากที่สุด 2-3 งาน ถ้างานเสร็จโดยไม่ชนเพดาน ตัวเลขนั้นใช้ได้ ถ้าชนบ่อย ๆ อย่ารีบขยาย ลองดูก่อนว่า agent วนเพราะงานยากจริง หรือเพราะ prompt หรือ tool มีปัญหา
5. อย่าลืมว่าเพดานกันของเสีย ไม่ได้ทำให้ถูกลง เพดานคือ seatbelt ไม่ใช่เครื่องประหยัดน้ำมัน มันกันกรณีหายนะ ไม่ใช่ตัวลดต้นทุนต่องาน การทำให้ถูกลงจริงยังต้องพึ่งการเลือกโมเดล การคุม context และการออกแบบ workflow ที่ดี
Operator Kit: เช็กลิสต์ตั้งเพดานค่า LLM ของ Agent 7 ข้อ
ทำตามได้ในหนึ่งชั่วโมง ไม่ว่าจะใช้ Google ADK, LangChain หรือเฟรมเวิร์กไหน
- ☐ ระบุงานที่ agent ทำซ้ำทุกวัน และประมาณค่า LLM ต่องานหนึ่งครั้ง (จากบิลเดือนก่อน)
- ☐ ตั้งเพดาน call ต่องานเป็นตัวเลขเฉพาะ โดยเอาค่าเฉลี่ยคูณ 2 เป็นจุดตั้งต้น
- ☐ ทำให้เพดานถึงมือคน ไม่ใช่แค่ env var: ตอน agent หยุดเพราะชนเพดาน ต้องมีข้อความบอกเหตุผลชัดเจน ไม่ใช่หยุดเงียบ
- ☐ เปิดตัววัด usage ราย workflow (ถ้าใช้ ADK 2.8: ADK_EXPERIMENTAL_TELEMETRY=true ระวังว่าเป็นฟีเจอร์ทดลอง ควรทดสอบใน staging ก่อน)
- ☐ เก็บตัวเลข 1 สัปดาห์ แล้วจัดอันดับ workflow ที่กิน token มากที่สุด 3 อันดับแรก
- ☐ ถามทีมว่า 3 อันดับนั้นคุ้มไหม: ถ้าไม่คุ้ม ปรับ prompt, ลด context หรือเปลี่ยนโมเดลถูกลงสำหรับงานนั้น
- ☐ กำหนดวันทบทวนเพดานทุกเดือน เพราะโมเดลและงานเปลี่ยนตลอด ตัวเลขเดิมจะเพี้ยนไปจากความจริง
หมายเหตุ: ถ้าใช้ Google ADK ให้ set ADK_MAX_LLM_CALLS=ตัวเลขที่ต้องการ แล้ว cap จะทำงานที่ระดับ framework ทันที ถ้าใช้เฟรมเวิร์กอื่น ให้เขียน counter ง่าย ๆ นับจำนวน call ใน pipeline ของตัวเอง หลักการเดียวกัน
ข้อควรระวัง
Telemetry ยังเป็นฟีเจอร์ทดลอง ต้องเปิดด้วย ADK_EXPERIMENTAL_TELEMETRY=true และปิดได้ทุกเมื่อ ควรทดสอบใน staging ก่อนพึ่งมันเป็นตัวชี้วัดหลัก
ADK_MAX_LLM_CALLS นับ call ไม่ใช่ token ถ้างานเดียวใช้ context ยาวมาก 1 call อาจแพงกว่า 20 call สั้น ๆ เพดานกันกรณีวนลูป ไม่ได้กันกรณี context อ้วน สองเรื่องนี้ต้องคุมคนละทาง
อย่าหวังว่าเฟรมเวิร์กจะคุมทุกอย่าง เพดานและตัววัดช่วยได้มาก แต่การออกแบบ workflow ที่ไม่ปล่อยให้ agent วนอยู่กับงานที่ไม่มีทางสำเร็จ ยังเป็นหน้าที่ของคนออกแบบ
เริ่มวันนี้
ถ้าคุณมี agent ที่รันทุกวันและยังไม่เคยตั้งเพดาน เริ่มจากข้อ 1-2 ของเช็กลิสต์ก่อนก็ยังดีกว่าไม่ทำอะไรเลย ต้นทุนที่คุมไม่ได้มักไม่ได้โตทีละน้อย แต่โตตอนที่เราไม่ได้ดู
ถ้าอยากได้ความช่วยเหลือเรื่องแปลง AI ใหม่ ๆ ให้เป็น workflow ที่ใช้งานจริงและคุมค่าใช้จ่ายได้ ทีม Data-Espresso ช่วยได้ครับ
- Google ADK 2.8.0 official release notes (published 2026-08-26): https://github.com/google/adk-python/releases/tag/v2.8.0
- ADK_MAX_LLM_CALLS feature commit: https://github.com/google/adk-python/commit/75679db3fa42521a9316d1f8325225e51f5e9090
- Per-workflow token spend telemetry commit: https://github.com/google/adk-python/commit/dd8797e77ef7e7dbac6fd5bfffc945ae20d3cd611