اگر امروز به عامل‌های هوش مصنوعی اجازه می‌دهید به‌جای شما کد بزنند و زیرساخت بسازند، احتمالاً از یک «سیاه‌چاله‌ی هزینه‌ها» می‌ترسید که هر لحظه ممکن است فعال شود. برای جلوگیری از این بحران، Cloudflare در ۳ آگوست ۲۰۲۶ رابط برنامه‌نویسی کاربردی (API) جدیدی برای ردیابی هزینه‌های قابل پرداخت (Billable Usage API) معرفی کرد تا دیدنِ مخارج را از حالت «داشبوردهای انسانی» به «دیتای ماشینی» تغییر دهد.
این تحول در حالی رخ می‌دهد که صنعت به سمت «هفته‌ی عامل‌ها» پیش می‌رود؛ جایی که عامل (Agent) — شبیه دستیاری که نه تنها دستور می‌گیرد، بلکه خودش دسترسی به ابزارها دارد و آن‌ها را اجرا می‌کند — دیگر فقط متن نمی‌نویسد، بلکه فعالانه Workers را مستقر می‌کند و زیرساخت‌ها را فراهم می‌آورد. برای تسهیل این فرآیند، ابزارهایی مانند Pylon تلاش می‌کنند تا لایه‌های پیچیده بک‌اند را به مدل‌های ساده‌تر تبدیل کنند تا استقرار عامل‌های کدنویسی سریع‌تر شود. زمانی که به یک برنامه دسترسی برنامه‌ریزی‌شده به حساب‌های خود می‌دهید، ریسک هزینه‌های کنترل‌نشده به دغدغه‌ی اصلی تبدیل می‌شود. این API حالا صورت‌حساب ماهیانه را از یک بررسی دستی و کند به یک جریان داده‌ی لحظه‌ای تبدیل می‌کند که برنامه‌های دیگر می‌توانند آن را مصرف کرده و بر اساس آن اقدام کنند.
نیاز به دیدِ برنامه‌ریزی‌شده
طبق گزارش رسمی کلودفلر، داده‌های صورت‌حساب پیش از این برای انسان‌ها طراحی شده بودند. داشبوردها برای شخص مناسب‌اند، اما برای اتوماسیون نه. وقتی یک برنامه در حساب شما هزینه می‌کند، مالک حساب باید دقیقاً بداند در هر ساعت و برای هر محصول چه مبلغی خرج شده است.
تیم‌های مالی سال‌هاست که درخواست دسترسی برنامه‌ریزی‌شده به داده‌های مصرف داشتند تا بتوانند هزینه‌ها را به سیستم‌های داخلی منتقل کرده و مخارج را به پروژه‌های داخلی، تیم‌ها یا مشتریان نهایی نسبت دهند. پیش از این، این فرآیند اغلب بر اساس خروجی‌های دستی CSV یا حتی اسکرین‌شات‌های ساده بود؛ اما اکنون یک فراخوانی استاندارد HTTP جایگزین این روش‌های بدوی شده است.
جزئیات فنی ردیابی هزینه‌ها
به نقل از وبلاگ رسمی Cloudflare، این API یک نقطه دسترسی (Endpoint) واحد برای حساب‌های Self-serve فراهم می‌کند که داده‌های مصرف و هزینه را بازیابی می‌کند. این داده‌ها بر اساس محصول و دوره خدمات تفکیک شده‌اند و نیاز به استخراج دستی فایل‌های CSV یا گرفتن اسکرین‌شات را از بین می‌برند.
این API کل اکوسیستم مبتنی بر مصرف را پوشش می‌دهد، از جمله:
- Workers و Workers AI
- ذخیره‌ساز R2 و پایگاه‌داده‌های D1
- Vectorize، Images و Stream
در حال حاضر داده‌ها به‌صورت روزانه به‌روزرسانی می‌شوند، اما شرکت در تلاش است تا تفکیک‌های لحظه‌ای‌تری را برای محصولات خاص ارائه دهد. توسعه‌دهندگان می‌توانند با یک توکن دارای دسترسی «Billing Read» و یک دستور ساده curl، اطلاعات را دریافت کنند. برای مثال، یک درخواست به مسیر زیر نتایج را برمی‌گرداند:https://api.cloudflare.com/client/v4/accounts/$ACCOUNT_ID/billable-usage?from=2026-02-01&to=2026-02-15
این درخواست یک پاسخ HTTP 200 OK با بدنه Content-Type: application/json باز می‌گرداند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی اقتصاد مدل‌های زبانی اشاره کردیم، مدیریت هزینه‌ی استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه خودِ آشپزی است نه دوره‌ی آموزش آشپز — کلیدی‌ترین چالش مقیاس‌پذیری است. این API دقیقاً همین نقطه را هدف گرفته است.
ساختار داده‌ها و پاسخ API
هر ردیف در پاسخ API نشان‌دهنده‌ی یک بازه شارژ برای یک محصول در حساب است. ساختار شامل جزئیات زیر است:
- شناسایی سرویس:
ServiceName(مانند Workers Standard) وServiceFamilyName(مانند Workers). - پنجره‌های زمانی:
ChargePeriodStartوChargePeriodEndکه بازه پوشش داده‌ها را تعریف می‌کنند. - معیارهای مصرف:
PricingQuantityوConsumedUnit(مانند GB-months، GB-seconds یا تعداد درخواست‌ها). - هزینه‌ها:
ContractedCostدر ارز مشخص شده (BillingCurrency)، به همراهCumulatedPricingQuantityوCumulatedContractedCostبرای نمایش مجموع‌های جاری. - نسبت‌دهی:
ZoneIdوZoneNameدر صورتی که مصرف به یک زون خاص نسبت داده شده باشد.
هم‌راستاسازی با استاندارد FinOps FOCUS
کلودفلر این API را به‌گونه‌ای طراحی کرده که مستقیماً با استاندارد FOCUS (مشخصات باز هزینه و مصرف FinOps) مطابقت داشته باشد. این یعنی نام‌گذاری‌ها و مفاهیم برای تیم‌هایی که پیش از این داده‌های هزینه AWS، Azure، Google Cloud و Oracle را تحلیل می‌کردند، آشناست.
برخی از تطبیقات کلیدی عبارتند از:
- تطابق دقیق
BillingCurrencyوBillingPeriodStartبا استاندارد FOCUS. - تطابق دقیق
ChargePeriodStartوChargePeriodEnd. - تطابق دقیق
ServiceName. - تطابق دقیق
ConsumedQuantityوConsumedUnit. - تطابق دقیق
PricingQuantityوContractedCost. - استفاده از
ServiceFamilyNameبه عنوان دسته‌بندی بومی کلودفلر که بسیار نزدیک بهServiceCategoryدر FOCUS است. - استفاده از
ZoneIdوZoneNameبه عنوان شناسه‌های محدود به زون، که بهResourceIdوResourceNameدر FOCUS نزدیک هستند. - ارائه
CumulatedContractedCostبه عنوان یک فیلد کمکی، در حالی که FOCUS معمولاً تجمیع را به عنوان یک موضوع مربوط به کوئری (Query) می‌بیند.
اگرچه کلودفلر تایید کرده که این API «شکل آشنای» داده‌های FOCUS را دارد، اما هنوز ادعای انطباق کامل (Full Conformance) نمی‌کند. چند ستون ضروری فعلاً غایب هستند، اما شرکت اعلام کرده که انطباق کامل در نقشه‌راه فوری آن‌ها قرار دارد.
ادغام با Vantage و FinOps عامل‌محور
برای ساده‌سازی مدیریت چند-ابری، کلودفلر با Vantage همکاری کرده است؛ پلتفرمی برای مدیریت هزینه زیرساخت که داده‌های بیش از ۳۰ ارائه‌دهنده AI، Cloud و SaaS را جذب می‌کند. این ادغام اجازه می‌دهد داده‌های مصرف مستقیماً وارد گزارش‌های هزینه، بودجه‌ها و هشدارها شوند بدون اینکه نیاز به آپلود دستی باشد.
سرویس Vantage با استفاده از یک توکن API فقط-خواندنی (Read-only) با دسترسی Billing Read، داده‌ها را به‌صورت روزانه می‌کشد. این مشارکت سه گردش‌کار با ارزش بالا را ممکن می‌سازد:
۱. تخصیص چند-ارائه‌دهنده‌ای: کاربران می‌توانند هزینه‌های کلودفلر را بر اساس محصول، زون و حساب گروه‌بندی کنند و سپس از «تگ‌های مجازی» (Virtual Tags) برای تخصیص هزینه‌ها به تیم‌ها یا خطوط محصول در کنار هزینه‌های AWS یا Azure استفاده کنند.
۲. تشخیص ناهنجاری: Vantage خط مبنای هزینه‌ها را نظارت می‌کند و اگر هزینه‌های Workers یا R2 به‌طور غیرمنتظره‌ای تغییر کند، اعلان‌های Slack یا ایمیلی ارسال می‌کند.
۳. پرس‌وجوی عامل‌محور: کاربران می‌توانند از عامل FinOps در کنسول Vantage سوالاتی بپرسند مانند: «بزرگ‌ترین عامل هزینه هفته گذشته در تمام ارائه‌دهنده‌ها چه بود؟» یا داده‌ها را از طریق یک سرور میزبانی‌شده‌ی پروتکل زمینه مدل (MCP) برای استفاده در Claude یا ChatGPT استخراج کنند. این رویکرد اتوماسیون داده‌ای مشابه استراتژی Context.dev در ساده‌سازی استخراج داده‌های ساختارمند برای عامل‌های هوش مصنوعی است که پیچیدگی‌های زیرساختی را حذف می‌کند.
آینده و دسترسی سازمانی
کلودفلر اکنون روی دو بهبود اصلی برای این API تمرکز کرده است. اول، تغییر به سمت پنجره‌های زمانی دقیق‌تر (Finer-grained) برای ارائه دید هزینه‌ای سریع‌تر از ردیف‌های روزانه فعلی. دوم، معرفی ابزارهای پیش‌بینی و تخمین بر اساس فیلد CumulatedContractedCost برای کمک به کاربران در پیش‌بینی هزینه پایان ماه در سطح محصول.
باید توجه داشت که این انتشار اولیه محدود به حساب‌های Self-serve است. تجربه‌ای مشابه برای قراردادهای سازمانی (Enterprise) در حال توسعه است.
برای توسعه‌دهندگان و تیم‌های مالی، این یک چرخش از مدیریت «صورت‌حساب-محور» به سمت FinOps «API-محور» است. کلودفلر با تبدیل هزینه به یک متریک دیگر در زنجیره ابزار توسعه‌دهنده، روی این موضوع شرط‌بندی کرده است که شفافیت مالی، باعث تشویق استقرار تهاجمی‌تر عامل‌های خودکار هوش مصنوعی خواهد شد.
گام بعدی شما
- اگر از سرویس‌های AI کلودفلر استفاده می‌کنید، توکن Billing Read را بسازید و یک درخواست curl ساده برای تست حجم مصرف روزانه بگیرید.
- در صورتی که زیرساخت‌های چند-ابری دارید، اتصال Vantage را برای تجمیع هزینه‌ها فعال کنید تا از شوک صورت‌حساب پایان ماه در امان بمانید.
- اگر در حال توسعه‌ی یک عامل خودکار هستید، این API را به عنوان یک «ترمز اضطراری» در کد خود قرار دهید تا در صورت عبور از بودجه، عملیات متوقف شود. در این مسیر، امنیت دسترسی‌ها حیاتی است؛ چرا که لو رفتن کلیدهای API در محیط‌های فرانت‌اند می‌تواند منجر به بهره‌برداری غیرمجاز و افزایش شدید هزینه‌ها شود.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو