---
title: "Meso-Level Token Economics"
created: 2026-06-05
updated: 2026-06-05
type: concept
tags: [token-economics, multi-agent, collaboration]
sources: [[chen-token-economics-llm-agents]]
---

# Meso-Level Token Economics

**中观 Token 经济学**是 Token Economics 四维分类法中的第二层，关注**多 Agent 系统中的 Token 协作效率**。理论基础：交易成本理论（Transaction Cost Theory）和委托代理理论（Principal-Agent Theory）。

## 核心问题

Multi-Agent 系统中，Agent 之间的通信、委托和协调都转化为额外的 Token 开销——这在单 Agent 设置中不存在。核心优化目标：

```
min TC_collaboration = TC_communication + TC_orchestration + TC_memory_sharing
```

## 三大协作 Token 消耗源

| 来源 | 描述 | 优化方向 |
|------|------|---------|
| **通信 Token** | Agent 间消息传递 | 消息压缩、选择性通信、广播优化 |
| **编排 Token** | 任务分解与调度 | 规划者 Agent 推理压缩、模板化委托 |
| **记忆共享 Token** | 跨 Agent 知识同步 | 共享记忆池、去重、增量同步 |

## 经济学理论映射

- **交易成本**：每次 Agent 间交互都有"搜索成本"（找到正确通信对象）、"谈判成本"（确定任务参数）和"执行成本"（实际通信的 Token 消耗）
- **委托代理**：规划者（Principal）需要设计激励机制（系统提示）使执行者（Agent）在信息不对称下高效工作
- **协作规模不经济**：随着 Agent 数量增加，通信复杂度增长是 O(n²)，Token 消耗可能呈超线性增长

## 与已有概念的连接

- [[multi-agent-safety|多 Agent 安全]] 关注信息流安全，中观 Token 经济学关注通信效率
- [[agent-communication-stack|Agent 通信栈]] 提供了通信层次的结构视角
- [[multi-agent-orchestration|多 Agent 编排]] 直接对应编排 Token 的优化