anthropic-usage
Skillby leaofelipe
## 查询 Anthropic 管理员 API 获取 Token 使用报告 **功能:** 按日/周/月查询 Token 用量,并按模型分类统计。 **前提条件:** 需要 Anthropic 组织账户。 --- ### 配置步骤 **1. 安装依赖** ```bash pip install anthropic python-dotenv ``` **2. 配置环境变量** ```bash # .env 文件 ANTHROPIC_ADMIN_KEY=your_admin_api_key_here ``` **3. 查询代码** ```python import anthropic from datetime import datetime, timedelta from dotenv import load_dotenv import os load_dotenv() # 初始化管理员客户端 client = anthropic.Anthropic(api_key=os.getenv("ANTHROPIC_ADMIN_KEY")) def get_usage_report(period: str = "daily"): """ 获取 Token 使用报告 period: 'daily' | 'weekly' | 'monthly' """ now = datetime.utcnow() # 设置时间范围 if period == "daily": start_time = now - timedelta(days=1) elif period == "weekly": start_time = now - timedelta(weeks=1) elif period == "monthly": start_time = now - timedelta(days=30) else: raise ValueError("period 必须为 daily/weekly/monthly") # 查询用量数据 response = client.admin.usage.list( start_time=start_time.isoformat() + "Z", end_time=now.isoformat() + "Z", breakdown_by=["model"] # 按模型分类 ) return response def print_report(period: str): """格式化输出报告""" print(f"\n{'='*50}") print(f"📊 Token 使用报告 [{period.upper()}]") print(f"{'='*50}") data = get_usage_report(period) total_input = 0 total_output = 0 # 按模型分类展示 for item in data.results: model_name = item.model or "未知模型" input_tokens = item.input_tokens or 0 output_tokens = item.output_tokens or 0 total = input_tokens + output_tokens print(f"\n🤖 模型: {model_name}") print(f" 输入 Token: {input_tokens:,}") print(f" 输出 Token: {output_tokens:,}") print(f" 合计 Token: {total:,}") total_input += input_tokens total_output += output_tokens # 汇总 print(f"\n{'─'*50}") print(f"📌 汇总") print(f" 总输入 Token: {total_input:,}") print(f" 总输出 Token: {total_output:,}") print(f" 总计 Token: {total_input + total_output:,}") print(f"{'='*50}\n") # 运行报告 if __name__ == "__main__": for period in ["daily", "weekly", "monthly"]: print_report(period) ``` --- ### 输出示例 ``` ================================================== 📊 Token 使用报告 [DAILY] ================================================== 🤖 模型: claude-3-5-sonnet 输入 Token: 125,430 输出 Token: 48,210 合计 Token: 173,640 🤖 模型: claude-3-haiku 输入 Token: 89,100 输出 Token: 32,500 合计 Token: 121,600 ────────────────────────────────────────────────── 📌 汇总 总输入 Token: 214,530 总输出 Token: 80,710 总计 Token: 295,240 ================================================== ``` --- ### 注意事项 | 项目 | 说明 | |------|------| | **API Key** | 需使用**管理员级别** API Key | | **权限** | 仅组织管理员可访问 | | **频率限制** | 遵守 API 速率限制 | | **时区** | 时间戳使用 UTC 格式 |
查询Anthropic官方API的token使用报告,支持日周月维度统计,按模型分类展示成本数据,帮助企业优化API支出。
📊 商业分析
🎯 应用场景
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 1
- 价值评分
- 6/10
- 子分类
- API集成与监控
- 可商业化
- ❌ 否
AI 标签
相关工具推荐
通过ClawdHub CLI一键搜索、安装、更新和发布Agent技能包,支持版本管理与飞速同步,构建AI技能生态的npm级基础设施
基于Rust的高性能无头浏览器CLI工具,支持AI Agent通过结构化命令执行导航、点击、输入、截图等操作,并提供Node.js降级兜底方案。
通过AI自然语言调用gh CLI,自动化管理GitHub的Issue、PR、CI运行及API高级查询,大幅提升研发协作效率。
专为AI智能体优化的无头浏览器CLI工具,通过可访问性树快照与引用式元素选择实现精准网页自动化操作
MCP SysOperator enables AI to manage infrastructure with Ansible and Terraform.