痛點：同一個專案內的 Gemini API 費用如何精準分攤？

在開發企業級 LLM 服務或是經營多租戶 (Multi-tenant) 平台時，最常被財務與維運團隊問到的問題就是：

「我們同一個 GCP 專案內接了許多不同的業務與 LINE Bot，每天的 Gemini Key 費用都會統統出現在 Gemini API 的範圍，我們有辦法根據不同的 Gemini Key 或不同的使用者來拆分費用嗎？」

直接回答你的問題： 在 Google Cloud 帳單（Cloud Billing）報告中，無法直接「根據不同的 API Key 金鑰名稱」來分開顯示費用。 Google Cloud 的帳單報表最小的歸屬維度是到「專案 (Project)」、「服務 (Service)」和「SKU (產品細項)」，系統並不會把個別的 API Key 字串當作獨立的計費項目。對帳單系統來說，同一個專案內不論你建了 10 把還是 100 把 API Key，通通都會被揉在一起算成一筆 Gemini API 的總帳。

山不轉路轉：Vertex AI 的「請求標籤 (Labels)」救星

如果因為架構限制非得塞在同一個專案，最推薦的做法就是：切換至 Vertex AI 呼叫，並使用「請求標籤 (Labels)」。

如果你目前使用的是 Google AI Studio 的 API Key，它在單一專案內是無法傳遞計費標籤的。但如果你將程式碼改為呼叫 Vertex AI 的 Gemini API（一樣在同一個專案內），Vertex AI 支援在每次發送請求時，動態帶入自訂的 labels（標籤）。

原理與流程

在每次發送請求（例如呼叫 generateContent）時，於 API Request 中帶入特定的 Metadata：

{
  "contents": { ... },
  "labels": {
    "client_id": "info_helper",
    "api_key_group": "marketing_team"
  }
}

這些自訂標籤會直接被傳遞到 GCP 的帳單系統。之後當你到 GCP 帳單報告中，在「分組依據 (Group by)」選擇你設定的標籤鍵（例如 client_id），就能在同一個專案內，把不同標籤（代表不同服務、客戶或使用者）的費用算得一清二楚！

專案實戰改造：全面導入 Labels 機制

為了完成這個需求，我們盤點了目前 LINE Bot 專案的 API 呼叫架構，並進行了以下重構。

1. 專案 API 呼叫盤點

經由掃描，我們發現專案中絕大部分都是使用 Vertex AI 進行呼叫（17 個 Client 中有 14 個使用 vertexai=True），只有少數例外：

• Vertex AI 呼叫：包括 GitHub 摘要、多個 Google Maps Grounding 工具、文字摘要、圖片分析、語音轉文字等（共 11 個檔案、19 處呼叫點）。
• Gemini API Key 呼叫：main.py 的 Live API、batch_service.py 的 Batch 服務，以及 tts_tool.py 的 TTS 語音合成。

[!IMPORTANT] labels 參數僅 Vertex AI 支援，若在 API Key (vertexai=False) 下帶入此參數會導致 SDK 拋出 Error，因此我們只針對 11 個使用 Vertex AI 的檔案進行修改。

2. 實作修改方式

對於 google-genai Python SDK，我們有兩種主要的修改場景：

場景 A：已包含 GenerateContentConfig

若原本的呼叫就帶有 Config，我們只需在 config 中額外傳入 labels={"client_id": "info_helper"}：

# 修改前 (例如 loader/gh_tools.py)
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=prompt,
    config=types.GenerateContentConfig(
        temperature=0,
        max_output_tokens=2048,
    )
)

# 修改後
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=prompt,
    config=types.GenerateContentConfig(
        temperature=0,
        max_output_tokens=2048,
        labels={"client_id": "info_helper"},  # 帶入計費標籤
    )
)

場景 B：無 Config 參數

若原本的呼叫非常簡單（例如 searchtool.py 或 youtube_gcp.py），我們需要主動帶入一個包含 labels 的 GenerateContentConfig：

# 修改前 (例如 loader/searchtool.py)
response = client.models.generate_content(
    model="gemini-3.1-flash-lite-preview",
    contents=prompt,
)

# 修改後
response = client.models.generate_content(
    model="gemini-3.1-flash-lite-preview",
    contents=prompt,
    config=types.GenerateContentConfig(
        labels={"client_id": "info_helper"},  # 新增 config 帶入標籤
    ),
)

3. 被修改的檔案清單

我們總共對以下 11 個檔案中的 19 個呼叫點進行了精準修改，並在提交前使用 Python 的 AST 模組（ast.parse）以及 Flake8 進行語法與排版檢驗：

1. agents/chat_agent.py：修改 _create_chat_config()，為一般問答及 Grounding 對話都加上 labels。
2. loader/chat_session.py：為 Chat session config 帶入 labels。
3. loader/gh_tools.py：GitHub 摘要 API。
4. loader/langtools.py：文字摘要、圖片 JSON 生成、社群貼文生成。
5. loader/maps_grounding.py：地圖搜尋 API。
6. loader/searchtool.py：關鍵字提取工具。
7. loader/youtube_gcp.py：YouTube 影片理解 API。
8. tools/audio_tool.py：異步語音轉文字。
9. tools/maps_tool.py：地圖附近搜尋、餐廳名稱擷取、批次與評價搜尋等 5 處呼叫。
10. tools/summarizer.py：文字摘要與 Agentic Vision 圖像理解。
11. tools/youtube_tool.py：YouTube 摘要工具。

避坑指南：小心 SDK 模組導入問題

在為 youtube_gcp.py 與 youtube_tool.py 重構無 Config 的呼叫時，由於這兩個檔案原本只使用了 named import 導入特定的型別：

from google.genai.types import HttpOptions, Part

當我們在程式碼中寫下 types.GenerateContentConfig(...) 時，系統會拋出 NameError: name 'types' is not defined 的錯誤。

解決辦法： 我們需要修正該 import 敘述，直接引入 GenerateContentConfig：

# 修改前
from google.genai.types import HttpOptions, Part

# 修改後
from google.genai.types import HttpOptions, Part, GenerateContentConfig

並在呼叫時直接使用，而不加上 types. 前綴：

config=GenerateContentConfig(labels={"client_id": "info_helper"})

總結與後續步驟

本次修改成功將 client_id=info_helper 標籤注入至 LINE Bot 專案內所有 Vertex AI API 的呼叫中。

1. 帳單生效延遲：請注意，當我們開始帶入 labels 之後，GCP 的帳單數據通常會有 24 到 48 小時的生效延遲。
2. 在 GCP Billing 設定：過兩天後，可以前往 GCP Console -> Billing (計費) -> Reports (報表)。在右側的 Group by (分組依據) 中選擇 Labels 並輸入我們的 key client_id。
3. 大功告成：此時報表就會將 info_helper 當作獨立的計費列獨立繪出，完美解決了專案費用分開核銷與統計的難題！