外部 A2A 智能体把平台签发的调用凭证带到模型调用里，平台据此把智能体内部的模型调用关联到具体某一次 A2A 调用，并把费用记到调用方名下

A2A 调用的链路关联与按调用方计费

单位管理员 A 接入的外部 A2A 智能体，会被 B、C 等多位成员调用。智能体处理请求时自己也要调用平台的模型网关。默认情况下，这些模型调用都记在智能体使用的模型密钥名下，也就是 A 名下；平台也无法分辨某一次模型调用是为哪一次 A2A 调用服务的。

接入「A2A 调用凭证」后：

• 每一次 A2A 调用都能在请求详情里看到智能体内部发起的全部模型调用，以及这些调用的次数、令牌数与花费合计；模型调用详情也能跳回对应的 A2A 调用。
• 智能体内部的模型调用记在调用方 B、C 名下，额度按调用方的人员额度判定，同时仍受该密钥自身额度的约束。
• 智能体详情的监控页签按调用方列出模型花费，没有携带凭证的调用单独列为「智能体自身调用」。

关联与计费都不依赖链路追踪编号，也不要求调用方改动任何请求。

1. 工作方式

1. 调用方通过平台调用智能体时，平台每转发一次 A2A 请求就签发一枚调用凭证（以 zac_ 开头），同时放在两处：请求头 X-Zenova-Call-Context，以及 params.message.metadata 中的 zenova_call_context 字段。
2. 智能体从入站请求中取出凭证，放进本次请求的作用域（见第 4 节）。
3. 智能体使用自己的专属模型密钥调用平台模型网关，在请求体 metadata.zenova_call_context 中原样带上凭证。
4. 模型网关在本地验证凭证的签名与有效期，确认凭证签发给的智能体就是该密钥绑定的智能体，然后把本次模型调用记在调用方名下，并记下它属于哪一次 A2A 调用。

凭证由网关节点在本地签发和验证，不需要访问管理控制台的任何接口。

2. 计费口径

1. 只有调用方本人申领的凭据才按人计费。 调用方通过应用市场申领的连接、个人 MCP 令牌，或在平台页面上以本人身份发起调用时，平台才签发凭证。管理员在智能体详情页签发、交给业务系统使用的令牌不签发凭证，这类调用记在密钥属主名下。需要按人计费时，请让调用方自己申领连接。
2. 不带凭证的模型调用记在密钥属主名下。 平台对这类调用一律放行，不报错；监控中归入「智能体自身调用」。智能体自己发起的定时任务等场景就属于这一类。
3. 凭证有效期 1 小时。 以模型请求的开始时间判定：在有效期内发起、超过有效期才结束的流式调用照常完成。超过 1 小时的长任务，之后发起的模型调用会收到 A2A_CALL_TOKEN_EXPIRED。
4. 额度同时判定两处。 模型调用既要满足该专属密钥的额度，也要满足调用方的人员额度，任一处不足都会被拒绝。调用方额度不足时返回现有的额度错误码，对外消息中不包含调用方的额度明细。

3. 前置条件

1. 接入智能体：在管理控制台「A2A 目录」中接入该 A2A 智能体并启用。
2. 创建智能体专属模型密钥：打开该智能体的「A2A 智能体详情」，在「详情」页签的「模型密钥」区点「新建」。智能体已预填并锁定，选择工作区和模型分组后提交。密钥明文只显示一次，请立即交给智能体的运维人员保存。普通 API 密钥不能用于按调用方计费：普通密钥携带凭证时，凭证会被忽略，调用记在密钥属主名下。
3. 配置模型网关地址：「模型密钥」区下方的「接入说明」给出本部署的模型网关地址和可直接复制的代码片段。
4. 调用方申领：调用方在应用市场申领该智能体的连接（也可以使用个人 MCP 令牌，或在平台页面上直接调用），然后照常调用，不需要任何额外配置。

4. 智能体侧接入

4.1 取出凭证

凭证同时位于请求头 X-Zenova-Call-Context 和 params.message.metadata.zenova_call_context，取哪一处都可以。两处都存在但值不同时，说明请求在途中被改动，应直接拒绝该请求。两处都没有时，本次请求不带凭证，模型调用记在密钥属主名下。

4.2 按请求作用域保存凭证

同一个智能体进程会同时处理多位调用方的请求。凭证必须保存在请求作用域内，例如 Python 的 contextvars.ContextVar。

请勿把凭证存进全局变量、模块变量，或模型客户端的默认参数（例如默认请求头、默认请求体）。否则 C 的请求到达时会覆盖 B 的凭证，B 后续的模型调用会带上 C 的凭证，费用记到 C 名下。asyncio.create_task 与 asyncio.gather 会复制当前上下文，工具调用与子任务因此会自动继承本次请求的凭证。

import contextvars

METADATA_KEY = "zenova_call_context"
_current_token = contextvars.ContextVar("zenova_call_context", default=None)


def model_call_metadata():
    token = _current_token.get()
    return {METADATA_KEY: token} if token else None

4.3 在每一次模型调用中携带凭证

OpenAI Python SDK：每次调用时现取凭证，写入 metadata。

metadata = model_call_metadata()
kwargs = {"metadata": metadata} if metadata else {}
response = await client.chat.completions.create(
    model=model,
    messages=messages,
    **kwargs,
)

AgentScope：智能体内部调用模型时只传消息与工具，因此需要子类化 OpenAIChatModel，在 _call_api 中逐次写入 metadata。

from agentscope.model import OpenAIChatModel


class ZenovaChatModel(OpenAIChatModel):
    async def _call_api(self, model_name, messages, tools=None, tool_choice=None, **kwargs):
        metadata = model_call_metadata()
        if metadata is not None:
            kwargs["metadata"] = metadata
        return await super()._call_api(
            model_name, messages, tools=tools, tool_choice=tool_choice, **kwargs
        )

模型网关也接受请求头 X-Zenova-Call-Context，请求头与请求体 metadata.zenova_call_context 任选其一；两处都携带时，值必须相同。多数智能体框架不便按请求修改请求头，因此推荐只使用请求体。

完整的可运行示例（OpenAI Python SDK 版、AgentScope 版及并发自测脚本）位于产品仓库的 lobsterpool/examples/a2a-call-attribution/ 目录。

5. 查看关联与花费

A2A 调用没有任何内部模型调用时，「智能体内部模型调用」区显示「该次调用没有经平台的模型调用，或智能体未携带调用凭证」。

6. 错误码

模型网关校验凭证失败时会直接拒绝请求，不会改为按密钥属主计费。智能体应把失败原样返回给调用方。

全部错误码见「错误参考」。