核心用法
Drip Billing Skill 是一款面向 AI 代理的计量计费与运行追踪 SDK 集成工具，基于 @drip-sdk/node 包实现。核心能力覆盖三大场景：
1. 用量计量 (trackUsage)：上报客户级计量数据（如 token 消耗、API 调用次数），支持自定义 meter 名称与数值 quantity。
2. 运行追踪 (recordRun / startRun / emitEvent / endRun)：完整记录工作流生命周期，包括启动、中间事件流、结束状态及耗时统计。
3. 框架自动追踪：提供 LangChain 回调处理器与中间件封装，支持无侵入式集成，但需显式配置 metadataAllowlist 与 redactMetadataKeys 实现数据脱敏。
显著优点
- 计费粒度精细：支持 metered billing 模型，可按 token、调用次数、运行时长等多维度计费。
- 框架生态兼容：原生支持 LangChain 等主流 AI 框架，降低集成成本。
- 数据最小化设计：明确区分允许发送的数据（用量数值、客户ID、运行状态、脱敏元数据）与禁止发送的数据（原始 prompt、模型输出、PII、密钥）。
- 密钥分级管理：区分
sk_*（服务端可信密钥）与pk_*（公钥），强制要求服务端隔离DRIP_API_KEY。
潜在缺点与局限性
- 供应链依赖风险：SDK 来自外部 npm 源，需验证包来源（npm provenance + GitHub 源码对应），且升级时需重新审查脱敏行为。
- 配置复杂度高：自动追踪功能非默认安全，必须显式配置 allowlist/redaction，否则存在敏感数据泄露风险。
- 密钥管理严苛：要求可信服务端环境持有
sk_live_密钥，无法直接用于浏览器、移动端或不可信代理运行时。 - 元数据验证责任在集成方：SDK 仅提供脱敏机制，实际执行依赖安装版本，需人工验证 callback/middleware 路径的清理行为。
适合人群
- 需要为 AI 代理实现精确用量计费与成本分摊的企业开发者
- 已有 Node.js 18+ 服务端基础设施，且具备安全的密钥管理能力
- 使用 LangChain 或自建框架，愿意投入安全审查资源的团队
常规风险
- 数据泄露风险：若未正确配置
metadataAllowlist/redactMetadataKeys，原始 prompt、用户输入、模型输出可能随遥测上报。 - 密钥泄露风险：
DRIP_API_KEY若暴露至客户端或不可信代理，可导致计费数据篡改或 API 滥用。 - 供应链攻击风险：npm 包被篡改或依赖项存在漏洞时，可能破坏脱敏承诺或窃取密钥。
- 元数据陈旧风险：注册表元数据若未标记
DRIP_API_KEY为 required，可能导致部署时密钥缺失，引发运行时失败。