Lago 自托管：把用量计量与计费从支付网关里拆出来

Lago 是一个开源计量与用量计费引擎（Open Source Metering and Usage Based Billing），Go 编写，AGPLv3，GitHub 10.6k stars。仓库 getlago/lago，官网 getlago.com，文档 doc.getlago.com。它定位为 AI 产品的 monetization 基础设施，实际是一个 API-first、headless 的计费层，把用量事件到收入确认的链路收在一套系统里。

为什么把计量/定价和支付处理拆开

早期团队常直接拿 Stripe 当产品目录和计费事实源：价格、订阅、发票、催收全在支付商侧。一旦产品变成按 token、按 GPU 分钟、按 API 调用或按席位混合计费，问题就暴露了——用量事件在业务侧产生，定价规则在支付商侧，两边对不上；换支付商或新增区域收单方时，产品目录迁移成本很高。

Lago 的做法是把支付商降级为执行层。计量、定价、额度、发票、信用单据留在 Lago 内，Stripe、Adyen、GoCardless 等只负责扣款和支付状态回传。这样多支付商、多币种、多主体和客户级覆盖可以在同一套计价逻辑上做，不必把某个支付商的产品目录当作唯一事实源。代价是自托管要自己维护有状态服务和 worker，支付编排、税务（如 Avalara）等集成也要自己接。

Lago 提供两种模式：Lago Direct 给自己产品计费，Lago Embedded 给平台客户做白标计费。

数据流与核心能力

官方给出的链路是：Usage events -> Metering -> Pricing and credits -> Entitlements -> Invoices -> Payments -> Revenue。按这条链路看：

• 事件摄入：实时事件摄入、过滤、维度、聚合、批量，以及按 transaction_id 幂等。
• 定价：用量、周期、预付、百分比、阶梯、打包、volume、最低承诺、混合计费。
• 额度/权益：entitlements、allowance、钱包、额度授予、充值、用量告警。
• 发票：订阅、发票、贷项通知单、税、多币种、多主体、客户级覆盖。
• 收款：支付商编排、重试、dunning 催收、支付状态同步。
• 分析：用量、MRR、发票、客户和营收分析。
• 连接栈：Salesforce、HubSpot、NetSuite、Xero、Avalara、云市场、数据仓库、webhooks。

计量对象不限于 token，还包括模型、输入输出、缓存、推理、工具调用，以及 GPU/CPU/存储等算力、API 调用、交易、席位、活跃用户或自定义事件。预付额度与自动充值、订阅含 allowance/最低承诺/超量，自助套餐和企业合同在同一系统里。

生产特性

自托管场景下比较关键的是这几条：

• 幂等摄入：按 transaction_id 去重，重试不会重复计费。
• 原子批量：一批里有一条无效，整批拒绝，不落任何事件。
• 异步处理：events、billing、payments、invoices、webhooks、PDFs、alerts、analytics 由独立 worker 隔离。
• 可观测：暴露 Prometheus 指标。
• 部署控制：可以跑在本地、自己云或自有基础设施，有状态服务与 worker 可分离并独立扩展。
• 安全：SOC 2 Type II，支持自托管。

自托管实例默认收集基础产品分析，不含客户 PII 或财务数据，可以 opt out。

本地跑起来

源码部署：

git clone --depth 1 https://github.com/getlago/lago.git
cd lago
echo "LAGO_RSA_PRIVATE_KEY=\"$(openssl genrsa 2048 | openssl base64 -A)\"" >> .env
docker compose up -d

自托管部署指南见 doc.getlago.com/guide/lago-self-hosted/docker#configuration。更大量级用 Helm charts 和 dedicated workers。

官方 demo 会起一个本地隔离的 Lago，发 3 个 AI 请求：5000 input tokens x $0.000002 + 1250 output tokens x $0.000008 = $0.02，然后用 curl+jq 校验用量，并重试一次事务确认幂等：

./examples/agentic-ai-demo/run.sh

UI 在 http://localhost:8080，账号 agentic-ai-demo@example.local / agentic-ai-demo-local-password。需要 Docker、curl、jq。清理：

./examples/agentic-ai-demo/run.sh --cleanup

端口坑：demo 和本地 compose 默认用 8080，如果本机已有服务占用，需要改端口映射再启动。

接口与 SDK

REST API 与 OpenAPI 是主要入口。Lago CLI（MIT）和 Lago MCP server（MIT）给 MCP agent 读写发票、用量、客户、支付、贷项通知单、优惠券等。Python 与 JS/TS Agent SDK（MIT）包裹 LLM 客户端上报 token/成本事件。Finance Assistant 是只读问答，目前 Beta。

官方客户端：Node.js(lago-javascript-client)、Python(lago-python-client)、Ruby(lago-ruby-client)、Go(lago-go-client)。

许可证：Lago 本体 AGPLv3；Agent SDK 与 MCP server 为独立仓库、MIT。

适合谁，不适合谁

适合：需要自托管、想把用量计量和定价从支付网关里拆出来的团队；做 AI/API 产品，按 token、算力、API 调用或席位混合计费；有预付额度、自动充值、订阅+超量、企业合同并存的需求；需要多支付商、多币种、多主体，或者要给平台客户做白标计费（Lago Embedded）。

不适合：只需要简单固定订阅、不涉及用量计量，且愿意完全依赖 Stripe 产品目录的团队；不想维护自托管有状态服务和 worker 的团队；没有支付编排、税务集成和财务对账人力的小团队。这种情况下，直接用支付商自带的 billing 可能更省事。

客户案例：Mistral AI 用 Lago 做 token 计量、预付额度、发票、税和收款；Groq、Synthesia、Blacksmith（CI 算力用量计费）、PayPal（Embedded）也在用。