코딩 에이전트의 청구액은 채팅과는 다른 방식으로 불어납니다. 매 턴 시스템 프롬프트, 도구 목록, 지금까지 읽은 파일, 그간의 대화를 다시 보내기 때문입니다. 30번째 턴쯤이면 요청 하나에 입력 토큰이 수십만 개 실리고, 그 대부분은 반복입니다. 아래 10가지 방법은 그 토큰이 어디로 가는지를 겨냥합니다. 방법마다 예상 절감액과 계산식을 붙였으며, 2026-11-14 기준으로 동기화한 BroadNet Inference 가격을 썼습니다. 실제 숫자는 다를 수 있으니 적용 전후를 측정하세요.
코딩 에이전트의 비용은 어디로 가나요?
대부분의 에이전트에서 규모가 큰 순서대로 세 가지 계량기가 있습니다.
- 입력: 매 턴 다시 보냅니다. 대부분 캐시할 수 있습니다.
- 출력: 눈에 보이지 않는 추론 토큰을 포함합니다.
- 낭비: 재시도, 진전 없는 루프, 아무도 필요로 하지 않은 컨텍스트입니다.
무엇이든 바꾸기 전에 실제 작업 하루치의 prompt_tokens, prompt_tokens_details.cached_tokens, completion_tokens를 확인하세요. 분해하는 방법은 에이전트 루프의 토큰은 어디로 가는가에 있습니다.
어떤 방법이 가장 많이 아껴 주나요?
| # | 방법 | 줄이는 것 | 예상 절감액 |
|---|---|---|---|
| 1 | 프롬프트 접두부 고정 | 새 입력 | 입력 비용 절반 이상 감소 |
| 2 | 에이전트에게 검색시키지 말고 파일 지정 | 탐색 턴 | 턴 수와 재전송 감소 |
| 3 | 도구 출력 줄이기 | 이후 모든 턴의 입력 | 로그 크기에 비례 |
| 4 | 일상 단계의 추론 강도 낮추기 | 보이지 않는 출력 | 작업 구성에 따라 다름 |
| 5 | 작업당 단계 상한 | 폭주하는 루프 | 최악의 경우에 상한 설정 |
| 6 | 재시도 상한과 로그 | 중복 요청 | 피한 재시도마다 요청 1건 전체 |
| 7 | 작업마다 새 세션 | 묵은 대화 기록 | 턴당 컨텍스트 축소 |
| 8 | 쉬운 단계는 더 싼 모델로 | 토큰당 가격 | 넘긴 단계에서 큼 |
| 9 | 요약은 드물게, 덧붙이기는 자주 | 캐시 미스 | 1번 방법 유지 |
| 10 | 손익분기점을 넘으면 정액 플랜으로 | 토큰 계량 | 예시에서 월 $5.40 금액 |
1. 프롬프트 접두부를 고정해 캐시되게 하기
DeepSeek V4.1 Flash에서 캐시된 입력은 100만 토큰당 $0.0055 요금이고, 새 입력은 $0.175 요금으로 약 32배 비쌉니다. 프롬프트는 시스템 프롬프트, 도구, 파일, 대화 기록, 새 메시지 순서로 배치하세요. 맨 앞에 타임스탬프를 두지 마세요. Cursor는 2026년 9월, 시스템 프롬프트를 약 3분의 2 줄이고 도구를 필요할 때만 불러오는 등 하네스를 바꿔 사용자의 토큰 비용을 7% 줄였다고 밝혔습니다. 접두부가 캐시되도록 프롬프트를 구성하는 방법을 참고하세요.
예상 절감액. 월 입력 토큰이 10억 개라고 합시다. 캐시 적중률 50%라면 5억 토큰에 새 입력 가격을 내고, 80%라면 2억 토큰에만 냅니다. 캐시된 부분까지 포함하면 입력 비용이 약 56% 줄어듭니다. 캐시 적중률을 높이는 방법을 읽거나, 프롬프트 캐싱 계산기에 직접 숫자를 넣어 보세요.
2. 어떤 파일이 중요한지 에이전트에게 알려 주기
모호한 작업(“로그인 버그 고쳐 줘”)을 주면 에이전트는 디렉터리를 나열하고, 파일을 열고, 컨텍스트로 읽어 들이며 찾아다닙니다. 한 번 연 파일은 이후 모든 턴에 다시 전송됩니다. 파일과 기대하는 변경을 명시하세요. 에이전트가 가장 먼저 읽는 짧은 프로젝트 지도를 저장소에 두세요.
예상 절감액. 30턴짜리 작업의 3번째 턴에서 40,000토큰 파일을 읽으면, 그 파일은 약 27번 다시 전송됩니다. 파일 하나로 입력 토큰 100만 개가 넘습니다. 읽지 않으면 그만큼이 통째로 절약됩니다.
3. 도구 출력이 컨텍스트에 들어가기 전에 줄이기
테스트 러너, 빌드 로그, git diff는 수만 토큰을 돌려줄 수 있습니다. 에이전트에게는 로그의 마지막 100줄이나 실패한 테스트만 보여 주세요. 대부분의 에이전트 도구에서 명령 출력 한도를 설정할 수 있습니다.
예상 절감액. 2번과 같은 계산입니다. 줄인 토큰 하나가 남은 턴마다 한 번씩 절약됩니다.
4. 일상적인 단계에서는 추론 강도 낮추기
DeepSeek V4.1 Flash와 GLM 5.3은 답하기 전에 생각하며, 그 생각은 출력으로 과금됩니다. 이름 바꾸기, 포매팅, 작은 수정에는 reasoning_effort: "low"를 설정하세요. max_tokens는 끝까지 답할 수 있을 만큼 넉넉하게 두세요. 그렇지 않으면 생각 비용만 내고 빈 답변을 받습니다. 추론 토큰 비용을 참고하세요.
예상 절감액. 같은 작업 20개로 적용 전후의 completion_tokens_details.reasoning_tokens를 측정하세요. 절감액은 감소량에 출력 가격(100만 토큰당 $0.52 요금)을 곱한 값입니다.
5. 작업당 단계에 상한 두기
테스트를 고치지 못하는 에이전트는 100턴 동안 루프를 돌 수 있고, 턴마다 요청은 직전보다 커집니다. 작업당 최대 턴 수를 정하고, 같은 도구 호출이 세 번 반복되면 멈추세요. 단계 상한이 있으면 끝이 없던 비용에 끝이 생깁니다.
6. 재시도에 상한을 두고 기록하기
재시도한 요청은 새 추론이므로 토큰당 키에서는 다시 과금됩니다. 429와 5xx는 백오프와 고정된 한도를 두고 재시도하고, 400이나 422 같은 다른 4xx 오류는 재시도하지 마세요. 오류와 재시도를 참고하세요.
7. 작업마다 새 세션 시작하기
지난 작업의 대화 기록은 다음 작업에서 쓸모없는 짐입니다. 작업마다 새 세션을 열면 컨텍스트가 작게 유지됩니다. 이는 캐싱과 충돌하지 않습니다. 시스템 프롬프트와 도구는 여전히 공유되는, 캐시 가능한 접두부가 됩니다.
8. 쉬운 단계는 더 싼 모델로 보내기
모든 단계에 같은 모델이 필요하지는 않습니다. 커밋 메시지, 변경 로그 한 줄, 단순 분류는 100만 토큰당 입력 $0.10, 출력 $0.22 요금의 Gemma 4 VL 26B로 보낼 수 있습니다. 도구 호출이 많은 단계에 GLM 5.3을 쓴다면 나머지는 DeepSeek V4.1 Flash로 보내세요. GLM 5.3의 출력은 약 6.7배 비쌉니다. GLM 5.3 vs DeepSeek V4.1 Flash를 참고하세요.
주의. 완료된 작업당 비용을 측정하세요. 턴이 두 배로 필요한 싼 모델은 오히려 비쌀 수 있습니다.
9. 요약은 드물게, 나머지는 덧붙이기
에이전트가 대화 기록을 압축하면 프롬프트가 다시 쓰이고 캐시는 처음부터 시작합니다. 컨텍스트가 한도에 가까워졌을 때만 한 번에 크게 요약하고, 그 뒤로는 다시 덧붙이세요. 그래야 1번 방법이 계속 효과를 냅니다.
10. 손익분기점을 넘으면 정액 플랜으로 바꾸기
토큰당 과금은 사용량이 적을 때 유리합니다. 하루 종일 일하는 에이전트는 사용량이 적지 않습니다. BroadNet의 계산 예시에서 하루 종일 일하는 코딩 에이전트(캐시 80%의 입력 10억 토큰, 출력 5,000만 토큰)는 토큰당 과금으로 월 $65.40 비용이 들고, 상시 가동 에이전트는 $196.20 비용이 듭니다. Full Moon 세션은 토큰 계량 없이 월 $60 요금이며, 한 번에 요청 하나를 처리합니다. 이 지점부터 1~9번 방법은 시간은 아껴 주지만 더 이상 돈은 아껴 주지 않습니다. 정액제 vs 토큰당 과금 계산기로 직접 사용량을 확인하거나, 손익분기점 계산과 정액제로 병렬 에이전트 운영하기를 읽어 보세요.
방법이 효과가 있었는지 어떻게 측정하나요?
- 백로그에서 대표적인 작업 20개를 고르세요.
- 현재 설정으로 실행하고 작업당 토큰을 기록하세요.
- 방법을 한 번에 하나씩 적용하고 다시 실행하세요.
- 요청당 비용이 아니라 완료된 작업당 비용을 비교하세요.
코딩 에이전트가 아닌 앱이라면, 같은 지렛대를 일반적인 순서로 정리한 LLM API 비용 줄이는 방법을 보세요.
주요 에이전트 설정 가이드: Aider, Cline, Zoo Code(서비스가 종료된 Roo Code의 포크), OpenCode.
BroadNet Inference의 위치
BroadNet은 코딩 에이전트에 DeepSeek V4.1 Flash의 저렴한 캐시된 입력 요금을 제공하고, 사용량이 많다면 월 $60 요금부터 무제한 세션을 제공합니다. 이 에이전트들이 이미 지원하는 OpenAI 호환 엔드포인트입니다. 폐쇄형 프런티어 모델은 운영하지 않으므로, 에이전트의 가장 어려운 단계에 그런 모델이 필요하다면 해당 모델은 원래 제공업체에 두고 대부분의 턴을 이쪽으로 보내세요. 플랜 보기.
