[AI 활용팁] 48만 원 리포트를 6만 원에…클로드 서브에이전트 지시문으로 85% 사용량 절약하는 법

클로드 페이블 5.1은 복잡한 작업을 받으면 서브에이전트를 여러 개 띄워 일을 나눠 처리합니다. 문제는 그 서브에이전트가 기본값으로 전부 페이블 5.1에서 실행된다는 점입니다. 가장 비싼 모델로 수십 개의 병렬 작업을 동시에 실행하는 셈이라, 큰 작업 한 번에 사용량 한도가 바닥나는 일이 벌어집니다. AI 에이전시를 운영하는 벤(Ben)은 유튜브 영상에서 프롬프트에 지시 하나를 더해 같은 결과물을 85% 싼 비용으로 받은 과정을 공개했습니다. 서브에이전트 지시를 포함해 토큰을 줄이는 방법 여섯 가지를 정리했습니다.

유튜브 채널 Ben AI가 공개한 영상으로, 원제는 ‘Paste This Into Claude, Never Hit a Token Limit Again’입니다.

1. 서브에이전트에 쓸 모델 지정

벤은 최근 두 달 치 고객 지원 통화 기록을 전부 분석해 고객 인텔리전스 리포트를 작성해 달라고 페이블 5.1에 요청했습니다. 페이블 5.1은 서브에이전트 67개를 띄워 회의록을 나눠 읽었고, 제품 개발 로드맵과 고객 프로필 분석, 상위 문제 목록까지 담긴 리포트를 내놨습니다. 결과물은 만족스러웠지만 청구액이 약 350달러(약 48만 원)였습니다. 서브에이전트 67개가 전부 페이블 5.1로 실행됐기 때문입니다. 벤은 이 작업에서 쓴 토큰의 80%가량이 서브에이전트에서 발생했다고 설명했습니다.

같은 프롬프트에 지시 하나만 더해 다시 요청하자 청구액은 44달러(약 6만 원)로 떨어졌습니다. 우선순위별 문제 정리, 제품 로드맵 제안, 고객 프로필 분석까지 결과물 구성은 거의 같았습니다.

프롬프트: “When using sub agents, always run them on Sonnet 5.”
(서브에이전트를 쓸 때는 항상 소넷 5에서 실행할 것)

서브에이전트를 실제로 띄우게 하려면 조건을 더 구체적으로 적는 편이 안전합니다.

프롬프트: “When you do research or read the transcripts, always use sub agents that run on Sonnet 5.”
(조사를 하거나 회의록을 읽을 때는 항상 소넷 5에서 실행되는 서브에이전트를 쓸 것)

 

2. 품질이 유지되는 까닭

서브에이전트를 아예 쓰지 않으면 어떻게 될까요. 메인 대화의 모델이 회의록을 전부 직접 읽어야 합니다. 그러면 100만 토큰 맥락창 한계에 금방 닿아 자료를 다 읽지도 못합니다. 맥락창은 모델이 한 번에 참고할 수 있는 텍스트 양을 말합니다.

한계에 닿지 않더라도 문제가 남습니다. 읽는 데만 토큰을 크게 쓰고 나면, 정작 중요한 분석과 리포트 작성을 시작할 때 이미 토큰을 많이 소모한 상태가 됩니다. 벤은 이 상태를 ‘덤 존(dumb zone)’이라고 부릅니다. 한 대화에서 토큰을 많이 쓸수록 모델의 답변 품질이 떨어지는 구간을 가리키는 비공식 표현입니다.

서브에이전트는 이 문제를 해결합니다. 메인 에이전트는 읽기와 조사, 분석을 서브에이전트에 나눠 주고 요약본만 받습니다. 필요하면 67개든 그 이상이든 띄울 수 있습니다. 메인 에이전트는 토큰을 적게 쓴 상태로 분석과 작성에 들어갑니다.

서브에이전트가 담당하는 일은 대부분 기사와 회의록, 웹사이트를 빠르게 읽는 단순 작업입니다. 최고 성능 모델이 필요하지 않습니다. 앤트로픽도 자사 문서에서 페이블은 오케스트레이션에 적합하고 이런 작업에는 소넷이나 오퍼스 5를 쓰라고 안내합니다. 오케스트레이션은 여러 작업을 나누고 지휘하는 역할을 말합니다.

3. 새 대화의 시작 비용

새 대화를 열기만 해도 토큰이 소비됩니다. 벤의 환경에서는 프롬프트를 입력하기 전에 이미 8만 4,000토큰이 쓰였습니다. 대화를 새로 열 때마다 반복되므로 누적이 큽니다. 클로드 데스크톱의 클로드 코드 탭에서 /context를 입력하면 자신의 수치를 확인할 수 있습니다. 코워크에서는 이 명령이 작동하지 않습니다.

내역을 보면 항목이 나뉩니다. 시스템 도구는 클로드 내부 프롬프트라 이용자가 조정할 수 없습니다. CLAUDE.md 파일이 있다면 내용을 정리해 둘 수 있습니다. 조정 여지가 큰 항목은 MCP 도구와 스킬입니다. 클로드는 연결된 커넥터와 MCP 정보를 전부 읽어 무엇을 쓸 수 있는지 파악하고, 스킬 설명도 모두 읽어 어떤 스킬을 호출할 수 있는지 확인합니다.

쓰지 않는 커넥터와 MCP, 스킬, 플러그인은 커스터마이즈 탭에서 비활성화하면 됩니다. 삭제할 필요는 없고 비활성화 옵션만 켜면 됩니다. 플러그인은 안에 들어 있는 스킬까지 함께 불러오므로 같이 정리하는 편이 좋습니다.

커넥터가 많다면 컴포지오(Composio) 같은 메타 커넥터를 쓰는 방법도 있습니다. 여러 소프트웨어를 컴포지오에 연결해 두고 클로드에는 컴포지오 커넥터 하나만 연결하면, 커넥터 50개를 각각 불러오지 않고도 필요한 곳으로 연결됩니다.

4. 작업 설계와 프롬프트 프레임워크

성능이 좋아진 모델을 쓸 때 바꿔야 할 습관은 결과물을 여러 번 수정해 가며 완성하는 방식입니다. 프롬프트를 던지고 고쳐 달라고 반복하면, 모델은 매번 대화 전체를 다시 읽습니다. 수정을 거듭할수록 비용이 가파르게 올라갑니다.

처음부터 작업 전체를 설명하면 80% 수준의 결과물을 한 번에 받을 수 있습니다. 남은 수정은 한두 번이면 됩니다. 덤 존에 닿는 빈도도 줄고, 노력 수준도 낮게 잡을 수 있습니다. 벤은 사전 설계가 잘된 작업이라면 대부분 medium으로 충분하다고 권합니다.

첫 프롬프트에 필요한 내용을 빠짐없이 담는 데는 앤트로픽 가이드를 토대로 한 프레임워크가 쓸모 있습니다.

요소	적을 내용
작업과 목표	전체 일의 범위와 도달할 결과
의도	왜 이 일을 하는지. 모델은 의도를 알 때 결과가 좋아집니다
가드레일	잘못될 수 있는 상황을 미리 적어 규칙으로 막습니다. 서브에이전트 모델 지시도 여기에 넣습니다
완료 기준	무엇이 끝난 상태인지. 출력 예시가 있으면 함께

성능이 좋은 모델일수록 적게 하기보다 과하게 하는 쪽으로 기울기 때문에 완료 기준이 중요합니다.

작업이 아직 정리되지 않았다면 앤트로픽의 ‘인터뷰 미(interview me)’ 스킬을 쓰는 방법이 있습니다. 질문을 던져 머릿속에 있는 조건을 끌어낸 뒤 같은 프레임워크로 프롬프트를 작성해 줍니다. 음성 전사 도구로 생각나는 대로 말한 다음 ‘프롬프트 마스터’ 스킬로 구조를 잡는 방법도 있습니다.

5. 대화 중 노력 수준 변경

노력 수준을 바꾸면 모델은 그대로 두고 추론량만 줄어듭니다. 사전 설계를 마친 상태라면 첫 결과물이 80% 수준으로 나오므로, 남은 수정에는 깊은 추론이 필요하지 않습니다. 대시보드 레이아웃을 수정하는 정도의 작업이라면 low로 내려도 됩니다.

예전에는 권장되지 않던 방법입니다. 노력 수준을 바꾸면 클로드가 이전 대화를 처음부터 다시 읽었기 때문입니다. 클로드 오퍼스 5와 페이블 5.1부터는 대화 중간에 노력 수준을 바꿔도 캐시가 유지됩니다. 반면 모델 자체를 오퍼스 5나 소넷 5로 바꾸면 대화 전체를 다시 읽습니다. 다만 두 모델이 쓰는 토큰이 훨씬 적으므로, 높은 성능이 필요 없는 수정이라면 그래도 이득일 수 있습니다.

6. 대화에 한 번에 한가지 작업만 맡기자

대화 중간에 작업을 바꾸지 않는 편이 좋습니다. 오전에 한 작업을 하고 오후에 같은 대화에서 다른 작업을, 저녁에 또 다른 작업을 하면, 세 번째 작업에서 모델은 관련 없는 앞선 작업의 기록과 맥락을 전부 읽습니다. 토큰이 많이 쓰이고 덤 존에도 일찍 닿습니다.

같은 작업만 이어 가는 긴 대화라도 마찬가지입니다. 벤은 한 대화에서 30만~50만 토큰을 쓴 시점부터 새 대화로 옮겨 이어 가는 것을 권합니다. 작업이 끝나지 않았더라도 그렇습니다. 사용량은 앤트로픽 기본 스킬인 /usage로 확인할 수 있고, 클로드 코드에서는 /context로 더 자세히 볼 수 있습니다.

클로드 코드에는 대화를 요약해 이어 가는 /compact 스킬과 토큰 한도를 정해 자동으로 실행하는 기능이 있습니다. 벤은 자동 실행 기능이 맥락을 충분히 남기지 못할 때가 많고 코워크에서는 쓸 수 없다며, 직접 만든 /refresh 스킬을 씁니다. 다음 세션의 목표를 물은 뒤 이전 대화의 맥락을 담은 긴 프롬프트를 작성해 주는 스킬입니다.

7. 넣지 말아야 할 지시

앤트로픽이 직접 안내한 내용입니다. 습관처럼 넣는 지시가 오히려 토큰을 더 쓰게 만듭니다.

넣지 말 것	까닭
“작업을 다시 확인하라”, “답하기 전에 두 번 검증하라”	모델이 이미 그렇게 하도록 학습돼 있어 두 번 하게 됩니다
“최대한 철저하게”, “반드시” 같은 과도한 강조와 대문자	과잉 점검과 도구 호출이 늘어납니다
고정된 단계 절차, 번호 목록, “단계별로 생각하라”	앤트로픽 시험에서 이 규칙을 빼자 토큰은 15% 줄고 정확도는 5% 올랐습니다

 

8. 정리

여섯 가지 중 효과가 가장 큰 항목은 서브에이전트 모델 지정입니다. 조사와 읽기가 많은 작업일수록 차이가 벌어집니다. 나머지는 대화를 여는 비용을 줄이고, 첫 프롬프트에 조건을 담고, 수정 단계에서 추론량을 낮추고, 대화를 작업 단위로 끊고, 불필요한 지시를 빼는 습관입니다.

🔗 영상 원본: https://www.youtube.com/watch?v=Jr-jyTL2MYI

이미지 출처: 이디오그램 생성