AI 에이전트 토큰 비용의 진실 — 70개 스킬이 지갑을 털어가는 과학

> "스킬 70개 연동", "완벽한 자동화 업무 환경"이라는 화려한 수식어는 결국 내가 다 감당해야 할 API 비용의 다른 이름일 뿐이다.

에이전트는 겉보기에 스마트해 보이지만, 내부를 뜯어 보면 엄청난 양의 토큰을 무한대로 빨아먹는 하마다. 우리가 흔히 쓰는 에이전트들이 토큰을 '폭식'하는 방식과, 그게 실제로 얼마의 돈이 되는지 낱낱이 파헤쳐 보겠다.

1. 에이전트가 토큰을 '폭식'하는 3가지 방식

이메일 비서 에이전트 (Gmail, Outlook 연동)

말은 좋은 기능: "스마트하게 스팸을 걸러내고 중요한 메일만 요약해 드리겠습니다."

추악한 요금 현실: 에이전트가 메일을 읽을 때 단순히 텍스트만 보는 게 아니다. "이 메일이 중요합니까?"를 판단하기 위해 시스템 프롬프트(2,000~5,000 토큰) + 메일 원문(500~3,000 토큰) + 도구 스키마 오버헤드(2,000~5,000 토큰)가 한 번에 들어간다.

실제 청구서 계산 (Claude Sonnet 5 기준):

시스템 프롬프트:     3,000 토큰
메일 원문:          2,000 토큰
도구 스키마:         3,000 토큰
출력 (판단 결과):     200 토큰
──────────────────────────────
총: 8,200 토큰/회

비용: 입력 $0.024 + 출력 $0.003 = $0.027/회

하루에 메일 50통을 분석하면: $0.027 x 50 = $1.35/일 = 월 $40.50

그냥 메일함을 훑어보는 것에 월 4만원이 든다.

옵시디언 / 세컨드 브레인 동기화 에이전트

말은 좋은 기능: "새로운 정보를 관련 기존 노트와 연결하고 지식 그래프를 확장합니다."

추악한 요금 현실: 에이전트가 새로운 메모 하나를 추가하려면, 기존 노트 수백 개의 제목과 내용(임베딩 값)을 전부 훑어야 한다. 노트가 500개가 되면 입력 토큰만 50,000개를轻易히 넘긴다.

비용 시뮬레이션:

기존 노트 500개 요약:  50,000 토큰 (입력)
새 메모 + 연결 분석:   5,000 토큰 (입력)
출력 (연결 결과):      1,000 토큰
──────────────────────────────
총: 56,000 토큰/회

Claude Sonnet 5: $0.168 + $0.015 = $0.183/회
GPT-6 Sol:       $0.280 + $0.030 = $0.310/회

노트 10개 추가하면 GPT-6 Sol 기준 $3.10. 매일 쓰면 월 $93.

멀티 에이전트 (CrewAI, AutoGen 등)

말은 좋은 기능: "기획자, 번역가, 개발자 에이전트가 협업하여 결과물을 만들어 냅니다."

추악한 요금 현실: 에이전트끼리 대화를 나누며 문제를 해결한다. "A가 초안 작성 -> B가 검토 -> C가 스킬 사용 -> A가 수정" — 내부에서는 수백만 토큰이 오간다.

실제 CrewAI 3인방 비용 (Sonnet 5 기준):

리서처 에이전트:  2,500 입력 + 1,500 출력 → $0.030
작성자 에이전트:  3,000 입력 + 2,000 출력 → $0.045
검토자 에이전트:  2,500 입력 +   500 출력 → $0.023
──────────────────────────────────────────────
작업 1회 총 비용: $0.098 (단일 에이전트 대비 5배)

하루 20개 작업이면 $1.96/일 = 월 $58.80. 여기에 캐싱이나 재시도가 붙으면 월 $100~200.

2. 왜 에이전트는 '토큰 빨아먹는 귀신'인가

끝없는 자문자답 (ReAct 프롬프팅)

에이전트는 스스로 행동하기 위해 [생각 -> 행동 -> 관찰 -> 다시 생각]의 루프를돈다.

10단계 루프의 토큰 누적 시뮬레이션 (Claude Sonnet 5, 시스템 프롬프트 2,000 토큰 기준):

단계 1:   888 토큰
단계 2: 3,400 토큰 (+1,500 도구 결과)
단계 3: 8,900 토큰 (+2,500 파일 읽기)
단계 4: 14,200 토큰 (+2,000 파일 읽기)
단계 5: 18,900 토큰 (+2,400 검색+읽기)
단계 6: 24,500 토큰
단계 7: 31,000 토큰
단계 8: 38,500 토큰
단계 9: 46,000 토큰
단계 10: 54,200 토큰

비용은 선형이 아니라 이차 함수로 증가한다.

단일 호출: 9,000 토큰 → $0.027
10단계 루프: 472,500 토큰 → $1.49
                                ↑ 55배

> 10번 돌렸다고 10배가 아니다. 55배가 청구된다. 매 단계마다 이전 대화 전체를 다시 보내기 때문이다.

출력 토큰의 함정

모든 모델에서 출력 토큰은 입력보다 3~6배 비싸다.

에이전트는 매 루프마다 "어떻게 할지"를 출력한다. 이 출력이 곧 비용이다. 출력 토큰이 많을수록 요금은 가파르게 치솟는다.

컨텍스트 윈도우의 눈덩이 효과

에이전트가 대화를 이어갈수록 컨텍스트가 불어나고, 매 턴마다 전체 컨텍스트를 다시 청구한다.

3. 실제 요금 폭탄 사례

사례 1: LangChain 무한 루프

2개의 에이전트가 서로에게 작업을 넘기며 11일간 무한 루프를 돌았다. 예산은 월 $200였으나, 최종 청구서는 $47,000.

사례 2: 기업 도입 실패

2026년 기업 설문조사에서:

• 78%의 IT 담당자가 지난 12개월 동안 예상치 못한 AI 비용 청구를 경험
• 96%의 기업이 AI 비용이 초기 예측을 초과
• 포춘 500대 기업들의 2025년 미-budgeted AI 지출: 총 $4억

사례 3: 숨겨진 비용 승수

4. 모델별 10단계 에이전트 루프 비용 비교

동일한 작업(코드 리뷰 + 수정 + 테스트)을 10단계 루프로 처리할 때:

> DeepSeek V4-Flash와 Claude Opus 5의 차이는 187배. 같은 작업을 한다고 가정할 때.

5. 비용을 지키는 실전 전략

전략 1: 일일 비용 상한선(Usage Limits) 설정

OpenAI, Anthropic 대시보드에서 반드시 상한선을 걸어라. 없으면 밤사이 루프가 돌아서 아침에 낭패를 본다.

전략 2: 캐싱 활용

DeepSeek V4-Flash의 캐시 히트 비용은 $0.0028/1M 토큰. 일반 입력($0.14) 대비 50배 저렴. 동일한 시스템 프롬프트를 반복 사용하는 에이전트에게는 캐싱이 필수.

전략 3: 저가 모델 분리

단순 분류/판단 작업에는 Luna나 Flash-Lite를, 복잡한 추론에만 Sol/Opus를 쓰라. 라우팅 전략 하나로 비용이 10배까지 차이난다.

전략 4: 컨텍스트 윈도우 관리

에이전트에게 "이전 3단계만 기억하고 그 이전은 요약하라"고 지시하면 컨텍스트 누적을 크게 줄일 수 있다. 전체 대화를 보낼 때와 비교해 60~80% 비용 절감.

전략 5: 로컬 모델 전환

단순 작업은 Ollama 로컬 모델(Qwen3-4B, Gemma4 E4B)로 처리하면 API 비용이 0원. 토큰당 비용이 아닌 전기료만 발생한다.

요약: 숫자로 보는 에이전트 비용의 진실

> "에이전트 기술의 바탕은 철저하게 '토큰 소비' 위에서 춤을 춘다. 화려한 기능에 감탄할 때가 아니라, 대시보드의 Usage Limits를 걸어 잠그는 것이 진짜 생산성이다."

출처: Spheron Network, AgentMarketCap, TokenFence, Augment Code, AIMadeTools (2026년 8월 기준)