TokenEconomizer의 개요
TokenEconomizer는 자주 돌아오는 저장소에서 코딩 에이전트를 더 싸게 돌리게 해 주는 플러그인으로, 에이전트나 모델은 바꾸지 않습니다. 세션이 끝날 때마다 세 가지를 갱신합니다. 첫째는 micro-skills로, 세션마다 다시 찾아내는 저장소의 사실(예: pytest가 없어서 python -m pytest를 써야 한다는 것)입니다. 둘째는 저장소에서 한 번도 쓰이지 않는 도구 목록으로, 에이전트 자체 설정을 통해 이를 제거합니다. 셋째는 loop guard로, 실패를 반복하는 턴이 막혔는지 판정 모델에 묻고 그렇다면 한 번 방향을 바꾸도록 안내합니다.
Claude Code, Codex, GitHub Copilot CLI, Pi를 지원하며 Cursor, opencode, Hermes는 실험적으로 지원합니다. 도구 가지치기와 loop guard는 기본으로 켜져 있고 micro-skills는 꺼져 있습니다. 플러그인 전용 API 키는 필요 없습니다. 모델 호출은 에이전트의 CLI를 거쳐 기존 요금제로 이뤄지고, 학습한 내용은 ~/.tokeneconomizer에 저장됩니다.
Microsoft Research, Microsoft Security, UC Berkeley 연구진의 논문 TokenEconomizer: Experience-Driven Black-Box Cost Control for Coding Agents(arXiv 2610.22732)와 함께 공개됐습니다. Python 표준 라이브러리만으로 작성됐고 Python 3.10 이상이 필요하며 라이선스는 Apache-2.0입니다. 버전 0.1.0은 2026년 10월 26일에 나왔습니다.
TokenEconomizer, 쓸 만한 가치가 있습니까?
TokenEconomizer는 통제된 연구가 뒷받침하는 코딩 에이전트용 비용 절감 애드온 이며, 그 연구가 지지하는 주장은 소박하고 믿을 만합니다. 계속 돌아오는 저장소에서는 에이전트가 같은 실수와 한 번도 호출하지 않는 도구에 비용을 치르지 않아도 된다는 것입니다. 논문은 6개 저장소에서 뽑은 277개 SWE-Bench 작업을 순서대로 실행했고, 각각 시드 3개로 에이전트와 모델의 조합 5가지를 시험했습니다. 캐시를 반영한 평균 비용은 수정하지 않은 에이전트보다 18.4~30.9% 낮았고, 저장소와 조합으로 나눈 30개 셀 모두에서 낮아졌으며(5.2~40.1%), 플러그인 자체의 모델 호출은 이를 일으킨 작업에 포함해 계산했습니다. 같은 조건에서 RTK만 쓴 경우 그중 12개 셀에서, Aider의 RepoMap은 15개 셀에서 비용이 올랐습니다.
주의할 점은 논문 자체에 나와 있습니다. Pass@1은 5개 조합 중 4개에서 올랐고 Opus 4.8을 쓴 Claude Code에서는 1.0포인트 떨어졌습니다. 논문은 시드 3개에 대한 표준편차를 제시하지만 유의성 검정은 없고, 차이 대부분은 1~2포인트입니다. 하이퍼파라미터는 같은 6개 저장소에서 개발용 실행으로 정했고, 작업 순서는 실제 사용자 세션이 아니라 서로 독립된 수정이며, 저자들은 대화형 사용은 검증하지 않았다고 밝힙니다. 절감에는 시간도 걸립니다. xarray를 제외한 모든 저장소에서 처음에는 비용이 늘었고, 여섯 번째 작업부터는 모두 저렴해졌습니다.
배포된 기본 설정은 대표 수치를 낸 구성이 아닙니다. 18.4~30.9%라는 수치는 세 가지 장치를 모두 쓴 결과지만, 플러그인은 micro-skills를 기본으로 꺼 둡니다. Claude Code에서 논문의 절제 실험은 도구 가지치기만으로 13.2%(Sonnet 5)와 17.7%(Opus 4.8), micro-skills만으로 11.8%와 14.3%, loop guard만으로 7.1%와 5.4%를 제시합니다. 저희가 찾은 유일한 독립 검증은 v0.1.0 태그 이전에 yoDEV가 DEV Community에 올린 것으로, 이 그림과 맞아떨어집니다. 작은 Python 저장소에서 버그 수정 8건을 양쪽 각각 두 번 실행했더니 가지치기로 도구 284개가 빠지고 요청당 컨텍스트가 31% 줄었으며, 세션당 비용은 4개 세션에 한해 15% 내려갔습니다($0.72에서 $0.61). micro-skills는 한 번도 활성화되지 않았고 loop guard도 한 번도 작동하지 않았습니다.
데이터 처리는 대부분의 도구보다 깔끔합니다. 추가 API 키가 없고, 판정, 방향 전환, 사실 제안 호출은 자신의 에이전트 CLI(claude -p, codex exec, copilot -p)를 거치며 Claude Code에서는 기본으로 Haiku를 씁니다. 문서에 따르면 어떤 호출에도 파일 내용이나 프롬프트는 전달되지 않습니다. 판정 모델이 보는 것은 최근 24개 동작이며 명령은 90자로 잘리고 최대 약 1,500토큰입니다. 학습한 상태는 ~/.tokeneconomizer에 남고 문서에 원격 측정에 대한 언급은 없습니다. 다만 가지치기는 .claude/settings.local.json 같은 프로젝트 파일에 거부 목록을 쓰고, .git/info/exclude로 git에서 숨깁니다.
초기 단계의 연구 릴리스입니다. 저장소는 2026년 10월 13일에 만들어졌고 스타는 약 4,800개, 열린 이슈와 풀 리퀘스트는 16개이며, 여기에는 Windows의 훅 실행기 메모리 누수(#144)와 도구를 병렬로 실행할 때 loop guard에서 생기는 경쟁 상태(#142)가 포함됩니다. 검증된 에이전트 버전 범위는 좁아서, 예를 들어 Claude Code는 2.1.300~2.1.310이고 더 새 버전은 검증되지 않았습니다. RTK가 명령 출력을 압축한다면 TokenEconomizer는 에이전트가 불러오고 반복하는 것을 바꾸므로 둘을 함께 쓸 수 있습니다. 논문에서 Opus 4.8의 최고 결과인 33.2% 비용 절감은 둘을 결합한 것이었습니다.
제 역할을 하는 곳
API 요금제로 Django 모노레포 하나에서 매일 Claude Code를 쓰는 백엔드 개발자
저장소에서 한 번도 쓰지 않는 MCP 도구와 커넥터에 돈을 내지 않기
플러그인을 설치하고 기본 설정을 그대로 둡니다. 몇 세션 뒤 도구 가지치기가 .claude/settings.local.json에 거부 목록을 쓰는데, 데워진 프롬프트 캐시를 깨지 않도록 약 1시간 유휴 상태 뒤에 합니다. yoDEV의 작은 검증에서는 도구 284개가 빠지고 요청당 컨텍스트가 31% 줄었습니다. toolprune restore로 되돌릴 수 있습니다.
Codex를 쓰는 10명 팀의 에이전트 지출을 지켜보는 엔지니어링 매니저
팀의 주요 저장소에서 에이전트 비용이 실제로 줄어드는지 확인하기
개발자마다 설치합니다. status와 저장소별 ledger.jsonl이 플러그인 자체 호출을 포함한 세션 비용을 보여 줍니다. 첫 세션들은 비용이 더 든다고 보고, 논문의 18.4~30.9%가 아니라 평소대로 일주일 일한 뒤의 결과로 판단하세요.
에이전트가 같은 실패 테스트 명령을 계속 다시 실행하는 개발자
에이전트를 손으로 멈추지 않고 긴 실패 루프 끊기
저장소에서 성공한 턴이 5번 쌓이면, loop guard는 막힌 것처럼 보이는 턴을 내 요금제의 판정 모델(Claude Code에서는 기본 Haiku)에 보내고 판정 모델의 확신도가 0.7 이상이면 한 번 방향을 바꾸게 합니다. 스스로 턴을 멈추지는 않으며, 헤드리스 실행에서는 표시된 턴도 에이전트 자체 한도까지 계속됩니다.
도입 전 확인할 점
- 설정
- Python 3.10 이상이 필요합니다. 저장소를 클론해 그 자리에 두고, 플러그인 마켓플레이스로 추가한 뒤 tokeneconomizer@tokeneconomizer를 설치합니다(claude, codex, copilot의 plugin 명령). Pi는 git에서 바로 설치합니다. Claude Code와 Copilot CLI에서는 기기마다 한 번, 그리고 에이전트 업데이트 뒤에 toolprune refresh-catalog를 실행합니다.
- 연동
- 검증된 버전은 Claude Code 2.1.300~2.1.310, Codex 0.153.1~0.164.0, Copilot CLI 1.0.83~1.0.102, Pi 1.2.0~1.3.0이며 Cursor, opencode, Hermes는 실험적입니다. 가지치기는 Claude Code에서는 개별 도구, Codex에서는 기능 패키지, Copilot CLI에서는 MCP 서버 전체를 빼며 나머지에서는 아무것도 빼지 않습니다.
- 데이터와 개인정보
- 사실, 도구 사용 기록, 루프 이력, 비용 장부, 오류 로그가 ~/.tokeneconomizer에 남고, 이 폴더를 지우면 학습한 내용도 사라집니다. 모델 호출은 에이전트 CLI를 거치며 문서에 따르면 파일 내용이나 프롬프트를 포함하지 않습니다. 문 서화된 원격 측정은 없습니다. Apache-2.0.
- 대규모 사용 시 비용
- 플러그인은 무료입니다. 판정과 사실 제안 호출은 내 요금제로 청구되고, 기본 설정에서는 턴이 막힌 것처럼 보일 때만 모델을 호출합니다. 호스팅 버전이나 유료 버전은 공개되지 않았습니다.
- 제한
- 절감하려면 같은 저장소에서 세션을 반복해야 하고 처음에는 손해로 시작합니다. Copilot BYOK에서는 플러그인의 모델 호출이 일시 중지됩니다. 에이전트 안에서 플러그인 명령을 실행하면 모델 턴 하나만큼 비용이 듭니다. 열린 이슈와 풀 리퀘스트는 16개이며 Windows 메모리 누수와 loop guard의 병렬 도구 경쟁 상태가 포함됩니다.
좋은 점
- 시드 3개로 측정하고 자체 호출까지 포함한 논문에서 절감 확인
- 추가 API 키 없이 모델 호출은 에이전트 CLI를 거침
- 학습한 상태는 ~/.tokeneconomizer에 로컬로 보관
- 모든 조치를 되돌릴 수 있고, 플러그인이 실패해도 세션은 계속됨
아쉬운 점
- 대표 결과의 일부인 micro-skills가 기본으로 꺼져 있음
- 새 저장소에서는 처음 몇 작업의 비용이 늘어남
- 하이퍼파라미터를 시험한 저장소와 같은 곳에서 조정함
- v0.1.0이며 Windows와 동시성 버그가 열려 있고 검증된 에이전트 버전 범위가 좁음
추천 대상
Claude Code, Codex, Copilot CLI에 토큰 단위로 비용을 내며 매일 같은 몇몇 저장소에서 에이전트를 돌리는 개발자와 팀.
TokenEconomizer 대안
TokenEconomizer: 자주 묻는 질문
- TokenEconomizer, 쓸 만한 가치가 있습니까?
- 실제 연구가 뒷받침하는 비용 절감 도구로, 매일 작업하는 저장소라면 넣어 볼 만하지만 기본 설정으로는 논문의 대표 수치보다 효과가 작다고 봐야 합니다. 평점은 5점 만점에 3.8점입니다.
- TokenEconomizer의 가격은 얼마입니까?
- Apache-2.0 라이선스로 무료입니다. 플러그인 자체의 모델 호출은 기존 에이전트 요금제나 키로 청구됩니다.
- TokenEconomizer의 단점은 무엇입니까?
- 대표 결과의 일부인 micro-skills가 기본으로 꺼져 있음; 새 저장소에서는 처음 몇 작업의 비용이 늘어남; 하이퍼파라미터를 시험한 저장소와 같은 곳에서 조정함; v0.1.0이며 Windows와 동시성 버그가 열려 있고 검증된 에이전트 버전 범위가 좁음.
- TokenEconomizer에 적합한 사람은 누구입니까?
- Claude Code, Codex, Copilot CLI에 토큰 단위로 비용 을 내며 매일 같은 몇몇 저장소에서 에이전트를 돌리는 개발자와 팀.
- 팀이나 프로덕션 환경에서 TokenEconomizer의 비용은 얼마입니까?
- 플러그인은 무료입니다. 판정과 사실 제안 호출은 내 요금제로 청구되고, 기본 설정에서는 턴이 막힌 것처럼 보일 때만 모델을 호출합니다. 호스팅 버전이나 유료 버전은 공개되지 않았습니다.
- TokenEconomizer에 회사 데이터를 맡겨도 안전합니까?
- 사실, 도구 사용 기록, 루프 이력, 비용 장부, 오류 로그가 ~/.tokeneconomizer에 남고, 이 폴더를 지우면 학습한 내용도 사라집니다. 모델 호출은 에이전트 CLI를 거치며 문서에 따르면 파일 내용이나 프롬프트를 포함하지 않습니다. 문서화된 원격 측정은 없습니다. Apache-2.0.
- TokenEconomizer의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 rtk (Rust Token Killer), context-mode 및 ccusage입니다.
답변 확인일: 2026년 11월 5일.