멀티 에이전트 시스템 비용: 오케스트레이터가 3~6배 비싼 이유

4명의 워커에 위임하는 관리자 에이전트는 단일 12단계 에이전트가 172,800개의 입력 토큰과 4,800개의 출력 토큰으로 완료하는 작업을 완료하기 위해 362,600개의 입력 토큰을 읽고 17,100개의 출력 토큰을 씁니다. 이는 입력 2.1배, 출력 3.6배입니다. 모두 Claude Sonnet 5 ($2 / $10 per million)를 사용할 때 시스템 비용은 $0.90이며 단일 에이전트의 $0.39에 비해 2.3배입니다. 모두 Claude Opus 5 ($5 / $25)를 사용할 경우 비용은 $2.24로 단일 Sonnet 실행의 5.7배입니다.

프레임워크 자체는 비용이 아닙니다. LangGraph, CrewAI, OpenAI Agents SDK 및 Claude Agent SDK는 오픈소스입니다. 비용의 원인은 컨텍스트입니다: 모든 에이전트가 컨텍스트를 재구축하고, 모든 핸드오프가 컨텍스트를 복사하며, 모든 관리자 턴이 컨텍스트를 다시 전송합니다.

다음은 그 숫자들에 대한 계산 내역입니다. 단일 에이전트는 4,000 토큰의 접두사(시스템 프롬프트 + 도구), 500 토큰의 작업, 그리고 각각 300 토큰의 도구 호출과 1,500 토큰의 결과를 추가하는 12단계로 구성됩니다. 12단계에 걸친 입력 합계는 172,800 토큰, 출력은 4,800 토큰입니다.

이제 동일한 작업을 분할합니다. 4명의 워커는 각각 3,000 토큰의 접두사와 500 토큰의 브리프를 받고 8단계를 실행합니다. 워커당: 8 × 3,500 + 1,800 × 28 = 78,400 입력, 8 × 300 + 1,000 토큰 보고서 = 3,400 출력. 4명의 워커: 313,600 입력, 13,600 출력.

관리자는 4,500 토큰의 시작 컨텍스트를 가집니다. 계획을 세우고(800 토큰 출력), 각 워커에게 300 토큰의 지시를 보내고 1,500 토큰의 래핑된 보고서를 받은 후 1,500 토큰의 종합을 작성합니다. 6턴 동안 4,500 + 5,300 + 7,100 + 8,900 + 10,700 + 12,500 = 49,000 입력 토큰과 3,500 출력 토큰을 전송합니다.

네 가지 요인이 배수를 결정합니다: 하나 대신 네 개의 개별 접두사, 각각 증가하는 컨텍스트를 재전송하는 8단계 워커, 자신의 컨텍스트를 재전송하는 관리자, 그리고 모든 워커가 보고서를 작성하고 관리자가 이를 다시 작성하기 때문에 출력 토큰이 3.6배가 된다는 점입니다. 출력은 테이블의 모든 모델에서 입력 가격의 5배이므로, 마지막 요인이 가장 큰 영향을 미칩니다.

워커의 1,000 토큰 보고서는 워커 출력으로 한 번( Sonnet 5 기준 백만 토큰당 $10) 지불되고, 이후 모든 관리자 턴에서 관리자 입력으로 다시 지불됩니다. 위의 순차 패턴에서 첫 번째 보고서는 네 번 더 재전송되고, 두 번째는 세 번, 이런 식으로 계속됩니다. 즉, 1,500 토큰으로 래핑된 보고서를 15번 재전송하여 관리자의 49,000 입력 토큰 중 22,500 토큰이 이미 읽은 내용을 다시 읽는 데 소비됩니다.

핸드오프는 또한 프레이밍을 수반합니다: 브리프는 작업을 반복하고, 보고서는 컨텍스트를 반복합니다. 경험상 이는 원본 결과에 20~40%를 추가하므로, 워커 출력을 지침으로 제한하십시오("최대 300단어, 서문 없음").

순차 전송을 사용하면 워커 2가 워커 1의 결과를 볼 수 있지만, 매 턴마다 관리자의 컨텍스트가 증가합니다. 병렬 전송은 네 개의 브리프를 한 턴에 모두 보내고 네 개의 보고서를 한 턴에 모두 읽습니다: 49,000 대신 21,700개의 관리자 입력 토큰, 그리고 실제 소요 시간은 약 1/4입니다.

Opus 5 관리자의 경우 차이는 27,300 × $5 = 실행당 $0.14이고, Sonnet 5의 경우 $0.05입니다. 그러나 하위 작업이 중복되는 경우 병렬 워커는 서로의 도구 호출을 반복하게 되며, 1,500 토큰 검색을 네 번 반복하는 비용이 관리자가 절약한 비용보다 더 클 수 있습니다. 독립적인 하위 작업에는 병렬을 사용하고, 이후 워커가 이전 결과에 의존하는 경우 순차를 사용하십시오.

플래너는 가장 적은 토큰을 읽으며, 틀릴 경우 비용이 가장 많이 드는 결정을 내리므로 플래그십이 그 가격을 정당화해야 하는 유일한 노드입니다. 워커는 도구를 활용해 명확히 지정된 하위 작업을 실행하며, 이는 저가형 모델이 안정적으로 수행하는 역할입니다.

권장 페어링 및 백만 토큰당 요금:

• 플래너: Claude Opus 5 ($5 / $25) 또는 GPT-5.5 ($5 / $30)
• 워커: Claude Haiku 5.5 (100K 토큰 이하 프롬프트 기준 $0.10 / $0.50), GPT-5.4 mini ($0.75 / $4.50), Gemini 3.8 Flash ($0.75 / $3.75) 또는 DeepSeek V4.1 Flash (피크 시간 $0.30 / $1.20, 오프피크 시 절반)
• 워커에 판단력이 필요할 때 중간 대안: Claude Sonnet 5 ($2 / $10) 또는 GPT-5.4 ($2.50 / $15)

현재 가격 대비 가장 저렴한 워커는 10월에 출시된 Claude Haiku 5.5입니다. 기존 Haiku 4.5 ($1 / $5)를 대체했으며 비용은 10분의 1 수준입니다. 아직 워커로 테스트해 보지는 않았습니다. 명확한 브리프에서 구조화된 도구 호출을 견딜 수 있는 가장 저렴한 워커는 은퇴한 V4 Flash를 대체한 DeepSeek V4.1 Flash(API 이름: deepseek-flash)이며, 어떤 상황에서 실패하는지 확인하려면 [DeepSeek V4 for AI agents](/guides/deepseek-v4-for-ai-agents-cost)를 참조하세요. 하위 작업이 모호하거나 10단계 이상 실행될 때는 Sonnet 5 또는 GPT-5.4 워커에 지불하세요. 방황하는 저가형 워커는 낭비되는 모든 단계마다 컨텍스트를 다시 전송하므로 매니저가 잘못된 보고서를 읽는 비용을 부담하게 됩니다. 전체 순위는 [cheapest LLM for AI agents](/guides/cheapest-llm-for-ai-agents)에서 확인할 수 있습니다.

작업: "세 벤더의 가격 페이지를 비교하고 추천 사항을 작성하세요." 플래너 1개, 워커 3개가 각각 8단계 실행 (워커별 입력 78,400, 출력 3,400; 합계 235,200 및 10,200), 순차적 디스패치, 매니저 턴 입력 4,500 + 5,300 + 7,100 + 8,900 + 10,700 = 36,500 및 출력 3,200.

비교를 위해 전체 작업을 12단계로 처리하는 단일 Sonnet 5 에이전트의 비용은 $0.39입니다. 워커가 저렴할 때만 멀티 에이전트가 비용 측면에서 우위를 점합니다. 프롬프트 캐싱(Anthropic과 OpenAI 기준 캐시 읽기 약 10%)은 모든 행에 적용되며 주로 워커에게 해당됩니다. 각 워커의 접두사가 8번씩 다시 전송되기 때문입니다. 상세 요금은 [prompt caching comparison](/compare/ai-prompt-caching-costs)에서 확인하세요. [calculator](/calculator)에서 직접 분할을 시뮬레이션해 보세요. DeepSeek 행은 피크 시간 요금을 사용했습니다; DeepSeek 요금은 2026-10-27에 api-docs.deepseek.com에서 확인했습니다. Haiku 5.5 행은 100,000 토큰 이하 프롬프트에 대한 요금을 사용했습니다 (2026-11-03 확인); 여기서의 어느 워커 호출도 그 수치에 근접하지 않습니다.

LangGraph, CrewAI, OpenAI Agents SDK 및 Claude Agent SDK는 무료로 설치 및 실행할 수 있습니다. 해당 공급업체는 선택적 호스팅 및 관찰 가능성을 자체 페이지에 가격을 책정하여 판매합니다. 각 프레임워크가 비용을 발생시키는 것은 스캐폴딩입니다: 역할 및 목표 템플릿, 도구 사용 지침, 핸드오프 설명 및 출력 형식 규칙이 모든 모델 호출 앞에 추가됩니다. 우리 경험상 이는 얇은 SDK의 경우 단계당 수백 토큰에서 더 독단적인 SDK의 경우 수천 토큰까지 사용되며, 각 에이전트의 모든 단계에서 다시 전송됩니다.

공급업체의 토큰 카운터로 프레임워크의 기본 프롬프트가 있는 경우와 없는 경우를 한 번 측정하고, 템플릿이 자체 프롬프트보다 더 무거우면 재정의하십시오. 동일한 측정이 MCP 도구 목록에도 적용되며, [MCP 서버 토큰 비용](/guides/mcp-server-token-cost)에서 다룹니다.

OpenAI Agents SDK를 사용하면 각 Agent가 자체 model을 가지므로 플래너와 워커가 독립적으로 가격이 책정되고 워커는 플래너에게 도구로 노출됩니다:

from agents import Agent, Runner, function_tool

@function_tool
def fetch_pricing_page(url: str) -> str:
    return http_get(url)[:6000]          # cap the result: ~1,500 tokens

worker = Agent(
    name="researcher", model="gpt-5.4-mini",            # $0.75 / $4.50 per 1M
    instructions="Answer one sub-question with the tool. Max 300 words, no preamble.",
    tools=[fetch_pricing_page],
)
planner = Agent(
    name="planner", model="gpt-5.5",                    # $5 / $30 per 1M
    instructions="Split the task into at most 3 sub-questions, delegate, then write the recommendation.",
    tools=[worker.as_tool(tool_name="research", tool_description="Research one sub-question")],
)
result = Runner.run_sync(planner, task, max_turns=8)
planner_in = sum(r.usage.input_tokens for r in result.raw_responses)
planner_out = sum(r.usage.output_tokens for r in result.raw_responses)
# planner cost = planner_in * 5 / 1e6 + planner_out * 30 / 1e6; workers log their own

LangGraph에서는 각 노드에 자체 모델 클라이언트를 제공하고, CrewAI에서는 에이전트별로 llm을 설정합니다. SDK가 사용량을 보고하는 방법은 [OpenAI Agents API 비용](/guides/openai-agents-api-cost)을 참조하십시오.

멀티 에이전트 시스템은 혼란스러운 워커이 매니저가 기다리는 동안 루프를 돌 수 있기 때문에 비용이 많이 드는 방식으로 실패합니다. 가드레일을 실행별로가 아니라 에이전트별로 적용하십시오:

• 모든 호출에 max_tokens 및 모든 워커의 지침에 출력 단어 제한
• 각 워커에 max_turns(또는 프레임워크에 해당하는 것), 일반적으로 8~12, 매니저에는 일반적으로 6~10
• 각 워커가 트리거할 수 있는 중지 조건: 루프를 종료하는 report 도구
• 모든 에이전트의 사용량 필드에서 합산된 실행당 달러 예산, 초과 시 매니저가 중단

[토큰 예산 가드레일](/guides/ai-agent-token-budget-guardrails) 문서에는 각 노드를 감쌀 수 있는 러너가 있습니다. 지연 시간이 중요하지 않은 야간 팬아웃의 경우 약 50% 할인된 Batch API가 단일 호출과 마찬가지로 워커에도 적용됩니다. [batch API 가격 비교](/compare/llm-batch-api-pricing)를 참조하십시오.