Control the Harness, Control the Cost: Routing and Governing AI Coding Agents in the Enterprise
기업은 AI 코드 에이전트를 실행하는 하네스를 구매하여 직원들에게 도입하고 있습니다. Anthropic의 Claude Code와 OpenAI의 Codex 같은 대형 공급업체에서 제공되는 하네스는 모델 응답, 토큰 캐시 사용 및 서브 에이전트 실행 등을 결정합니다. 이 연구에서는 Jev라는 분류기를 활용하여 요청을 분류하고, 사용자의 한 번의 입력은 여러 요청으로 변환되므로 캐시를 재구성하지 않아도 되는 작업만 처리하는 빠른 라우터를 제안합니다. 이를 통해 Anthropic의 하네스 가격에서 연간 모델 비용 절감율이 14%에서 21%까지 예상됩니다. 그러나 원문에는 구체적인 데이터가 부족하여 정확한 효과는 불명확합니다.
기업은 AI 코드 에이전트를 실행하는 하네스를 구매하여 직원들에게 도입하고 있습니다. Anthropic의 Claude Code와 OpenAI의 Codex 같은 대형 공급업체에서 제공되는 하네스는 모델 응답, 토큰 캐시 사용 및 서브 에이전트 실행 등을 결정합니다. 이 연구에서는 Jev라는 분류기를 활용하여 요청을 분류하고, 사용자의 한 번의 입력은 여러 요청으로 변환되므로 캐시를 재구성하지 않아도 되는 작업만 처리하는 빠른 라우터를 제안합니다. 이를 통해 Anthropic의 하네스 가격에서 연간 모델 비용 절감율이 14%에서 21%까지 예상됩니다. 그러나 원문에는 구체적인 데이터가 부족하여 정확한 효과는 불명확합니다.
코딩 에이전트 도입 비용이 고민이라면 모델을 갈아타는 순간의 손익 기준을 얻는다
원문 읽기이어서 볼 것
이 글을 읽은 뒤 바로 이어볼 수 있는 추천
더 읽기로 감을 넓히고, 사례를 본 뒤, 필요하면 참여나 도구로 넘어가면 됩니다.
다음 행동
아직 댓글이 없습니다. 첫 댓글을 작성해보세요!