# AI 에이전트와 딥 리서치 도구를 낭비 없이 쓰려면 어떻게 해야 하나요?

> AI 에이전트와 딥 리서치 모드가 훨씬 많은 토큰을 쓸 만한 가치가 있는 때와, 반복에 빠지지 않고 빨리 끝내도록 지시하는 방법을 설명합니다.

Source: https://greenai.guide/ko/방법/ai-에이전트와-딥-리서치-도구를-낭비-없이-쓰려면-어떻게-해야-하나요/  
Updated: 2026-11-19

## 요약

에이전트와 딥 리서치 모드는 여러 출처에 걸쳐 넓은 주제를 조사하는 것처럼 정말 여러 단계가 필요한 작업에 아껴 두고, 간단한 질문에는 일반 채팅을 쓰십시오. 에이전트는 작업 하나에 모델을 여러 번 호출합니다. Anthropic은 에이전트가 채팅의 약 4배, 멀티 에이전트 시스템은 약 15배의 토큰을 쓴다고 보고했습니다.

## Steps

1. 먼저 일반 채팅이나 검색을 시도하고, 그것으로 부족할 때만 에이전트를 씁니다.
2. 에이전트에게 명확한 목표, 범위, 멈출 지점을 줍니다.
3. 헤매지 않도록 어떤 출처나 사이트를 쓸지 알려 줍니다.
4. 첫 실행을 지켜보고, 같은 일을 되풀이하기 시작하면 멈춥니다.
5. 같은 조사를 다시 실행하지 말고 에이전트가 만든 보고서를 재사용합니다.

**에이전트는 강력하지만 비싸므로, 잘 지시하고 큰 작업에 쓰십시오.** 많은 챗봇의 "딥 리서치" 모드를 포함해 AI 에이전트는 계획하고, 검색하고, 읽고, 쓰고, 확인하는 과정을 반복합니다. 단계마다 모델을 다시 호출하며, 대개 점점 길어지는 작업 이력을 함께 싣고 갑니다.

## 에이전트는 얼마나 더 많이 쓰나요? {#how-much-more-do-agents-use}

**채팅의 몇 배입니다.** Anthropic은 2025년 자사 멀티 에이전트 연구 시스템을 설명하면서, 에이전트가 채팅보다 보통 약 4배, 멀티 에이전트 시스템은 약 15배 많은 토큰을 썼다고 보고했습니다. Kim, Shin, Chung, Rhu는 에이전트 워크플로가 단일 답변보다 에너지를 상당히 더 많이 썼고, 연산을 더 쓸수록 정확도 향상은 줄어들었다는 것을 발견했습니다.

몇 시간이 걸릴 작업이라면 합리적인 거래입니다. 질문 하나로 답할 수 있는 일이라면 낭비입니다.

## 에이전트에게 어떻게 잘 지시하나요? {#how-do-i-brief-an-agent-well}

- **완료된 모습을 말하십시오.** 예: "2023년 이후 가장 많이 인용된 연구 다섯 편을 한 쪽으로 요약."
- **범위를 정하십시오.** 기간, 국가, 출처 유형입니다.
- 알고 있다면 신뢰하는 **출처를 알려 주십시오.**
- **짧은 출력을 요청하십시오.** 긴 보고서는 쓰는 데도 읽는 데도 비용이 더 듭니다.

## 흔한 실수 {#common-mistakes}

- **간단한 질문에 딥 리서치를 쓰는 것.** 검색이나 채팅이면 몇 초 만에 해결됩니다.
- **같은 조사를 다시 실행하는 것.** 첫 보고서를 저장해 두고 갱신하십시오.
- **막힌 에이전트를 계속 두는 것.** 같은 페이지를 계속 다시 찾는다면 멈추고 다르게 표현해 보십시오.

에이전트를 만든다면 [AI 에이전트의 토큰 낭비 막기](/ko/방법/ai-에이전트가-토큰을-낭비하지-않게-하려면-어떻게-해야-하나요/)를 참고하십시오. 더 넓은 문제는 [에이전트형 AI와 토큰 낭비](/ko/기사/에이전틱-ai와-토큰-낭비/)를 읽어 보십시오.

## 출처

- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system), Anthropic (2025)
- [The cost of dynamic reasoning: demystifying AI agents and test-time scaling from an AI infrastructure perspective](https://arxiv.org/abs/2506.04301), Kim, Shin, Chung and Rhu, HPCA 2026 (2025)
