[한글자막] 클로드 코드 토큰을 아끼는 MS 도구, 실제로 얼마나 줄었을까?

한 줄 핵심

Microsoft의 Token Economizer는 Claude Code 같은 에이전트에서 반복 실수, 미사용 도구, 막힌 루프를 학습해 컨텍스트 낭비를 줄이지만, 초반에는 학습 비용 때문에 오히려 더 비싸고 충분한 세션이 쌓여야 절감 효과가 커진다.

시간별 요약

1. 0:00
   소개 기존 토큰 절감 도구와 달리 프로젝트 구조를 미리 전부 맵핑하는 방식이 아니라, 실제 사용 패턴을 학습해 다음 세션의 낭비를 줄이는 도구를 소개한다.
2. 0:23
   토큰 이코노마이저의 실험 결과 Token Economizer는 277개의 실제 버그를 6개 GitHub 프로젝트에서 Claude Code, Codex, GitHub Copilot으로 고쳐 보게 했고, 모든 조합에서 비용이 줄었다. Claude Code에서는 Sonnet 5가 23.6%, Opus 4.8이 30.9% 저렴해졌다.
3. 1:26
   토큰은 어디에서 낭비될까 모델은 매 요청마다 지시문, 도구 목록, MCP tools와 skills, 대화 기록까지 함께 받아야 해서 불필요한 컨텍스트가 쉽게 쌓인다. 같은 프로젝트를 오래 쓰면 이미 쓸모없어진 정보, 반복된 실패 경험, 전혀 쓰지 않는 도구가 계속 포함되어 토큰을 낭비한다.
4. 2:36
   반복 실수를 기억하는 마이크로스킬 Claude가 프로젝트에서 반복해서 같은 실수를 하면 그 사실을 project-level 사실로 기록해 다음 세션의 시작점에 미리 주입한다. 덕분에 이미 실패한 명령을 다시 시도하며 토큰을 쓰는 일을 줄일 수 있다.
5. 3:18
   쓰지 않는 도구를 줄인다 10개 이상의 메시지와 최소 2개 세션 동안 사용되지 않은 도구는 프로젝트 단위로 비활성화되어 매 요청마다 보내지지 않는다. 이 기능은 가장 큰 절감 효과를 내지만, 자동으로 도구를 빼기 때문에 나중에 문제를 추적할 수 있는 확인 명령이 필요하다.
6. 3:46
   막힌 작업에서 빠져나오기 에이전트가 같은 방식으로 계속 실패하며 너무 오래 붙잡혀 있으면 모델로 상태를 점검해 진짜 막힌 상황인지 확인한다. 막힌 것으로 판단되면 한 번만 방향 전환을 시도하게 하고, 그 뒤에도 안 되면 사용자가 직접 중단하도록 맡긴다.
7. 4:17
   설치와 자동 실행 방식 이 도구는 Claude Code, Codex 등에서 쓸 수 있는 plugin 형태이며, GitHub repo의 설치 명령을 그대로 실행해 넣을 수 있다. session 시작, 메시지 전송, tool 사용 후, session 종료 같은 시점에 hook이 자동 실행되어 학습과 점검을 백그라운드에서 처리한다.
8. 5:20
   설정과 프롬프트 인젝션 위험 기본 설정에서 micro skills가 꺼져 있는 이유는 토큰 소모와 보안 때문이다. 프로젝트 출력 내용에 숨은 지시가 facts로 저장되면 다음 세션마다 진실처럼 읽힐 수 있어 prompt injection 위험이 생기므로, 자기 프로젝트에서만 신중히 켜야 한다.
9. 6:24
   처음에는 왜 비용이 늘까 이 도구는 사용 기록을 학습해야 효과가 나기 때문에 처음 설치하면 절감이 아니라 추가 비용이 발생할 수 있다. Microsoft 테스트에서도 대부분의 프로젝트가 초반에는 더 비쌌고, 여러 task가 쌓인 뒤에야 비용이 내려갔다.
10. 7:16
    기존 세션 활용 실험 처음부터 빈 상태로 시작하지 말고 Claude Code가 저장한 main.claud의 session history를 읽게 바꾸면, 이미 쌓인 과거 경험을 시작점으로 쓸 수 있다. 새 프로젝트에는 효과가 없지만, 오래된 프로젝트에서는 학습 공백을 줄여 바로 절감에 접근할 수 있다.
11. 8:21
    사용 현황과 절감량 확인 status, micro skills, tool prune, tool prune measure, tool prune restore 같은 명령으로 현재 학습 상태와 비활성화된 도구, 절감량을 확인할 수 있다. 예시 프로젝트에서는 34,300 tokens 수준이던 메시지가 24,400 tokens 정도로 줄어 약 29% 절감되었고, 필요하면 비활성 도구를 다시 복구할 수 있었다.
12. 10:11
    세 가지 작업 비교 결과 다른 앱에서 5개 세션으로 먼저 학습시킨 뒤 3개 작업을 비교한 결과, plug-in 사용 시 79 steps, 미사용 시 99 steps로 줄고 전체 비용도 약 21% 감소했다. 다만 학습이 쌓이기 전 초기 세션에서는 오히려 더 비쌌고, 절감 효과는 이후 세션에서 본격적으로 나타났다.

실무 인사이트

• 토큰 절감의 핵심은 모델 성능보다도 매 요청에 실어 보내는 컨텍스트를 줄이는 데 있으므로, 반복 실패와 미사용 도구를 자동으로 정리하는 구조가 효과적이다.
• 학습형 최적화 도구는 도입 직후 ROI가 나쁘게 보일 수 있으니, 새 프로젝트보다 오래된 프로젝트나 세션 기록이 충분한 작업에 먼저 적용하는 편이 유리하다.
• 자동으로 사실을 기록하는 기능은 편리하지만 prompt injection 위험이 있으므로, 외부에서 받은 프로젝트에는 기본 비활성화하고 검증된 저장소에서만 활성화하는 것이 안전하다.