---
title: "멀티 에이전트 LLM 비용: 토큰당 과금 vs 정액 세션 계산 | BroadRouter"
description: "멀티 에이전트 시스템은 에이전트 하나보다 몇 배의 토큰을 씁니다. 정액 플랜과 토큰당 과금의 세션 계산, 숨은 배수 요인, 각각이 유리한 경우를 정리합니다."
url: https://broadrouter.com/ko/blog/multi-agent-cost/
lang: ko
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/blog/multi-agent-cost/) (2026-11-16 업데이트).

# 멀티 에이전트 구성의 실제 비용: 토큰당 과금 vs 정액 세션

BroadNet Inference 팀 · 4분 분량 · 게시 2026-11-14 · 업데이트 2026-11-16

멀티 에이전트 구성의 비용은 대략 모든 에이전트의 토큰을 더한 값에 핸드오프와 반복 컨텍스트를 얹은 것입니다. Anthropic은 자사 멀티 에이전트 리서치 시스템이 채팅의 약 15배, 단일 에이전트는 약 4배의 토큰을 쓴다고 측정했습니다. 토큰당 과금에서는 에이전트가 늘 때마다, 정액 플랜에서는 동시에 도는 에이전트가 늘 때마다 청구액이 커집니다.

## 핵심 요약

-   Anthropic에 따르면 에이전트는 채팅의 약 4배, 자사 멀티 에이전트 리서치 시스템은 약 15배의 토큰을 씁니다.
-   토큰당 과금 비용은 총토큰에 비례합니다. 정액 플랜 비용은 최대 동시성에 비례합니다. 진행 중인 요청 하나당 세션 하나입니다.
-   DeepSeek V4.1 Flash에서 세션은 월 입력 약 9.17억 토큰, 출력 4,600만 토큰을 처리할 때 본전을 뽑습니다.
-   하루 종일 도는 에이전트 네 개는 예시의 상근 사용량 기준으로 토큰당 과금은 $65.40 금액의 4배, Full Moon 세션은 $60 요금의 4배입니다.
-   숨은 배수 요인: 서브에이전트마다 자기 프롬프트와 도구를 다시 불러오고, 오케스트레이터는 결과를 다시 읽고, 재시도는 컨텍스트 전체를 반복합니다.

**이 페이지의 내용**

1.  멀티 에이전트 시스템은 토큰을 얼마나 더 쓰나요?
2.  추가 토큰은 어디서 나오나요?
3.  두 과금 방식은 어떻게 늘어나나요?
4.  세션 계산 예시
5.  내 청구액은 어떻게 추정하나요?
6.  멀티 에이전트 비용은 어떻게 줄이나요?
7.  BroadNet Inference의 위치

작업을 오케스트레이터와 서브에이전트로 나누면 더 빨리 끝내고 더 넓게 탐색할 수 있습니다. 동시에 청구액도 몇 배로 늘어나는데, 가격표만 봐서는 잘 드러나지 않는 방식으로 늘어납니다. 이 글은 BroadNet이 공개한 [DeepSeek V4.1 Flash](https://broadrouter.com/ko/models/deepseek-v4.1-flash/) 가격으로 멀티 에이전트 구성의 비용을 토큰당 과금과 정액 세션 각각에서 계산합니다. 세션을 세고 구매하는 방법은 [정액제로 병렬 코딩 에이전트 운영하기](https://broadrouter.com/ko/blog/run-parallel-coding-agents-flat-rate/)에서 다루며, 이 글은 돈 이야기입니다.

## 멀티 에이전트 시스템은 토큰을 얼마나 더 쓰나요?

가장 명확한 공개 수치는 Anthropic의 멀티 에이전트 리서치 시스템 글에서 나옵니다. “agents typically use about 4× more tokens than chat interactions, and multi-agent systems use about 15× more tokens than chats.”(번역: 에이전트는 보통 채팅보다 약 4배, 멀티 에이전트 시스템은 채팅보다 약 15배 많은 토큰을 쓴다.) 또한 성능 테스트에서 토큰 사용량 하나만으로 성능 차이의 80%가 설명되었다고 합니다. 에이전트가 많을수록 토큰을 더 쓰고, 그만큼 더 나은 결과를 얻는 경우가 많습니다.

같은 글은 적합성에 대해 신중합니다. “For economic viability, multi-agent systems require tasks where the value of the task is high enough”(번역: 경제성을 갖추려면 멀티 에이전트 시스템은 작업의 가치가 충분히 높은 작업이어야 한다) 추가 성능에 대한 비용을 감당할 수 있다는 것입니다. 또한 대부분의 코딩 작업은 리서치보다 진짜로 병렬화할 수 있는 부분이 적다고 지적합니다.

그래서 합리적인 계획 가정은, 작업의 멀티 에이전트 버전이 단일 에이전트 버전의 **3~4배** 비용이 든다는 것입니다. 설계에 따라 더 쌀 수도, 훨씬 나쁠 수도 있습니다. 측정하세요.

## 추가 토큰은 어디서 나오나요?

| 배수 요인 | 발생 이유 |
| --- | --- |
| 에이전트별 오버헤드 | 서브에이전트마다 호출할 때마다 자기 시스템 프롬프트와 [도구 정의](https://broadrouter.com/ko/glossary/tool-calling/)를 보냄 |
| 중복 읽기 | 컨텍스트를 공유하지 않아 서브에이전트들이 같은 파일을 다시 읽음 |
| 결과 전달 | 오케스트레이터가 모든 서브에이전트의 출력을 새 입력으로 읽음 |
| 분리된 캐시 | 에이전트마다 접두부가 달라 [캐시된 입력](https://broadrouter.com/ko/glossary/cached-input-tokens/) 적중이 줄어듦 |
| 재시도 | 실패한 하위 작업이 컨텍스트 전체를 다시 보냄 |

호출마다 각 항목을 측정하는 방법은 [에이전트 토큰 예산](https://broadrouter.com/ko/blog/agent-token-budget/) 글에 있습니다.

## 두 과금 방식은 어떻게 늘어나나요?

핵심 차이는 각각이 무엇을 세느냐입니다.

-   **토큰당 과금**([종량제](https://broadrouter.com/ko/glossary/pay-as-you-go/))은 모든 에이전트가 주고받는 모든 토큰을 셉니다. 에이전트를 추가하면 그 토큰이 추가됩니다.
-   **정액 세션**은 **같은 시점에 진행 중인 요청 수**를 셉니다. BroadNet의 무제한 플랜에서 세션 하나는 토큰 계량 없이 한 번에 요청 하나를 처리하며, Full Moon은 월 $60 요금입니다. 동시에 모델을 호출하는 에이전트 네 개에는 세션 네 개가 필요합니다. 차례로 호출하는 에이전트 네 개에는 하나면 됩니다.

즉 플랜이 멀티 에이전트를 공짜로 만들어 주지는 않습니다. 세션 하나가 만들어 낼 수 있는 양에는 한계가 있습니다. 초당 약 100토큰 속도로 쉬지 않고 생성하면 월 약 약 2.59억 출력 토큰입니다. 같은 시간에 더 많은 토큰이 필요하면 세션이 더 필요합니다.

## 세션 계산 예시

[정액제 vs 토큰당 과금 글](https://broadrouter.com/ko/blog/flat-rate-vs-pay-per-token-llm-api/)의 상근 코딩 에이전트를 씁니다. 월 입력 10억 토큰, 캐시 80%, 출력 5,000만 토큰입니다. DeepSeek V4.1 Flash에서 이는 토큰당 과금으로 월 $65.40 비용입니다.

| 구성 | 월 토큰 | 토큰당 과금 청구액 | 세션 | 플랜 청구액 |
| --- | --- | --- | --- | --- |
| 에이전트 하나, 하루 종일 | 1× | $65.40 | 1 | $60 |
| 오케스트레이터 + 서브에이전트 3개, 모두 하루 종일 바쁨 | 4× | 4 × $65.40 | 4 | 4 × $60 |
| 같은 팀, 서브에이전트는 간헐적, 최대 겹침 2 | 약 2× | 2 × $65.40 | 2 | 2 × $60 |
| 가벼운 에이전트 4개, 각각 사이드 프로젝트 수준 | 4 × 가벼운 사용 | 4 × $14.23 | 4 | 4 × $60 |

표가 보여 주는 것:

1.  **바쁜 에이전트는 세션마다 일정한 차이로 플랜이 유리합니다.** 이 사용량에서 꽉 찬 세션 하나는 월 $5.40 금액을 아낍니다. 세션 네 개면 그 4배입니다.
2.  **간헐적인 서브에이전트는 세션을 적게 사는 쪽이 유리합니다.** 대부분의 시간 동안 보이는 겹침만큼 사세요. BroadNet 페이지에는 그보다 많은 요청이 대기하는지 거부되는지 나와 있지 않으므로, 모든 에이전트에 동시성 429에 대한 백오프 재시도를 넣으세요.
3.  **가벼운 에이전트는 토큰당 과금이 유리합니다.** 대부분 놀고 있는 에이전트 네 개에 세션 네 개를 사면 토큰 비용보다 훨씬 비쌉니다. 사이드 프로젝트 수준에서는 에이전트 하나가 토큰당 과금으로 월 $14.23 비용입니다.

경험칙: 세션을 쓰는 에이전트들이 월 **입력 약 9.17억 토큰, 출력 4,600만 토큰**을 세션으로 처리할 때 세션은 그 값을 합니다.

## 내 청구액은 어떻게 추정하나요?

1.  에이전트별 사용량을 기록하면서 종량제 키로 멀티 에이전트 워크플로를 1주일 돌리세요.
2.  에이전트별로 입력, 캐시된 입력, 출력 토큰을 합산하세요. 한 달치는 약 4.3을 곱하세요.
3.  요청 타임스탬프에서 대부분의 시간 동안 겹치는 요청 수를 찾으세요. 그것이 세션 수입니다.
4.  [정액제 vs 토큰당 과금 계산기](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/)에서 토큰당 과금 합계를 세션 수 × $60 요금과 비교하세요.
5.  한 달치를 사기 전에, 세션마다 하나씩 $1 요금의 Meteor 시간권으로 같은 워크플로를 돌려 보세요.

종량제 키는 동시 요청 4개, 분당 30 요청을 허용하므로, 대규모 분산은 토큰당 과금에서도 [속도 제한](https://broadrouter.com/ko/glossary/rate-limit/)에 걸립니다. 어느 쪽이든 백오프를 계획하세요. [오래 도는 에이전트](https://broadrouter.com/ko/blog/long-running-agents-timeouts-retries/)를 참고하세요.

## 멀티 에이전트 비용은 어떻게 줄이나요?

-   **에이전트 하나로 시작하세요.** 작업이 깔끔하게 나뉘는 곳에만 서브에이전트를 추가하세요.
-   **서브에이전트에는 오케스트레이터보다 적은 도구와 짧은 프롬프트를 주세요.**
-   **서브에이전트는 오케스트레이터에 대화 기록 전체가 아니라 요약을 돌려주게 하세요.**
-   **품질이 허락하는 곳에서는 서브에이전트에 더 싼 모델을 쓰고**, 더 강한 모델은 계획에 남겨 두세요.
-   **속도가 중요하지 않다면 핸드오프를 순서대로 실행하세요.** 순차적인 에이전트는 세션 하나를 나눠 씁니다.

## BroadNet Inference의 위치

BroadNet의 무제한 플랜은 에이전트들이 계속 바쁜 멀티 에이전트 시스템에 맞습니다. 세션은 DeepSeek V4.1 Flash에서 토큰 계량 없이 하나당 월 $60 요금이고, 키 하나에 세션 여러 개를 둘 수 있습니다. 토큰당 과금 키는 간헐적인 분산과 GLM 5.3 같은 다른 모델에 맞습니다. 하루 대부분 노는 에이전트에는 플랜이 맞지 않으며, BroadNet은 DeepSeek V4.1 Flash에 도구 호출 지원을 명시하지 않으므로 서브에이전트의 도구 사용을 먼저 테스트하세요. 연결 방법은 [OpenAI Agents SDK 가이드](https://broadrouter.com/ko/guides/openai-agents-sdk-custom-provider/)에 있고, 플랜은 [inference.broadnet.ai/plans](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-multi-agent-cost&utm_content=body)에 있습니다.

관련 무료 도구 (영어)

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[무료 도구 (영어)](https://broadrouter.com/tools/)

## 이 글의 용어

[AI 에이전트(AI agent)](https://broadrouter.com/ko/glossary/agent/)

AI 에이전트는 언어 모델이 목표를 향해 스스로 단계를 정하는 시스템입니다. 어떤 도구를 호출할지 결정하고, 결과를 읽고, 최종 답변을 내거나 한도에 닿을 때까지 이를 반복합니다. 정해진 지점에서 모델을 호출하는 고정된 스크립트는 보통 워크플로라고 부릅니다.

[종량제(Pay-as-you-go)](https://broadrouter.com/ko/glossary/pay-as-you-go/)

종량제(pay-as-you-go)는 구독이나 최소 약정 없이 토큰, 요청, 오디오 분 같은 단위로 사용량을 측정해 쓴 만큼만 내는 요금 방식입니다. 대부분의 LLM API가 선불 잔액에서 차감하거나 정기 청구서를 발행하는 식으로 이렇게 과금합니다.

[멀티 에이전트 시스템(multi-agent system)](https://broadrouter.com/ko/glossary/multi-agent-system/)

멀티 에이전트 시스템(multi-agent system)은 각자 프롬프트, 도구, 컨텍스트를 가진 여러 에이전트가 하나의 작업을 나눠 처리하는 LLM 애플리케이션입니다. 흔한 설계는 오케스트레이터-워커 방식으로, 리드 에이전트가 계획을 세우고 워커 에이전트를 병렬로 실행한 뒤 결과를 합칩니다.

[토큰(token)](https://broadrouter.com/ko/glossary/token/)

토큰은 언어 모델이 읽고 쓰는 텍스트 단위로, 모델의 토크나이저가 만들어 내는 단어, 단어의 일부, 문장 부호 또는 바이트 시퀀스입니다. LLM API는 사용량을 토큰 단위로 집계하고 제한하며, 대개 토큰 단위로 과금합니다.

[동시 처리(concurrency)](https://broadrouter.com/ko/glossary/concurrency/)

동시 처리(concurrency)는 클라이언트가 같은 시점에 진행 중인 요청 수입니다. LLM API는 분당 요청 수와 별도로 키나 플랜마다 이를 제한하는 경우가 많습니다. 열려 있는 요청은 응답이 끝날 때까지 GPU 용량을 차지하기 때문입니다.

[캐시된 입력 토큰(cached input tokens)](https://broadrouter.com/ko/glossary/cached-input-tokens/)

캐시된 입력 토큰은 LLM 제공업체가 최근에 처리해 두었다가 다시 계산하지 않고 캐시에서 재사용할 수 있는 프롬프트 토큰입니다. 보통 시스템 프롬프트나 문서처럼 반복되는 접두부(prefix)이며, 제공업체는 이를 새 입력 토큰보다 낮은 단가로 과금합니다.

[도구 호출(tool calling)](https://broadrouter.com/ko/glossary/tool-calling/)

도구 호출(tool calling)은 함수 호출(function calling)이라고도 하며, 모델이 개발자가 정의한 함수를 실행해 달라는 구조화된 요청을 JSON 인자와 함께 반환하는 LLM API 기능입니다. 함수는 애플리케이션이 실행하고 그 결과를 다시 보냅니다. 모델이 직접 코드를 실행하지는 않습니다.

[속도 제한(rate limit)](https://broadrouter.com/ko/glossary/rate-limit/)

속도 제한(rate limit)은 API가 일정 시간 동안 클라이언트가 사용할 수 있는 양에 두는 상한으로, 분당 요청 수나 분당 토큰 수 같은 기준이 있습니다. 한도를 넘은 요청은 사용량이 다시 한도 아래로 내려갈 때까지 거부되며, 보통 HTTP 429 Too Many Requests가 반환됩니다.

## 자주 묻는 질문

### 멀티 에이전트 시스템은 단일 에이전트보다 비용이 얼마나 더 드나요?

설계에 따라 다르지만, Anthropic이 공개한 수치가 규모를 알려 줍니다. 에이전트는 채팅의 약 4배, 멀티 에이전트 리서치 시스템은 약 15배의 토큰을 썼으므로, 같은 질문에 단일 에이전트의 대략 3~4배입니다.

### 멀티 에이전트 시스템에는 정액 플랜이 더 싼가요?

각 세션이 계속 바쁠 때 그렇습니다. BroadNet Full Moon 세션은 DeepSeek V4.1 Flash 기준 월 입력 약 9.17억 토큰, 출력 4,600만 토큰에서 본전을 뽑습니다. 하루 대부분 놀고 있는 세션은 토큰당 과금보다 비쌉니다.

### 서브에이전트가 있는 오케스트레이터에는 플랜 세션이 몇 개 필요한가요?

동시에 실행되는 요청 하나당 하나입니다. 서브에이전트 세 개가 병렬로 일하는 동안 기다리는 오케스트레이터는, 그동안 모델을 호출하는지에 따라 세 개나 네 개가 필요합니다. 차례로 이어지는 핸드오프라면 하나면 됩니다.

### 서브에이전트는 왜 토큰을 그렇게 많이 쓰나요?

서브에이전트마다 자기 컨텍스트가 있기 때문입니다. 자기 시스템 프롬프트와 도구 정의를 불러오고, 다른 에이전트가 이미 읽은 파일을 다시 읽고, 결과를 돌려주면 오케스트레이터가 이를 다시 읽습니다.

### 코딩에 멀티 에이전트 시스템을 쓸 가치가 있나요?

경우에 따라 다릅니다. Anthropic의 글은 대부분의 코딩 작업이 리서치보다 진짜로 병렬화할 수 있는 부분이 적고, 컨텍스트를 공유해야 하는 작업에는 잘 맞지 않는다고 지적합니다. 먼저 단일 에이전트로 시도하고, 작업이 실제로 나뉘는 곳에만 서브에이전트를 추가하세요.

## 이어서 읽기

-   [정액제 LLM API로 코딩 에이전트를 병렬 실행하는 방법](https://broadrouter.com/ko/blog/run-parallel-coding-agents-flat-rate/)
-   [LLM API 정액제 vs 토큰당 과금: 손익분기점 계산](https://broadrouter.com/ko/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [에이전트 토큰 예산: 에이전트 루프의 토큰은 어디로 가는가](https://broadrouter.com/ko/blog/agent-token-budget/)
-   [장시간 실행 에이전트: 버티는 타임아웃, 재시도, 체크포인트](https://broadrouter.com/ko/blog/long-running-agents-timeouts-retries/)
-   [AI 코딩 에이전트 1회 실행 비용: 단계 수, 컨텍스트 증가, 캐싱](https://broadrouter.com/ko/blog/ai-coding-agent-run-cost/)
-   [오픈 모델로 Claude Code 쓰기: 프록시, 네이티브 엔드포인트, 한계](https://broadrouter.com/ko/blog/claude-code-with-openai-compatible-models/)
-   [가이드: 에이전트용 무제한 LLM API 플랜은 어떻게 작동하나요?](https://broadrouter.com/ko/guides/unlimited-llm-api-sessions/)
-   [가이드: BroadNet Inference에서 OpenAI Agents SDK 실행하기](https://broadrouter.com/ko/guides/openai-agents-sdk-custom-provider/)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

[시작하기](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-multi-agent-cost&utm_content=page-cta) ·

**출처**

-   [Anthropic Engineering, 멀티 에이전트 리서치 시스템 구축기(2026-11-14 확인)](https://www.anthropic.com/engineering/multi-agent-research-system)
-   [BroadNet Inference 기계 판독용 가격(pricing.json, 2026-11-14 동기화) (영어)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-multi-agent-cost&utm_content=sources)
-   [BroadNet Inference 플랜과 플랜 FAQ(2026-11-16 확인) (영어)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-multi-agent-cost&utm_content=sources)
-   [BroadNet Inference API 레퍼런스, 한도(2026-11-16 확인) (영어)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-multi-agent-cost&utm_content=sources)
