---
title: "컨텍스트 압축(compaction)이란? 에이전트 기록 요약 | BroadRouter"
description: "컨텍스트 압축은 컨텍스트 한도에 가까워진 긴 대화를 요약하고 그 요약에서 이어 가는 방식입니다. 에이전트가 압축하는 방법, 남기는 내용, 비용을 정리했습니다."
url: https://broadrouter.com/ko/glossary/context-compaction/
lang: ko
updated: 2026-11-15
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/glossary/context-compaction/) (2026-11-15 업데이트).

# 컨텍스트 압축(context compaction)

업데이트 2026-11-15

컨텍스트 압축(context compaction)은 컨텍스트 윈도우 한도에 가까워진 대화를 요약하고 그 요약에서 세션을 이어 가는 방식입니다. 에이전트는 핵심 결정과 상태는 유지하고, 오래된 도구 출력 같은 원시 기록은 버립니다.

다른 이름: 컴팩션, 자동 압축, 대화 압축, 컨텍스트 요약, auto-compact, compaction, conversation compaction, context summarization

긴 에이전트 세션은 컨텍스트 윈도우를 넘어섭니다. 압축은 전체 기록을 요약으로 바꾸고 작업을 이어 갑니다.

## 작동 방식

Anthropic의 컨텍스트 엔지니어링 글은 압축을 “the practice of taking a conversation nearing the context window limit, summarizing its contents,“(번역: 컨텍스트 윈도우 한도에 가까워진 대화를 가져와 그 내용을 요약하는 방식)로 정의하고, 그 요약으로 새 컨텍스트 윈도우를 시작한다고 설명합니다. 글에 따르면 Claude Code에서 모델은 “preserves architectural decisions, unresolved bugs, and implementation details,“(번역: 아키텍처 결정, 해결되지 않은 버그, 구현 세부 사항을 보존하고) 중복된 도구 출력은 버린 뒤, 요약과 “the five most recently accessed files.”(번역: 가장 최근에 접근한 파일 다섯 개)를 가지고 이어 갑니다.

가장 가벼운 형태는 도구 결과 지우기입니다. 같은 글은 이를 “one of the safest lightest touch forms of compaction”(번역: 가장 안전하고 가벼운 압축 형태 중 하나)이라 부릅니다. 기록 깊숙이 있는 오래된 원시 도구 출력만 지우고 나머지는 그대로 둡니다.

도구마다 압축을 제공하는 방식이 다릅니다.

| 도구 | 압축 실행 방식 |
| --- | --- |
| Claude Code | 자동 압축이 한도 근처에서 기록을 요약합니다. `/compact Focus on ...`으로 남길 내용을 지시하며 직접 실행할 수도 있습니다 |
| OpenAI Responses API | `context_management`에 `compact_threshold`를 지정하면 토큰 수가 그 값을 넘을 때 서버에서 압축합니다. 독립된 compact 엔드포인트를 호출할 수도 있습니다 |
| 직접 만든 에이전트 | 모델에게 기록을 요약하게 한 뒤, 시스템 프롬프트, 요약, 최근 턴으로 새 메시지 목록을 시작합니다 |

계산 예시: 기록이 180,000토큰인 에이전트가 6,000토큰 요약과 최근 파일 20,000토큰으로 압축합니다. 이후 매 턴은 180,000토큰에서 계속 늘어나는 기록 대신 약 26,000토큰의 기록을 보냅니다.

## 왜 중요한가

-   **길이.** 압축이 없으면 긴 작업은 [컨텍스트 윈도우](https://broadrouter.com/ko/glossary/context-window/)가 차는 순간 멈춥니다.
-   **품질.** 정확도는 한도에 한참 못 미쳐서도 떨어질 수 있으며, 이를 [컨텍스트 로트](https://broadrouter.com/ko/glossary/context-rot/)라고 합니다. 더 짧고 깔끔한 컨텍스트가 도움이 될 수 있습니다.
-   **비용.** 토큰당 과금에서는 매 턴마다 기록을 다시 보냅니다. 압축은 이를 줄이지만, 압축 요청 자체가 전체 기록을 한 번 읽고, 다시 쓴 앞부분은 새로 캐시해야 합니다([캐시된 입력 토큰](https://broadrouter.com/ko/glossary/cached-input-tokens/)).
-   **위험.** 요약에서 나중에 중요해질 세부 사항이 빠질 수 있습니다. 남길 내용에 대한 지시를 직접 작성하고, 핵심 사실은 노트 파일에 두세요.

## BroadNet Inference에서는

BroadNet API는 상태를 저장하지 않는(stateless) Chat Completions입니다. 매번 전체 메시지 목록을 보내며, BroadNet 문서에는 서버 측 압축 기능에 대한 설명이 없습니다. 압축은 에이전트나 도구에서 일어나고, 그 도구가 짧아진 기록을 보냅니다.

[DeepSeek V4.1 Flash](https://broadrouter.com/ko/models/deepseek-v4.1-flash/)와 [GLM 5.3](https://broadrouter.com/ko/models/glm-5.3/)은 1,048,576토큰의 컨텍스트를 받으므로 압축이 필요한 경우가 줄지만, 종량제에서는 위의 비용과 품질 문제가 그대로 적용됩니다. [정액 플랜](https://broadrouter.com/ko/plans/)에는 토큰 미터가 없으므로, 압축은 요금이 아니라 품질과 속도 때문에 중요합니다. 언제 압축하고 무엇부터 버릴지는 [장시간 실행 에이전트의 컨텍스트 관리](https://broadrouter.com/ko/blog/long-running-agent-context-management/)에서 다룹니다.

## 자주 묻는 질문

### 압축하면 정보가 사라지나요?

네, 원래 그렇게 설계되었습니다. 요약은 요약하는 쪽이 중요하다고 판단한 것만 남기고 나머지는 버립니다. 요구 사항이나 해결되지 않은 버그처럼 잃으면 안 되는 사실은 에이전트가 다시 읽을 수 있는 노트 파일에 두세요.

### 압축은 무료인가요?

아닙니다. Claude Code 문서는 압축이 요약 대상인 대화 전체를 읽으므로, 큰 컨텍스트를 압축하는 것 자체가 큰 요청이라고 지적합니다. /clear로 새로 시작하면 비용은 들지 않지만 연속성도 남지 않습니다.

### 압축하면 프롬프트 캐싱이 깨지나요?

기록을 다시 쓰기 때문에, 다음 요청은 다시 쓴 부분에서 캐시를 놓칩니다. Claude Code는 이를 예상된 캐시 재구축으로 봅니다. 그 뒤로는 짧아진 기록이 평소처럼 캐시됩니다.

## 함께 보기

-   [컨텍스트 엔지니어링(context engineering)](https://broadrouter.com/ko/glossary/context-engineering/) (용어)
-   [컨텍스트 윈도우(context window)](https://broadrouter.com/ko/glossary/context-window/) (용어)
-   [컨텍스트 로트(context rot)](https://broadrouter.com/ko/glossary/context-rot/) (용어)
-   [캐시된 입력 토큰(cached input tokens)](https://broadrouter.com/ko/glossary/cached-input-tokens/) (용어)
-   [AI 코딩 에이전트(AI coding agent)](https://broadrouter.com/ko/glossary/coding-agent/) (용어)
-   [AI 에이전트(AI agent)](https://broadrouter.com/ko/glossary/agent/) (용어)
-   [에이전트용 무제한 LLM API 플랜은 어떻게 작동하나요?](https://broadrouter.com/ko/guides/unlimited-llm-api-sessions/) (가이드)
-   [1M 컨텍스트 창으로 장시간 실행 에이전트의 컨텍스트 관리하기](https://broadrouter.com/ko/blog/long-running-agent-context-management/) (글)
-   [프롬프트 토큰 줄이기: 시스템 프롬프트, 도구, 데이터 절감 실측](https://broadrouter.com/ko/blog/reduce-prompt-tokens/) (글)

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-glossary-context-compaction&utm_content=page-cta) ·

**출처**

-   [Anthropic Engineering, Effective context engineering for AI agents(압축)(2026-11-15 확인)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
-   [Claude Code 문서, 비용 효과적으로 관리하기(/compact와 자동 압축)(2026-11-15 확인)](https://code.claude.com/docs/en/costs)
-   [OpenAI API 문서, 압축(compaction) 가이드(2026-11-15 확인)](https://developers.openai.com/api/docs/guides/compaction)
