여러분의 AI 지출은 하나의 숫자가 아닙니다. 그것은 세 가지입니다: 모델에 입력되는 토큰, 에이전트를 실행하기 위한 인프라, 그리고 그 주변에 추가하는 유료 도구들. 대부분의 비용 절감 조언은 이 중 하나만을 최적화하고 나머지 두 가지는 무시합니다.

여기서는 세 가지 다른 비용 항목을 공략하는 인기 있는 오픈 소스 저장소 세 가지를 간결하고 솔직하게 정리했습니다. 모두 무료이며, 자체 호스팅이 가능하고, 제가 글을 쓰기 전에 검증되었습니다. 저는 각 프로젝트의 실제 수치와 진짜 함정을 알려드릴 것입니다. 왜냐하면 '무료'라는 것은 실제로 작동해야만 거래가 성사되기 때문입니다.

요약 (TL;DR)

| 저장소 | 절감하는 비용 항목 | 라이선스 | 별점 |
| :--- | :--- | :--- |
| codebase-memory-mcp | 토큰 비용 | MIT | ~13.8k |
| ... |

토큰 비용 절감: codebase-memory-mcp

codebase-memory-mcp는 증거 자료가 있는 프로젝트입니다. 이 도구는 158개 언어에 걸쳐 여러분의 저장소를 영속적인 지식 그래프(함수, 클래스, 호출 체인, HTTP 라우트)로 인덱싱하며, 의존성이 전혀 없는 단일 정적 바이너리로 배포되고 MCP를 통해 에이전트에 노출됩니다.

핵심은 이겁니다: 여러분의 코딩 에이전트는 질문을 할 때마다 동일한 파일을 컨텍스트에 다시 읽는 것을 멈추고, 대신 지도를 조회합니다. 코드베이스를 재입력하는 것은 에이전트 기반 코딩에서 가장 큰 토큰 낭비 원인이며, 지식 그래프가 깔끔한 해결책입니다.

이는 단순한 마케팅 주장이 아닙니다. 이 프로젝트의 사전 공개 논문(arXiv:2603.27277)에 따르면, 31개의 실제 저장소에서 파일별 탐색 방식과 비교했을 때 답변 품질을 높게 유지하면서도 토큰 사용량이 약 10배 적고 도구 호출 횟수는 약 2배 적은 것으로 보고되었습니다. 이 도구는 11개의 코딩 에이전트에 연결되며 로컬 SQLite 캐시에 영속화됩니다.

# 한 번 인덱싱하면, 이후 MCP 호환 에이전트가 그래프를 조회합니다
codebase-memory-mcp index .

솔직한 주의사항: 이것은 구조적인 백엔드(backend)이지, LLM(대규모 언어 모델)이 아닙니다. 비용 절감은 에이전트가 더 똑똑해져서가 아니라, 에이전트에게 전달되는 정보량을 줄임으로써 발생합니다. 헤드라인에 나온 수치를 맹신하기보다는, 실제 코드베이스를 인덱싱(indexing)하고 본인의 작업에서 토큰(token) 감소량을 직접 측정해 보세요. 절감 효과를 측정한 검증된 설정 방법은 여기에서 확인할 수 있습니다.

에이전트 인프라 비용 절감: flue

flue (Astro 팀 제작)는 Node, Cloudflare, CI 등 어디에서나 배포 가능한 헤드리스 에이전트(headless agents)를 구축하기 위한 TypeScript 프레임워크입니다.

비용을 줄이는 핵심 요소는 기본 샌드박스(sandbox)입니다. 모든 에이전트마다 전체 컨테이너(container)를 실행하는 대신, flue는 기본적으로 가벼운 가상 샌드박스를 사용합니다. 공식 문서에서는 이것이 에이전트당 컨테이너를 사용하는 방식보다 훨씬 저렴하고 확장성(scalable)이 높다고 설명합니다. 작업에 실제로 컨테이너가 필요한 경우에는 여전히 로컬 또는 원격 컨테이너를 선택할 수 있습니다. 실제 대규모 운영 시, 이는 단일 서버 비용을 지불하느냐 아니면 함대(fleet) 규모의 비용을 지불하느냐의 차이를 만듭니다.

// 전체 에이전트: 프롬프트와 타입이 지정된 결과값, 컨테이너 불필요
import { createAgent } from '@flue/runtime';

...

솔직한 주의사항: 이 프로젝트는 명시적으로 실험적(experimental) 단계이며 API가 변경될 수 있습니다. 따라서 버전을 고정(pin)하여 사용하고, 이를 기반으로 중요한 시스템을 구축하기 전에는 어느 정도의 변동(churn)을 예상해야 합니다. 검증된 배포 설정은 여기에서 확인할 수 있습니다.

크리에이티브 도구 비용 절감: OpenMontage

OpenMontage는 코딩 어시스턴트를 완전한 비디오 제작 시스템으로 변모시킵니다. FFmpeg 및 Remotion을 활용하여 스크립팅, 에셋 생성(asset generation), 편집, 최종 합성(composition)에 이르는 12개의 파이프라인(pipelines), 52개의 도구, 500개 이상의 에이전트 기술(skills)을 제공합니다. 이 프로젝트의 핵심은 유료 AI 비디오 및 편집 구독 서비스들을 직접 실행하는 하나의 오픈 파이프라인으로 대체하는 것입니다.

두 가지 솔직한 참고 사항:

1. 진정으로 무료인 경로가 존재합니다. 무료 로컬 텍스트 음성 변환 (TTS, Text-to-Speech) 도구인 Piper와 퍼블릭 도메인 푸티지 (Public-domain footage, Archive.org, NASA, Wikimedia)를 사용하면 유료 API 없이 엔드 투 엔드 (End-to-end)로 실행할 수 있습니다. 생성된 에셋 (Assets)이 필요할 때만 유료 AI 모델을 연결하세요. 즉, 유료 생성은 필수 사항이 아니라 업그레이드 옵션입니다.
2. 더 주의 깊게 살펴봐야 할 항목은 라이선스 (License)입니다. AGPL-3.0은 카피레프트 (Copyleft) 라이선스입니다. 개인적 및 내부적 용도로는 괜찮지만, 이를 기반으로 상업적 제품을 구축할 경우 실제적인 의무가 따르므로 먼저 읽어보시기 바랍니다.

검증된 무료 파이프라인 설정은 여기에서 확인할 수 있습니다.

선택 방법

가장 부담이 큰 비용 항목에 따라 선택하세요:

• 토큰 (Tokens) 비용이 문제인가요? codebase-memory-mcp로 시작하세요. 가장 직접적인 이득을 얻을 수 있으며, 여기 소개된 도구 중 유일하게 공개된 수치 데이터가 뒷받침되어 있습니다.
• 에이전트 (Agents)를 대규모로 실행하나요? flue의 기본 샌드박스 (Sandbox)가 인프라 측면의 해결책입니다.
• 수많은 크리에이티브 구독료를 지불하고 있나요? OpenMontage가 파이프라인을 대체하며, 이를 실행할 수 있는 완전히 무료인 방법이 있습니다.

세 가지 모두 무료로 체험해 볼 수 있으므로, README 파일을 맹신하기보다는 실제 사용량을 바탕으로 절감액을 직접 측정해 보세요. '신뢰하기 전에 검증하라'는 습관은 그 어떤 단일 도구보다 중요합니다.

결론

이 세 가지 도구는 토큰, 인프라, 그리고 도구 비용을 줄여줍니다. 네 번째 비용 항목은 모델 그 자체입니다. 만약 모델 비용이 부담된다면, 프리미엄 가격을 지불하지 않고도 최상급 결과를 얻을 수 있는 가장 저렴한 두 가지 방법(직접 소유할 수 있는 오픈 모델 하나와 팀 단위의 모델을 대신 실행해 주는 API 하나)에 대해 방금 글을 작성했습니다: 최상급 가격을 지불하지 않고 최상급 AI를 얻는 두 가지 새로운 방법.

제가 놓친 비용 절감 오픈 소스 저장소 (Repo)가 있다면 댓글로 남겨주세요. 검증 후 좋은 것들을 추가하겠습니다.