자율 탐색 시스템은 쿼리에 응답하는 리소스(시뮬레이터, 기기 또는 분석 모델)와 다음에 무엇을 쿼리할지 선택하는 알고리즘을 결합합니다. 이러한 루프를 위한 대부분의 소프트웨어 프레임워크는 수치 최적화의 제어 구조를 상속받습니다: 캠페인은 고정된 횟수의 반복 동안 실행되며, 쿼리 비용은 프로그래밍 인터페이스에서 누락되고, 의사 결정은 무료로 취급됩니다. 실제로는 쿼리가 자릿수 차이로 비용이 다를 수 있으며, 대규모 언어 모델(LLM)이나 값비싼 대체재(surrogates)를 기반으로 하는 플래너는 자체적으로 리소스를 소비합니다. 여기서는 비용을 탐색 루프의 일급 기본 요소(first-class primitive)로 구축하는 하나의 아키텍처 원칙에 기반한 오픈 소스 Python 프레임워크인 CADAQUES를 소개합니다. CADAQUES는 쿼리에 응답하는 오라클(Oracle)과 쿼리를 제안하는 드라이버(Driver)라는 두 가지 구조적 프로토콜로 루프를 분리하고, 평가와 결정 모두를 벽 시간(wall time), CPU 시간, 금전적 비용, 언어 모델 토큰을 포괄하는 공통 벡터 값 예산에 대해 부과합니다. 추가 전용 원장(append-only ledger)은 각 트랜잭션에 대해 실행 전에 선언된 비용과 나중에 확정된 비용을 기록하여, 이들의 불일치를 캠페인의 관찰 가능한 속성으로 만듭니다. 우리는 노이즈가 있는 유한 크기의 추정치로부터 2차원 아이징 모델(Ising model)의 임계 온도를 정확한 열역학적 극한 참조값과 비교하여 아키텍처를 평가합니다. 이러한 노이즈 환경에서는 관찰된 최적 결과 주변에 집중하는 전략이 노이즈 유발 피크에 의해 오도될 수 있는 반면, 저렴한 낮은 충실도의 쿼리로 탐색하고 더 높은 충실도로 정제하는 스케줄은 연구된 예산 규모에서 전반적으로 높거나 변동성이 큰 오류보다 낮고 덜 가변적인 오류를 산출합니다. 계측(Metering)은 반복당 수십 마이크로초가 추가되는데, 이는 가장 저렴한 오라클 쿼리 비용의 자릿수 아래입니다. 이 프레임워크는 MIT 라이선스를 따르며 Zenodo에 아카이브되어 있습니다 (doi:10.5281/zenodo.21293589).