Thousand Token Wood: 작은 모델로 보는 에이전트 경제학

AI 에이전트가 많아질수록 중요한 질문은 “얼마나 똑똑한가”만이 아닙니다. “제한된 토큰 안에서 얼마나 오래, 싸게, 안정적으로 함께 움직일 수 있는가”가 제품의 핵심 조건이 됩니다.

이 관점에서 Thousand Token Wood는 작은 데모 이상의 의미가 있습니다. Build Small Hackathon을 위해 만든 이 프로젝트는 Qwen2.5-3B 기반 숲속 생물 5마리가 상품을 만들고, 사고팔고, 부족에 반응하는 작은 경제 시뮬레이션입니다. vLLM으로 Modal에서 서빙되며 Gradio 앱으로 실행 과정을 볼 수 있습니다.²

토큰을 비용이 아니라 경제 단위로 보기

토큰 경제학은 LLM 에이전트에서 토큰을 핵심 경제 원시 요소로 다루는 연구 분야입니다. 여기서 토큰은 단순한 과금 단위가 아니라 생산요소, 교환매체, 회계단위로 이해될 수 있습니다.¹

이 정의가 중요한 이유는 명확합니다. 에이전트가 늘어나면 토큰 소비 증가는 계산 비용뿐 아니라 협업 지연, 조정 비용, 보안 위험으로 이어질 수 있습니다.¹ 따라서 토큰은 “얼마나 썼나”를 사후에 확인하는 지표가 아니라, 처음부터 시스템을 설계할 때 넣어야 하는 제약 조건입니다.

토큰 경제학은 결국 출력 품질과 경제적 비용 사이의 트레이드오프를 평가하는 틀입니다.¹ 더 길게 생각하게 할 것인지, 더 자주 대화하게 할 것인지, 더 많은 맥락을 유지하게 할 것인지의 선택은 모두 성능과 비용을 동시에 바꿉니다.

Thousand Token Wood가 보여주는 작은 경제

Thousand Token Wood에서 눈에 띄는 점은 “3B 모델도 충분히 똑똑하다”는 단순한 메시지가 아닙니다. 더 실용적인 교훈은 작은 모델도 형식화된 행동 공간 안에서는 꽤 안정적으로 작동할 수 있지만, 경제적 판단은 규칙과 프롬프트 설계에 크게 의존한다는 것입니다.

대표 15턴 실행에서 JSON 액션은 75회 중 75회 모두 유효했습니다.² 이는 작은 모델이 정해진 형식의 액션을 생성하는 데 강점을 보일 수 있음을 보여줍니다. 다만 멀티 에이전트 경제에서 중요한 것은 유효한 JSON을 내는 것만이 아닙니다. 무엇을 생산할지, 언제 거래할지, 부족에 어떻게 반응할지 같은 판단이 함께 필요합니다.

가격 변화는 이 차이를 잘 보여줍니다. 같은 실행에서 꿀 가격은 10에서 3으로 떨어졌고, 장작 가격은 4에서 7로 올랐습니다.² 중요한 것은 특정 가격의 정답 여부가 아니라, 부족과 충격을 설계했을 때 작은 에이전트들도 시장처럼 반응하는 구조를 만들 수 있다는 점입니다.

에이전트 설계에서 달라지는 판단 기준

Thousand Token Wood를 토큰 경제학 관점으로 보면, 멀티 에이전트 시스템을 평가하는 기준이 달라집니다.

단일 에이전트 수준에서는 제한된 토큰 예산 안에서 무엇을 기억하고, 무엇을 생략하며, 어떤 행동을 우선할지 최적화해야 합니다.¹ 멀티 에이전트 수준에서는 에이전트 간 불필요한 대화를 줄이고 협업 마찰을 낮추는 것이 중요합니다.¹ 더 큰 생태계 수준에서는 혼잡 외부성과 가격 책정도 분석 대상이 됩니다.¹

보안 역시 별개의 문제가 아닙니다. 토큰 경제학의 보안 관점은 적대적 위협을 경제적 제약으로 내부화합니다.¹ 즉, 공격을 막는 문제도 “얼마나 많은 검증과 방어에 토큰을 쓸 것인가”라는 설계 문제와 연결됩니다.

이런 분류는 관련 문헌 저장소에서도 드러납니다. 토큰 경제학 문헌은 기초, 단일 에이전트 최적화, 멀티 에이전트 조정, 생태계 동학, 보안 경제학으로 나뉩니다.³ Thousand Token Wood는 이 중 특히 멀티 에이전트 조정과 생태계 동학을 작게 실험해 보는 사례로 읽을 수 있습니다.

작은 숲에서 얻을 수 있는 실무적 교훈

Thousand Token Wood의 결론은 “작은 모델로도 무엇이든 된다”가 아닙니다. 오히려 반대에 가깝습니다. 작은 모델을 쓰려면 역할, 제약, 행동 형식, 실패 복구 방식을 더 명확히 설계해야 합니다.

실무적으로는 다음 질문이 중요합니다.

• 에이전트가 사용할 수 있는 토큰 예산은 얼마인가?

• 어떤 정보는 기억하고, 어떤 정보는 버릴 것인가?

• 에이전트끼리 꼭 대화해야 하는 순간은 언제인가?

• 형식 오류, 판단 오류, 시장 충격이 발생했을 때 어떻게 복구할 것인가?

• 성능 향상에 드는 토큰 비용이 제품 가치로 이어지는가?

앞으로 에이전트 제품은 단순한 성능표만으로 평가하기 어렵습니다. 토큰 예산, 상호작용 비용, 협업 마찰, 실패 복구 구조가 함께 검토되어야 합니다. Thousand Token Wood는 작은 숲이라는 형식을 통해 그 판단 기준을 선명하게 보여줍니다.

참고

¹Token Economics for LLM Agents: A Dual-View Study from Computing and Economics

²Thousand Token Wood: shipping a multi-agent economy on a 3B model

³Awesome Token Economics for LLM Agents