Cost Sim

Core Goal

• 에이전트 운영 비용을 사전에 시뮬레이션하여 비용 폭탄을 방지한다.
• 토큰/API/외부 서비스 비용을 통합 모델링한다.
• 스케일 시나리오(1→10→100→1,000명)별 비용 곡선을 예측한다.

Trigger Gate

Use This Skill When

• 에이전트 타당성 평가 시 월간 비용을 추정해야 할 때
• build-or-buy 판단의 비용 축 근거가 필요할 때
• 에이전트 KPI에 비용 상한을 설정해야 할 때
• "이거 비용 얼마 들어?" 류의 질문이 나올 때

Route to Other Skills When

• 비용이 아닌 모델 성능/품질 기준이면 → architect/orchestration --pattern router
• 비용 추적/최적화(이미 운영 중)면 → operate/ops-review
• 비용이 과다해서 직접 구축 vs 외부 솔루션을 비교한다면 → discover/assumptions --mode build-or-buy
• 결정론적 p50/p90 마진 + free-user abuse 시뮬레이션 수치가 필요할 때 → cogs-sentinel (hplan plugin)

Boundary Checks

• 이 스킬은 사전 시뮬레이션 전용이다. 실 비용 추적/모니터링은 operate/ops-review 범위.
• 모델 가격은 2026-03 기준이며 빠르게 변동함을 항상 명시한다.
• 추정치를 확정 수치로 표현하지 않는다 — 범위(range)로 제시.

Agent Cost Model

에이전트 비용은 일반 SaaS와 완전히 다른 구조입니다.

가장 흔한 실수: MVP에서 $5/월이었던 비용이, 사용자 100명에서 $500/월로 폭증.

비용 구조 3요소

요소 1 — 토큰 비용 (Token Cost)

Input Cost  = 입력 토큰 수 × 모델별 입력 단가
Output Cost = 출력 토큰 수 × 모델별 출력 단가
Total Token Cost = (Input + Output) × 호출 횟수

모델별 단가 (2026-03 기준, 1M 토큰당):

⚠️ 모델 가격은 빠르게 변동합니다. 실제 계획 시 최신 가격 확인 필수.

요소 2 — 호출 빈도 (Call Frequency)

일간 호출 수 = 트리거 횟수 × 에이전트당 평균 API 호출 수
월간 호출 수 = 일간 × 30

에이전트 유형별 일반적 호출 패턴:

요소 3 — 외부 API 비용 (External API Cost)

에이전트가 사용하는 외부 서비스 비용:

비용 시뮬레이션 템플릿

에이전트: [이름]
모델: [선택]

=== 토큰 비용 ===
평균 입력: [N] tokens/호출
평균 출력: [N] tokens/호출
일간 호출: [N]회
월간 호출: [N]회

입력 비용: [N tokens × N회 × 단가] = $X/월
출력 비용: [N tokens × N회 × 단가] = $Y/월
토큰 소계: $Z/월

=== 외부 API ===
[서비스1]: [호출 수] × [단가] = $A/월
[서비스2]: [호출 수] × [단가] = $B/월
API 소계: $C/월

=== 총 비용 ===
월간: $[Z + C]
연간: $[Z + C] × 12

=== 스케일 시나리오 ===
사용자 1명:   $[현재]
사용자 10명:  $[×10 추정]
사용자 100명: $[×100 추정]

비용 최적화 전략

전략 1 — 모델 라우팅

모든 작업에 Sonnet을 쓰지 말 것.
단순 분류/추출 → Haiku ($0.25 vs $3.00 = 12배 절감)
복잡한 판단 → Sonnet
최종 검증/고품질 → Opus (필요 시에만)

전략 2 — 캐싱

동일 입력 → 동일 출력인 작업은 캐싱
예: 동일 뉴스 소스를 여러 에이전트가 조회 → 1회 조회 후 공유
절감 효과: 중복 호출 50~80% 감소

전략 3 — 입력 최적화

전체 문서 대신 요약본 입력
10,000 tokens → 2,000 tokens = 80% 입력 비용 절감
→ context-window-budget 스킬과 연계

전략 4 — 배치 처리

실시간 처리 대신 배치 처리
개별 호출 10회 → 1회 배치 호출 (Batch API 50% 할인)
적합: 긴급하지 않은 정기 작업

전략 5 — 비용 상한 설정

월간 비용 상한: $N
초과 시: 에이전트 일시 중지 + 알림
→ metrics-design --step okr의 비용 KR과 연결

Project Context (auto-injected)

아래 섹션은 스킬 실행 시 자동으로 현재 프로젝트 데이터로 치환됩니다. 도구가 설치되지 않은 경우 graceful하게 건너뜁니다.

프로젝트 메모리: !cat .claude/MEMORY.md 2>/dev/null || echo "프로젝트 메모리 없음 — .claude/MEMORY.md를 생성하면 자동 참조됩니다."

최근 API 사용량 (참고용): !cat .claude/usage.json 2>/dev/null || cat logs/api-usage*.log 2>/dev/null | tail -20 || echo "사용량 데이터 없음 — .claude/usage.json 또는 logs/ 디렉토리에 사용량 로그가 있으면 자동 참조됩니다."

Instructions

You are helping simulate the operating cost for: $ARGUMENTS

Step 1 — 에이전트 프로파일링

• 에이전트 유형, 트리거 빈도, 사용 모델 확인
• 호출당 평균 입력/출력 토큰 추정

Step 2 — 토큰 비용 계산

• 모델별 단가 적용
• 일간/월간/연간 비용 산출

Step 3 — 외부 API 비용 추가

• 사용하는 외부 서비스 목록 + 호출 빈도
• 무료 티어 한도 확인

Step 4 — 총 비용 산출

• 토큰 + API = 월간 총 비용
• 비용 시뮬레이션 템플릿으로 정리

Step 5 — 스케일 시나리오

• 사용자 1 / 10 / 100명 시나리오별 비용 예측
• 비용 폭발 지점 확인

Step 6 — 최적화 전략 제안

• 모델 라우팅, 캐싱, 입력 최적화 중 적용 가능한 것 추천
• 예상 절감률 계산

Step 7 — 비용 KPI 제안

• 월간 비용 상한 권장값
• operate/metrics-design --step okr의 Operational Health KR로 연결

Step 8 — 다음 단계

• 비용이 수용 가능 → deliver/agent-setup으로 설계
• 비용이 과다 → 모델 다운그레이드 또는 discover/assumptions --mode build-or-buy 재검토

Failure Handling

Quality Gate

• 비용 시뮬레이션 템플릿이 빠짐없이 작성되었는가 (Yes/No)
• 스케일 시나리오 3단계(1/10/100명)가 모두 포함되었는가 (3/3)
• 최적화 전략이 최소 2개 이상 제안되었는가 (Yes/No)
• 모든 단가에 기준일이 명시되었는가 (Yes/No)
• 다음 단계 연결(operate/metrics-design --step okr / deliver/agent-setup / discover/assumptions --mode build-or-buy)이 제안되었는가 (Yes/No)

Examples

Good Example

요청: "고객 문의 자동 분류 에이전트 비용 시뮬레이션해줘. Haiku로 하루 200건 처리 예정."

왜 좋은 요청인가:

• 에이전트 목적 (고객 문의 분류), 모델 (Haiku), 호출 빈도 (200건/일)가 모두 명확
• 바로 Step 2로 진입 가능

기대 결과:

• 토큰 비용: 200건 × 1,500 input tokens × $0.25/1M = ~$0.08/일 → $2.25/월
• 10명 규모: $22.5/월, 100명 규모: $225/월
• 최적화: 입력 요약으로 30% 추가 절감 가능

Bad Example

요청: "에이전트 비용 얼마야?"

왜 나쁜 요청인가:

• 에이전트 유형, 모델, 트리거 빈도 전부 불명
• Step 1에서 최소 3개 확인 질문 필요

올바른 라우팅:

• cost-sim에서 처리하되, Step 1 프로파일링 질문부터 시작

참고

• 설계자: AI PM Skills Contributors, 2026-03
• 모델 가격: Anthropic / OpenAI 공식 가격 (2026-03 기준, 변동 가능)
• 모델 라우팅 전략: GPT-5.4 Tool Search 47% 절감 사례에서 영감
• 비용 상한 패턴: production cron job 월간 비용 모니터링 경험 기반

Further Reading

• Anthropic API Pricing — https://docs.anthropic.com/en/docs/about-claude/models
• OpenAI API Pricing — https://openai.com/api/pricing/

Contextual Knowledge (auto-loaded)

보조 파일이 존재할 때만 자동 로드됩니다. 파일이 없으면 건너뜁니다.

Good Example

!cat examples/good-01.md 2>/dev/null || echo ""

Bad Example

!cat examples/bad-01.md 2>/dev/null || echo ""

Domain Context

!cat context/domain.md 2>/dev/null || echo ""

Test Cases

!cat references/test-cases.md 2>/dev/null || echo ""

Troubleshooting

!cat references/troubleshooting.md 2>/dev/null || echo ""