OpenClaw 비용 관리와 실전 운영 노하우 — 3개월 운영 회고

-
OpenClaw 비용 관리와 실전 운영 노하우 — 3개월 운영 회고

역할 분리 기반 API 비용 최적화와 CLI 운영 팁 정리

핵심 요약

  • 모든 작업을 3계층(Premium/Cheap/Free)으로 분류하고 모델을 매핑하면 비용을 구조적으로 통제할 수 있다
  • Reflect 파이프라인의 판단/실행 분리와 Thinking 모드 비활성화로 토큰 소비를 1/4로 압축했다
  • Fallback 설정이 "우상향"하지 않도록 반드시 성능·비용이 함께 낮아지는 구조로 설계해야 한다

배경

OpenClaw 기반 시스템을 구축하고 모든 에이전트에 Premium 모델을 연동했다. 일주일 만에 한 달치 API 예산을 초과했다. 로그를 분석해 보니 문제는 사용자 대화가 아니라, 30분마다 도는 Heartbeat와 새벽 Reflect 같은 백그라운드 자동화 작업이 최고가 모델의 토큰을 소비하고 있었다.

비용 최적화의 핵심은 모델 다운그레이드가 아니라 역할 배분과 실행 환경의 분리에 있었다.

모델 비용 3계층(Tier) 아키텍처

본문

Reflect 파이프라인의 구조적 비용 절감

모델 비용 3계층(Tier) 아키텍처

계층 모델 예시 비용 (1M Input) 적용 대상
Premium gpt-5.4, claude-sonnet-4.6 $10+ 사용자 대화, 복잡한 추론
Cheap gemini-flash-lite, haiku $0.1~$1 단순 리서치, 가벼운 크론
Free ollama/qwen3.5:9b 전기 요금 수준 Heartbeat, Reflect Runner

가장 드라마틱한 절감은 메인 에이전트(mir)의 설정 이원화에서 나왔다. 사용자 대화 시 gpt-5.4, Heartbeat 루프 시 로컬 qwen3.5:9b를 호출하도록 분기 처리했다. 하루 48회 발생하는 무의미한 API 과금을 원천 차단했다.

{
  "mir": {
    "model": { "primary": "openai-codex/gpt-5.4" },
    "heartbeat": { "model": "ollama/qwen3.5:9b" }
  }
}

Reflect 파이프라인의 구조적 비용 절감

매일 새벽 3시에 동작하는 Reflect는 가장 무거운 작업이다. 역할 역전(Role Inversion)을 통해 비용을 통제한다.

  • Manager: gemini-2.5-flash가 요약된 메타데이터만 읽고 지시서 작성
  • Runner: 로컬 qwen3.5:9b가 실제 파일 I/O를 최대 7번 반복 스폰하며 무료로 처리

Thinking 모드를 강제 종료(thinking: off)하여 토큰 소비를 1/4 수준으로 압축했다.

Fallback 전략과 로컬 LLM 경제학

API 장애 시 Fallback이 더 비싼 모델로 넘어가면 비용 폭탄이 된다.

  • Bad: gpt-5.4 → claude-opus-4 (우상향)
  • Good: gemini-3.1-pro → claude-sonnet-4.6 → ollama/qwen3.5:9b (안전망 구조)

로컬 모델 구동(Mac Mini M4 Pro) 시 추가 전기 요금은 월 5,000~8,000원 선이다. 응답 지연은 있지만 인간이 실시간으로 기다리지 않는 백그라운드 작업에는 완벽한 가성비를 제공한다.

시행착오 / 주의사항

3개월간 정립한 CLI 습관 5가지:

  1. 배포 전 무결성 검사: openclaw doctor 한 줄이 런타임 에러를 사전에 차단한다
  2. 설정 파일 문법 검증: python3 -m json.tool Agent/.openclaw/openclaw.json으로 반드시 검증
  3. 워크스페이스 린팅: bash scripts/agent-linter.sh로 에이전트 간 설정 불일치 점검
  4. 설정 변경 추적: bash scripts/config-drift.sh로 정상 상태 스냅샷과 현재 설정 비교
  5. 크론 스케줄 분석: bash scripts/cron-analytics.sh로 개별 크론 소요 시간과 실패 원인 추적

마무리

비용 최적화의 본질은 모델 단가표가 아니라 아키텍처의 역할 분리에 있다. 비싼 모델을 싼 모델로 단순 교체하는 건 미봉책이다. 반복 작업은 무료 로컬 모델로 내리고, 중요한 판단에만 Premium API를 태우는 구조적 격리만이 지속 가능한 유지비를 보장한다.

댓글

댓글 쓰기

이 블로그의 인기 게시물

"LLM 핵심 학습 (1/6) — 기본: 토큰화·임베딩·어텐션·위치 인코딩"

-
이미지
(시리즈 시작) 📚 시리즈 목차 2/6 파인튜닝 → 트랜스포머 한 블록의 데이터 흐름을 문자열 → 토큰 → 임베딩 → 어텐션 → 출력 표현 까지 손으로 풀어 본다. 이번 편이 끝나면 "왜 \(\sqrt{d_k}\)로 나누는가", "RoPE는 무엇을 회전시키는가", "한국어가 영어보다 토큰이 많은 까닭은 무엇인가"가 한 줄로 설명될 수 있다. 0. 학습 목표 이 편을 마치면 다음을 직접 할 수 있다. BPE 토크나이저 가 어휘를 어떻게 학습하고 새 문자열을 어떻게 자르는지 종이 위에서 시뮬레이션한다. 임베딩 행렬 의 모양과 초기화, weight tying의 의미를 한 줄로 설명한다. Scaled Dot-Product Attention 의 식을 차원 단위로 추적하고 PyTorch 30줄로 재현한다. Multi-Head Attention 이 한 헤드와 비교해 무엇이 다른지, 헤드 수가 늘면 어디가 비싸지는지 답한다. Sinusoidal·RoPE·ALiBi 세 위치 인코딩의 식과 외삽 성질을 구분한다. 컨텍스트 확장이 왜 \(O(N^2)\)인지, "Lost in the Middle"이 왜 발생하는지 설명한다. 1. 핵심 요약 트랜스포머의 입력은 문자열 이 아니라 정수 ID 시퀀스 다. 토크나이저가 문자열 → ID로 자른다. 임베딩은 정수 ID를 \(d\)차원 벡터로 lookup하는 학습 가능한 테이블이다. Self-Attention은 \(\text{softmax}(QK^\top / \sqrt{d_k}) V\) 한 줄이 핵심이고, 멀티헤드는 같은 연산을 여러 부분 공간에서 병렬화한 것이다. 위치 정보는 임베딩에 직접 더하거나(Sinusoidal), Q·K에 회전을 가하거나(RoPE), 어텐션 스코어에 거리 패널티를 더해서(ALiBi) 주입한다. 컨텍스트 길이 \(N\)에 대해 표준 어텐션은 \(O(N^2)\) 비용을 갖고, 긴 컨텍스트에서는 중간 위...
Read more »

"LLM 핵심 학습 (2/6) — 파인튜닝: LoRA·QLoRA·증류·Adapter"

-
이미지
← 1/6 기본 📚 시리즈 목차 3/6 디코딩과 생성 → 사전학습된 LLM을 내 데이터 에 적응시키는 방법을 비용·메모리·일반화 관점에서 정리한다. Full FT의 한계 → Adapter → LoRA → QLoRA → Distillation 순으로 같은 그림을 점점 확대해 본다. 0. 학습 목표 Full fine-tuning의 메모리 병목을 옵티마이저 상태·그래디언트·가중치·활성화 의 4분할로 설명한다. Adapter(Houlsby 2019)와 LoRA(Hu 2021)의 식 차이를 한 줄로 적는다. LoRA의 \(A, B\) 행렬이 왜 저랭크 이고, rank \(r\) 선택이 무엇을 결정하는지 답한다. QLoRA(Dettmers 2023)의 NF4·double-quant·paged optimizer를 분리해서 설명한다. Catastrophic Forgetting을 분포 시프트 관점에서 정의하고 완화 기법을 두 개 이상 든다. Hinton 2015의 Knowledge Distillation 식을 손으로 유도한다. 1. 핵심 요약 Full FT는 메모리/디스크/시간 모두 비싸다. 7B 모델 full FT는 V100 8장 + A100 1장으로도 큰 부담이다. PEFT(파라미터 효율 파인튜닝) 일가족은 극히 일부 파라미터만 학습 해 같은 효과를 얻는다. LoRA: \(\Delta W = BA\) (rank \(r \ll \min(d_{\text{in}}, d_{\text{out}})\))로 가중치 업데이트를 저랭크 분해. QLoRA: 베이스 모델을 4-bit(NF4)로 양자화한 채 LoRA만 풀-정밀(BF16)으로 학습. Catastrophic Forgetting: 새 분포에 적응하느라 이전 능력이 무너지는 현상. PEFT 자체가 부분 완화책. Distillation: 큰 교사 모델의 soft target 을 학습 신호로 써서 작은 학생 모델 을 만든다. 2. 직관: 왜 사전학습만으로는 부족한가 사전학습은 일반...
Read more »

"ML 기초 학습 (1/9) — 머신러닝과 sklearn: 학습의 좌표계"

-
이미지
(시리즈 시작) 📚 시리즈 목차 2/9 이웃 알고리즘 → 이 시리즈는 신경망과 로컬 LLM으로 가기 전에 손에 익혀 둬야 할 머신러닝 기초 9편이다. 1편은 모든 ML 코드가 공유하는 공통 문법 을 잡는 데 쓴다. sklearn은 그 문법을 가장 일관되게 보여주는 도구다. 이번 편이 끝나면 어떤 모델을 만나도 fit → predict → score → 평가 흐름이 같다는 것이 손에 잡힌다. 0. 학습 목표 이 편을 마치면 다음을 할 수 있어야 한다. 지도학습·비지도학습·강화학습을 한 문장씩 구분해 설명한다. sklearn의 estimator 인터페이스 ( fit , predict , score , transform )를 코드 한 화면 안에서 쓸 수 있다. train/validation/test 분할을 왜 하는지, 어디서 데이터 누수가 생기는지 식과 그림으로 설명한다. 분류·회귀의 핵심 평가 지표(accuracy, precision, recall, F1, MSE, R²)를 정의에서 직접 계산할 수 있다. k-fold 교차검증 을 코드 한 줄로 돌리고, 결과의 평균과 표준편차를 함께 보고할 수 있다. Pipeline 으로 전처리와 모델을 묶어 데이터 누수를 구조적으로 막는 방법을 설명한다. 1. 핵심 요약 머신러닝은 데이터에서 함수 \(f: X \to Y\)를 찾는 작업 이다. 어떤 모델이든 이 본질은 같다. sklearn은 모든 모델을 같은 인터페이스( fit , predict , score )로 통일해, 모델을 바꿀 때 한 줄만 바꾸면 되게 한다. train/val/test 세 분할이 표준이다. 검증으로 하이퍼파라미터를 고르고, 테스트는 마지막에 한 번만 본다. 데이터 누수 (test 정보가 train에 새는 현상)는 ML 입문자가 가장 자주 만드는 실수이며, Pipeline + cross_val_score 조합으로 구조적으로 막을 수 있다. 평가 지표는 문제 유형 (분류/회귀) 과 클래스 불균형...
Read more »