AI 에이전트 과금 분리와 크레딧 미터링 FinOps

Anthropic은 2026년 6월 15일을 기준으로 Agent SDK, claude -p, GitHub Actions, OpenClaw 등 프로그램 방식 Claude 사용을 채팅 구독 한도와 분리하고, 달러 단위 월간 크레딧으로 계량하는 방안을 예고했다. 당일 시행은 보류됐지만, 대화형 사용과 자동화 워크로드를 서로 다른 회계 단위로 다루려는 방향은 에이전틱 개발 비용 관리에 직접적인 질문을 남긴다.

구독 자격증명이 에이전트 실행에 쓰일 때 생기는 비용 문제

이 정책의 핵심은 프로그램(programmatic) 사용을 구독제 한도 풀 밖으로 분리해 별도 월간 크레딧으로 추적하는 데 있었다. 대상에는 Claude Agent SDK, 헤드리스 모드인 claude -p, Claude Code GitHub Actions, OpenClaw, Agent SDK 기반 서드파티 앱이 포함됐다.

원안의 크레딧은 Pro $20, Max 5x $100, Max 20x $200으로 제시됐다. 표준 API 정가를 기준으로 차감하고, 크레딧은 이월되지 않으며 사용자별로 부여되는 구조다.

정책 변화는 다음 흐름에서 나왔다.

2026년 4월 4일, Anthropic은 구독 자격증명으로 동작하는 서드파티 에이전트를 전면 차단했다. 명분은 “infrastructure 과부하”였고, 추정 13.5만 OpenClaw 인스턴스가 영향을 받았다.
2026년 5월 13~14일에는 차단을 철회하고 크레딧 풀 미터링 방안을 발표했다.
2026년 6월 15일 시행 예정일 당일, Anthropic은 Help Center 공지에서 시행 보류(pause)를 확정하고 계획 재검토와 사전 고지를 약속했다.

2026년 6월 기준으로 별도 Agent SDK 크레딧은 아직 시행되지 않았고, 프로그램 사용은 기존처럼 구독 한도 안에서 동작한다. 다만 단일 사용자가 수십 배의 토큰을 자동 생성할 수 있는 에이전트 워크로드를 정액 구독으로 흡수하면 인프라 부담과 교차 보조(cross-subsidy) 문제가 생긴다. 분리 미터링은 무거운 자동화 사용량을 실제 사용 비용에 맞추려는 시도다.

무거운 에이전틱 워크로드에서는 정액 구독 대비 실효 단가가 큰 폭으로 올라갈 수 있다. Zed와 서드파티 클라이언트 생태계가 이 정책의 과금 영향을 분석한 이유도 여기에 있다.

호출 경로별로 사용량을 회계화하는 구조

분리 미터링은 호출 주체에 따라 사용량을 다른 풀로 라우팅한다. claude.ai 채팅과 Claude Code 대화 세션 같은 대화형(interactive) 사용은 구독제 rate-limit 풀로, SDK·CLI·CI의 비대화형 호출은 달러 단위 크레딧 풀로 보낸다.

워크로드 유형은 인증 토큰 종류, API 진입점, 헤드리스 여부 같은 호출 컨텍스트로 판별할 수 있다. 이때 구독은 시간당 메시지 한도처럼 토큰량을 추상화하는 반면, 크레딧은 토큰을 정가로 환산해 달러 단위로 차감한다.

토큰을 크레딧으로 바꾸는 회계 규칙

구독 할인 없이 표준 API 정가를 적용하는 원안에서 Sonnet 4.6은 input $3 / output $15, Opus 4.8은 input $5 / output $25이며 단위는 per 1M tokens다.

회계식은 다음과 같다.

크레딧 차감액 = (입력 토큰 × 입력 단가) + (출력 토큰 × 출력 단가)

Batch는 50% 할인, Prompt Caching은 캐시 입력을 90% 절감할 수 있으므로 동일 크레딧 안에서 처리량을 확대하는 수단이 된다. 사용자별 격리, 팀 풀링 불가, 월 청구주기 리셋, 미사용분 소멸이라는 특성은 예측가능성보다 사용량 정직성(usage honesty)에 더 큰 비중을 둔다.

토큰을 달러로 환산하면 “메시지 한도”는 비용 귀속과 감사 추적이 가능한 재무 자원이 된다. 다만 동일한 작업도 컨텍스트 길이, 출력 분량, 캐시 적중률에 따라 차감액이 달라진다. 회계 계층은 호출별 토큰 메타데이터를 충분히 정밀하게 적재해야 한다.

세션과 태스크 단위로 비용을 추적한다

관측 단위는 에이전트 세션(session) 또는 태스크(task)다. 여기에는 토큰과 스텝 메타데이터를 남기고, 세션당 평균 스텝 수, 세션당 토큰 사용량, 태스크당 비용, 에이전트별 누적 크레딧 소진율을 살핀다.

모든 토큰 지출을 모델, 프롬프트, 팀, 제품, 고객 단위로 귀속하면 chargeback의 기반을 만들 수 있다. 이를 위해서는 LLM orchestration framework, agent runtime, inference API 계층을 가로지르는 통합 텔레메트리가 필요하다.

잔액과 초과 사용을 통제하는 지점

크레딧 소진은 사실상 하드 쿼터가 된다. 월 크레딧이 고갈되면 프로그램 호출을 차단하거나 종량제 전환을 유도할 수 있다. MCP 서버 소비량, 토큰 사용량, API 요청 수, 이벤트 스트리밍 볼륨은 런타임 제약을 둘 수 있는 정책 적용 지점이다.

사용자에서 팀, 조직으로 이어지는 계층마다 소진 임계치와 알림 트리거를 둘 수 있다. 특히 크레딧 소진 뒤 종량제로 자동 전환되는 경로는 예산 통제를 무력화할 수 있으므로, 종량 전환에도 별도 승인과 한도를 적용해야 한다. 호출 전(pre-call) 잔액 검증으로 차단하는 방식과 호출 후(post-call) 초과분을 정산하는 방식을 함께 고려할 수 있다.

⤢✕

에이전틱 개발 비용을 조직 예산에 연결하는 방법

에이전트 워크로드는 별도 비용 센터로 두고, 월간 크레딧 한도를 예산 상한에 연결할 수 있다. 엔지니어링과 FinOps의 교차팀은 정기 리뷰를 통해 에이전트가 비용 대비 가치를 만들었는지 평가하고, 모델 업데이트나 신규 도구 도입 시 제약 조건을 다시 설정해야 한다.

State of FinOps 2026 기준으로 응답자 98%가 AI 지출을 관리했으며, 전년의 63%에서 급증했다. AI 비용 관리는 최우선 역량으로 부상했다.

크레딧 소진율이 50%·80%·95%에 이를 때 단계별로 알리고, 이상 급증(anomaly)은 즉시 통보하는 구성이 필요하다. 일/주 단위 burn rate를 산출해 월말 소진을 예측(forecast)하면 조기 경보로 쓸 수 있다. Slack, 이메일, 대시보드를 연결하고, 이상 급증에는 자동 티켓을 발행해 대응을 유도한다. 임계치를 넘으면 비핵심 에이전트 워크로드를 자동 throttle하고 핵심 워크로드의 우선순위를 보전할 수 있다.

사용자별 크레딧이 팀 풀링을 허용하지 않는다면 조직은 가상 풀링과 재배분 레이어를 직접 마련해야 한다. 프로덕션 자동화, 개발 실험, 탐색적 사용 순으로 배분 가중치를 둘 수 있으며, 월중 소진이 빠른 팀에는 여유 크레딧을 동적으로 이전할 수 있다. 만성 초과 팀은 별도 종량제 계약으로 분리해 전체 예산 효율을 높이는 방식도 가능하다.

에이전트가 각 스텝의 타이밍과 토큰 사용량을 메타데이터로 기록해야 세션별 평균 스텝과 토큰을 집계하고 비효율 구간을 식별할 수 있다. 팀·제품·고객별 지출 귀속은 내부 비용 분담을 투명하게 만들며, 사용자별 크레딧 구조는 개인과 팀의 비용 책임을 명확히 해 무분별한 호출을 억제하는 장치가 된다.

같은 크레딧으로 처리량을 높이는 비용 레버

작업 난이도에 맞춰 Opus, Sonnet, Haiku를 차등 라우팅하면 토큰 단가를 조정할 수 있다. 반복 컨텍스트는 Prompt Caching으로 90% 절감하고, semantic caching으로 중복 호출을 제거한다. 비실시간 워크로드는 Batch API로 전환해 50%를 절감할 수 있다.

컨텍스트 압축과 출력 토큰 제한은 회계 단가를 직접 낮춘다. 실시간 정책 엔진이 모델 선택, 캐싱, 프롬프트를 계속 최적화하면 동일 크레딧으로 처리량을 극대화할 수 있다. 비용 대비 효과가 낮은 에이전트는 폐기하거나 재설계해 크레딧 낭비를 구조적으로 제거해야 한다.

크레딧, 구독, 종량제의 운영상 차이

구분	크레딧 기반	구독 기반	종량제(API)
과금 단위	월 달러 크레딧, 토큰 정가 차감	정액 월 구독, 시간당 메시지 한도	토큰당 정가 실시간 과금
비용 예측성	중 (상한 고정, 소진 속도 변동)	높음 (완전 정액)	낮음 (사용량 비례)
사용량 정직성	높음 (실사용 환산)	낮음 (한도 내 무차별)	매우 높음
초과 처리	소진 시 차단·종량 전환	한도 도달 시 대기	무제한(예산 한도 내)
적합 워크로드	중규모 에이전틱 개발	개인·대화형 사용	대규모 프로덕션 자동화
거버넌스 난이도	중 (크레딧 추적 필요)	낮음	높음 (실시간 통제 필수)
이월·풀링	불가, 사용자별 격리	해당 없음	해당 없음

비용 예측성이 최우선이면 구독이 맞고, 사용량 정직성과 무제한 확장이 필요한 프로덕션에는 종량제가 맞는다. 중규모 에이전틱 개발은 그 사이에서 크레딧 모델을 절충안으로 선택할 수 있다.

크레딧 모델은 정액 구독의 예측성과 종량제의 정직성 사이에 놓이며, ISMS와 재무통제 체계에 한도 기반 통제를 결합하기 쉽다. 토큰을 측정 가능한 자원으로 회계화하면 IT 자원관리의 capacity·cost 방법론을 LLM 영역으로 확장할 수 있다. 세션과 태스크 단위 추적은 감사 추적성(auditability)과 chargeback 요구사항도 함께 충족한다.

외부 API 기반 AI 워크로드는 기존 클라우드 비용 도구의 가시성 밖에 놓일 수 있다. orchestration framework, agent runtime, inference API의 통합 텔레메트리를 먼저 구축하는 벤더가 차세대 클라우드 재무관리의 기준을 정의할 수 있다. Anthropic의 보류와 무관하게 대화형과 프로그램 사용량을 분리하는 흐름은 업계 표준 방향으로 남아 있으며, 조직은 에이전틱 FinOps 역량을 비용 통제 인프라로 준비할 필요가 있다.