ULTRAPLAN과 비용 분석

ULTRAPLAN이란?

ULTRAPLAN은 분석 기준 버전의 번들에서 관찰된 복잡한 다단계 작업용 실험 경로입니다. 당시 코드에는 Opus 4.6 모델 선택, 3초 간격 폴링, 브라우저 승인 흐름, ULTRAPLAN 빌드 플래그와 tengu_ultraplan_model 게이트가 나타났습니다. 그러나 2026년 7월 24일 기준 공식 문서에 공개 기능이나 지원 API로 명시되지 않았으므로, 이 정보는 현재 동작이나 향후 출시를 보장하지 않습니다.

일반 실행:
  요청 → 즉시 실행 → 결과

ULTRAPLAN 실행:
  요청 → [계획 수립 단계]
              │
              ├── 요구사항 분석
              ├── 단계 분해
              ├── 의존성 파악
              ├── 위험 요소 식별
              └── 실행 계획 확정
              │
          [실행 단계]
              │
              ├── 단계 1 실행 → 검증
              ├── 단계 2 실행 → 검증
              └── 단계 N 실행 → 최종 검증

계획 수립과 실행 분리

ULTRAPLAN의 핵심 원칙은 **“먼저 생각하고, 그 다음 행동한다”**입니다.

| 단계 | 활동 | 결과물 | |------|------|--------| | 계획 수립 | 요구사항 분석, 전략 결정 | 실행 계획 문서 | | 검토 | 사용자 승인 또는 자동 진행 | 승인된 계획 | | 실행 | 단계별 구현 | 실제 코드/변경 | | 검증 | 각 단계 완료 확인 | 검증 보고서 |

// 개념 설명용 의사 코드: 실제 공개 API가 아니므로 실행 예제로 사용하지 않습니다.
for await (const message of query({
  prompt: '결제 시스템을 마이크로서비스로 분리해 주세요',
  options: {
    ultraplan: true,
    planReviewMode: 'auto',  // 또는 'manual'
    maxPlanSteps: 20
  }
})) {
  if (message.type === 'plan') {
    console.log('계획 수립 완료:', message.plan.steps.length, '단계');
  }
}

비용 분석 시스템

Claude Code는 모든 세션의 토큰 사용량과 비용을 자동으로 추적합니다.

// result 메시지 전체 구조
{
  "type": "result",
  "subtype": "success",
  "session_id": "abc-123",
  "cost_usd": 0.1284,
  "duration_ms": 28500,
  "duration_api_ms": 23100,
  "is_error": false,
  "num_turns": 12,
  "usage": {
    "input_tokens": 45200,
    "output_tokens": 8900,
    "cache_read_input_tokens": 38000,
    "cache_creation_input_tokens": 5200
  }
}

캐시 히트율 계산:

캐시 히트율 = cache_read_input_tokens / input_tokens × 100
예시: 38000 / 45200 × 100 = 84.1%

캐시 히트율이 높을수록 비용이 크게 절감됩니다.

get_context_usage 세분화 분석

const usage = await sendControlRequest({
  type: 'control',
  subtype: 'get_context_usage'
});

// 상세 분류 응답
{
  "total_tokens": 200000,      // 최대 컨텍스트 윈도우
  "used_tokens": 67430,        // 현재 사용량
  "available_tokens": 132570,  // 잔여 용량
  "usage_percent": 33.7,       // 사용률 (%)
  "breakdown": {
    "system_prompt": 12400,    // 시스템 프롬프트
    "tool_definitions": 8200,  // 도구 정의
    "conversation": 38500,     // 대화 히스토리
    "tool_results": 6100,      // 도구 실행 결과
    "pending": 2230            // 처리 중인 내용
  }
}

비용 최적화 전략

| 전략 | 구현 방법 | 절감 효과 | |------|-----------|-----------| | 시스템 프롬프트 캐싱 | 고정 시스템 프롬프트 사용 | 입력 비용 최대 90% | | 컨텍스트 압축 | /compact 명령어 주기적 실행 | 20-40% | | 모델 다운그레이드 | 단순 작업에 Haiku 활용 | 95% (Opus 대비) | | 배치 처리 | 여러 파일을 한 번에 처리 | 오버헤드 감소 | | 결과 재사용 | 동일 분석 반복 요청 방지 | 중복 비용 제거 |

비용 데이터를 지속적으로 수집하면 팀의 AI 사용 패턴을 파악하고 예산을 효율적으로 관리할 수 있습니다.