القائمة
저비용 멀티모델 오케스트레이션. 1 Opus(조율) + 3 Sonnet(도메인 리더) + 3 Haiku(리서치/데이터)로 7 에이전트 병렬 실행. "가성비 있는 중간 규모 연구/분석" 용도. Standalone — 폴더만 복사하면 동작.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
| name | Super Lab Lite |
| description | 저비용 멀티모델 오케스트레이션. 1 Opus(조율) + 3 Sonnet(도메인 리더) + 3 Haiku(리서치/데이터)로 7 에이전트 병렬 실행. "가성비 있는 중간 규모 연구/분석" 용도. Standalone — 폴더만 복사하면 동작. |
| version | 1 |
| author | JorrrrrdDin |
하이퍼랩이 장대한 전략용(5×Opus·비싸다)이라면, 이건 일상 연구·분석·조사용 7-agent 경량 오케스트레이션. 모델 티어링으로 비용 1/5 수준.
| 티어 | 모델 | 역할 | 예산(토큰당) |
|---|---|---|---|
| T1 | Opus 4.x | 조율자 — PL 결과물 종합, 모순 해결, 최종 QA, 사용자 응답 | 비쌈 ($15/MTok) |
| T2 | Sonnet 4.x (×3) | 도메인 리더 — 하위 도메인 분석, Haiku 결과 합성 | 중간 ($3/MTok) |
| T3 | Haiku 4.x (×3) | 리서치/데이터 — 검색·파일 스캔·데이터 수집·정제 | 저렴 ($0.25/MTok) |
티어링 원칙:
Opus 1개가 사용자 요청 분석:
3개 Sonnet이 동시에 각자 도메인 프롬프트 받음:
3개 Haiku 병렬 실행:
3개 Sonnet이 각자:
Opus 최종 패스:
<project>/super_lab_lite/
├── runs/
│ └── {YYYY-MM-DD_HHMMSS}_{task_name}/
│ ├── phase1_opus_plan.md (Opus 설계)
│ ├── phase2_sonnet_A/
│ │ ├── prompt.md
│ │ ├── haiku_1_result.json (리서치 원본)
│ │ └── sonnet_A_report.md (도메인 A 분석)
│ ├── phase2_sonnet_B/...
│ ├── phase2_sonnet_C/...
│ ├── phase5_opus_synthesis.md (최종 종합)
│ └── audit.json (토큰 사용량, 소요 시간)
# scripts/lite_orchestrator.py 기본 골격
from anthropic import Anthropic
client = Anthropic()
def opus(prompt):
return client.messages.create(model="claude-opus-4-7", max_tokens=4096, messages=[{"role":"user","content":prompt}]).content[0].text
def sonnet(prompt):
return client.messages.create(model="claude-sonnet-4-6", max_tokens=2048, messages=[{"role":"user","content":prompt}]).content[0].text
def haiku(prompt):
return client.messages.create(model="claude-haiku-4-5-20251001", max_tokens=1024, messages=[{"role":"user","content":prompt}]).content[0].text
def run(user_request):
# Phase 1
plan = opus(f"다음 요청을 3개 도메인으로 분할하고 각 도메인의 Sonnet/Haiku 프롬프트 작성:\n{user_request}")
domains = parse_plan(plan) # [{name, sonnet_prompt, haiku_prompt}, ×3]
# Phase 3 + 4 (병렬 실행을 위해 concurrent.futures 사용)
from concurrent.futures import ThreadPoolExecutor
with ThreadPoolExecutor(max_workers=6) as exe:
haiku_futures = {d['name']: exe.submit(haiku, d['haiku_prompt']) for d in domains}
haiku_results = {k: f.result() for k, f in haiku_futures.items()}
sonnet_futures = {
d['name']: exe.submit(sonnet, d['sonnet_prompt'] + "\n\n리서치 데이터:\n" + haiku_results[d['name']])
for d in domains
}
sonnet_reports = {k: f.result() for k, f in sonnet_futures.items()}
# Phase 5
synthesis = opus(f"3 도메인 리포트 종합:\n{sonnet_reports}\n\n원 요청: {user_request}")
return synthesis
Claude Code에서 쓸 땐 Python 호출 대신 Agent tool로 병렬 서브에이전트 띄우는 방식이 더 자연스러움 (아래 Claude Code 통합 섹션).
Claude Code에서는 Agent tool을 써서 병렬 서브에이전트 실행:
Phase 1 (Opus 메인 세션):
사용자 요청 받음 → 3 도메인 분할 설계
Phase 2-4 (Agent tool 3회 병렬 호출):
Agent(subagent_type='general-purpose', prompt=sonnet_A_prompt, model='sonnet')
Agent(subagent_type='general-purpose', prompt=sonnet_B_prompt, model='sonnet')
Agent(subagent_type='general-purpose', prompt=sonnet_C_prompt, model='sonnet')
각 Sonnet agent가 내부적으로 Haiku를 Agent tool로 재호출 or 직접 리서치 수행.
(Claude Code Agent tool에는 model override 지원 — sonnet/haiku/opus 선택 가능)
Phase 5 (Opus 메인 세션 복귀):
3 Sonnet 결과 → Opus 종합 → 사용자 응답
| 시나리오 | 소요 | hyper-lab 대비 |
|---|---|---|
| 단순 (3K tok/agent) | Opus 3K × 1 + Sonnet 3K × 3 + Haiku 2K × 3 ≈ ~$0.06 | ~$0.30 (1/5) |
| 중간 (10K tok/agent) | ≈ ~$0.25 | ~$1.20 (1/5) |
| 장대 (30K tok/agent) | ≈ ~$0.80 | ~$4.00 (1/5) |
※ 실제 비용은 프롬프트/응답 길이에 비례.
| 트리거 | Phase 1 결과 |
|---|---|
| "이번 분기 한국 AI 스타트업 동향 분석해" | 도메인: (1) 주요 딜·투자 (2) 기술 트렌드 (3) 정책·규제 |
| "경쟁 3사 재무 비교" | 도메인: (1) 회사 A 상세 (2) 회사 B 상세 (3) 회사 C 상세 |
| "신규 기술 선행기술 조사" | 도메인: (1) 학술 논문 (2) 기출원 특허 (3) 오픈소스 구현 |
scripts/lite_orchestrator.py — Python 독립 실행용 골격 (Anthropic SDK 사용)scripts/claude_code_runner.md — Claude Code Agent tool 사용 패턴 가이드ANTHROPIC_API_KEY 만 필요 (Python 독립 실행 시)version 1.0 · standalone multi-model orchestration skill