Menu
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.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| 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